代码大模型 / AI 编程

Toward Executable Repository-Level Code Generation via Environment Alignment

面向环境对齐的仓库级代码生成

Ruwei Pan, Junlei Shen, Linhao Wu, Yueheng Zhu, Zixiong Yang, Yakun Zhang, Lu Zhang, Hongyu Zhang

专题命中 仓库级理解 ：code generation(title,abstract)；repository(title,abstract)；分类 cs.SE、cs.AI

AI总结 本文提出EnvGraph框架，通过环境对齐问题解决仓库级代码生成中的可执行性挑战，实验显示其在功能正确性和非功能质量上均优于现有方法。

Beyond Code Snippets: Benchmarking LLMs on Repository-Level Question Answering

超越代码片段：在仓库层面评估大语言模型的问答任务

Yoseph Berhanu Alebachew, Hunter Leary, Swanand Vaishampayan, Chris Brown

机构 * Department of Computer Science, Virginia Tech（弗吉尼亚理工大学计算机科学系） 纠错

专题命中 仓库级理解 ：repository(title,abstract)；分类 cs.SE、cs.AI

AI总结 本文提出StackRepoQA数据集，用于评估大语言模型在多项目仓库层面的问答能力，通过对比不同配置下的性能，揭示了模型在处理仓库级程序理解时的局限性。

Optimizing Neurorobot Policy under Limited Demonstration Data through Preference Regret

通过偏好遗憾优化有限示范数据下的神经机器人策略

Viet Dung Nguyen, Yuhang Song, Anh Nguyen, Jamison Heard, Reynold Bailey, Alexander Ororbia

机构 * Rochester Institute of Technology（罗切斯特理工学院） ； Advanced Micro Devices, Inc.（超威半导体公司） ； University of Liverpool（利物浦大学） 纠错

专题命中 仓库级理解 ：repository(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出MYOE框架，通过可查询的偏好混合状态空间模型估计每一步的目标，利用偏好遗憾优化机器人控制策略，实验显示其鲁棒性、适应性和泛化能力优于其他RLfD方法。

Comments 10 pages, 4 figures, 4 tables

MSDformer: Multi-scale Discrete Transformer For Time Series Generation

MSDformer：多尺度离散Transformer用于时间序列生成

Shibo Feng, Zhicheng Chen, Xi Xiao, Zhong Zhang, Qing Li, Xingyu Gao, Peilin Zhao

机构 * Nanyang Technological University（南洋理工大学） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Tencent（腾讯） ； Peng Cheng Laboratory（鹏城实验室） ； Institute of Microelectronics, Chinese Academy of Sciences（中国科学院微电子研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） 纠错

专题命中 仓库级理解 ：repository(abstract)；分类 cs.LG

AI总结 MSDformer通过多尺度离散Transformer方法，解决传统DTM在捕捉复杂时间序列多尺度特征和理论指导方面的不足，提升生成质量。

Detecting Media Clones in Cultural Repositories Using a Positive Unlabeled Learning Approach

利用积极无监督学习方法在文化库中检测媒体克隆

V. Sevetlidis, V. Arampatzakis, M. Karta, I. Mourthos, D. Tsiafaki, G. Pavlidis

机构 * Archimedes, ATHENA RC（阿基米德研究中心，雅典娜研究与创新中心） 纠错

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出利用积极无监督学习方法在文化库中检测媒体克隆，通过轻量级查询克隆编码器和可解释阈值实现高效去重，实验表明在CIFAR-10和AtticPOT数据集上均取得显著提升。

Comments Accepted at CAA 2026 International Conference

Finding Sets of Pareto Sets in Real-World Scenarios -- A Multitask Multiobjective Perspective

在现实世界场景中寻找帕累托集集——多任务多目标视角

Jiao Liu, Yew Soon Ong, Melvin Wong

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文从多任务多目标视角探讨在现实世界中生成帕累托集集的方法，针对工程设计、库存管理和超参数优化等实际问题，评估现有多任务进化方法的性能，并通过可视化分析不同任务对应的帕累托集相似性。

Action-guided generation of 3D functionality segmentation data

基于动作的3D功能分割数据生成

Jaime Corsetti, Francesco Giuliari, Davide Boscaini, Pedro Hermosilla, Andrea Pilzer, Guofeng Mei, Alexandros Delitzas, Francis Engelmann, Fabio Poiesi

机构 * Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会） ； University of Trento（特伦托大学） ； TU Wien（维也纳工业大学） ； NVIDIA（英伟达） ； ETH Zurich（苏黎世联邦理工学院） ； MPI for Informatics（马克斯·普朗克信息学研究所） ； Stanford University（斯坦福大学） ； USI Lugano（卢加诺大学） 纠错

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出SynthFun3D，通过动作描述生成3D功能分割数据，解决真实数据稀缺问题，提升3D功能理解性能。

Comments Accepted at CVPR 2026 GenRecon3D workshop. 17 pages, 8 figures, 1 table