代码大模型 / AI 编程

Evaluating Repository-level Software Documentation via Question Answering and Feature-Driven Development

通过问答和基于特征的开发评估仓库级软件文档

Xinchen Wang, Ruida Hu, Cuiyun Gao, Pengfei Gao, Chao Peng

机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Independent Researcher, China（独立研究者） 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SWD-Bench基准，通过功能驱动的问答任务评估仓库级文档质量，揭示现有方法局限，并展示高质量文档对SWE-Agent问题解决率的提升。

Code Sharing In Prediction Model Research: A Scoping Review

预测模型研究中的代码共享：一项范围综述

Thomas Sounack, Raffaele Giancotti, Catherine A. Gao, Lasai Barreñada, Hyeonhoon Lee, Hyung-Chul Lee, Leo Anthony Celi, Karel G. M. Moons, Gary S. Collins, Charlotta Lindvall, Tom Pollard

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

AI总结 本文通过综述预测模型研究中的代码共享现状，发现代码共享率随时间增加，但普遍存在可重现实体不足的问题，为TRIPOD-Code扩展提供实证基础。

All LCA models are wrong. Are some of them useful? Towards open computational LCA in ICT

所有LCA模型都是错误的。有些模型有用吗？迈向开放的ICT计算LCA

Vincent Corlay, David Bekri, Marie-Anne Lacroix, Maxime Pelcat, Maxime Peralta, Pierre-Yves Pichon, Leo Saillenfest, Olivier Weppe, Sebastien Rumley

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

AI总结 本文探讨ICT LCA中模型的可靠性问题，指出需严格构建和校准模型系统，并提出四个关键要求及开放框架以提升可信度。

Comments Accepted at the Sustainable Computing Workshop in the scope of the 23rd ACM International Conference on Computing Frontiers (2026)

A Massively Scalable Ligand-Protein Dissociation Dynamic Database Derived from Atomistic Molecular Modelling

基于原子分子模拟的可扩展配体-蛋白质解离动态数据库

Maodong Li, Dechin Chen, Zhijun Pan, Zhe Wang, Yi Isaac Yang

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出DD-03B数据库，通过原子级模拟生成19,037个配体-蛋白质复合物的动态解离轨迹，揭示三种解离机制类型，为训练生成式AI模型提供基础数据。

Comments 16 pages, 4 figures, 1 table

Unsupervised Source-Free Ranking of Biomedical Segmentation Models Under Distribution Shift

无监督源无关的生物医学分割模型排名

Joshua Talks, Kevin Marchesini, Luca Lumetti, Federico Bolelli, Anna Kreshuk

机构 * EMBL Heidelberg（欧洲分子生物学实验室海德堡分部） ； University of Modena and Reggio Emilia（摩德纳和雷焦艾米利亚大学） 纠错

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出一种无监督、源无关的生物医学分割模型排名框架，通过预测一致性在扰动下进行评估，适用于语义和实例分割任务，展示了在2D和3D影像中广泛任务的强相关性。

Comments 15 pages, 4 figures

Mapping Child Malnutrition and Measuring Efficiency of Community Healthcare Workers through Location Based Games in India

通过基于位置的游戏映射儿童营养不良并测量社区医疗工作者的工作效率

Arka Majhi, Aparajita Mondal, Satish B. Agnihotri

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文通过基于位置的游戏收集儿童营养数据，提升社区医疗工作者的工作效率和数据准确性，验证了游戏化方法在空间数据采集中的有效性。

Comments Accepted at GoodIT 2024