代码大模型 / AI 编程

Toward Reusability of AI Models Using Dynamic Updates of AI Documentation

迈向通过动态更新AI文档提高AI模型重用性

Peter Bajcsy, Walid Keyrouz

机构 * Hugging Face ； AI consortium 纠错

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

AI总结 本文提出通过动态更新AI文档模板，缩短AI模型卡片更新滞后时间，提升AI模型重用性。

Comments 28 pages, 16 figures, 9 tables

Light-Adapted Electroretinogram and Oscillatory Potentials (LEOPs) Dataset for Autism Spectrum Disorder and Typically Developing Individuals

光适应视诱发电位和震荡电位（LEOPs）数据集用于自闭症谱系障碍和通常发育个体

Paul A. Constable, Dorothy A. Thompson, Irene O. Lee, Lynne Loh, Aleksei Zhdanov, Mikhail Kulyabin, Andreas Maier

机构 * Flinders University, College of Nursing and Health Sciences, Caring Futures Institute（弗林德斯大学，护理与健康科学学院，关怀未来研究所） ； The Tony Kriss Visual Electrophysiology Unit, Clinical and Academic Department of Ophthalmology, Great Ormond Street Hospital for Children NHS Trust（托尼·克里思视觉电生理单位，眼科临床与学术部门，儿童医院国家健康信托基金会） ； UCL Great Ormond Street Institute of Child Health, University College London（伦敦大学学院Great Ormond Street儿童健康研究所） ； Behavioural and Brain Sciences Unit, Population Policy and Practice Programme, UCL Great Ormond Street Institute of Child Health, University College London（行为与脑科学单位，人口政策与实践计划，伦敦大学学院Great Ormond Street儿童健康研究所） ； Visiomed.AI, Moscow, Russia（Visiomed.AI，莫斯科，俄罗斯） 纠错

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

AI总结 该数据集包含用于自闭症谱系障碍和通常发育个体的光适应视诱发电位和震荡电位波形，用于研究神经发育特征。

Can LLMs Beat Classical Hyperparameter Optimization Algorithms? A Study on autoresearch

LLMs能否超越经典超参数优化算法？对autoresearch的研究

Fabio Ferreira, Lucca Wobbe, Arjun Krishnakumar, Frank Hutter, Arber Zela

机构 * ELLIS Institute Tübingen（图宾根ELLIS研究所） ； University of Freiburg（弗赖堡大学） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Prior Labs（Prior实验室） 纠错

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

AI总结 本文通过autoresearch平台比较经典HPO算法与LLM方法在优化小型语言模型超参数时的表现，发现经典方法在避免内存故障方面更优，而LLM在代码编辑能力上有所提升，但未完全超越经典方法，提出Centaur混合方法结合经典算法和LLM优势，取得最佳效果。

Denoise and Align: Diffusion-Driven Foreground Knowledge Prompting for Open-Vocabulary Temporal Action Detection

去噪与对齐：基于扩散的前景知识提示用于开放词汇时序动作检测

Sa Zhu, Wanqian Zhang, Lin Wang, Jinchao Zhang, Cong Wang, Bo Li

机构 * Institute of Information Engineering, Chinese Academy of Sciences School of Cyber Security, University of Chinese Academy of Sciences State Key Laboratory of Cyberspace Security Defense Beijing China ； Institute of Information Engineering, Chinese Academy of Sciences Beijing China ； Hangzhou Dianzi University Hangzhou China ； Institute of Information Engineering, Chinese Academy of Sciences\ Key Laboratory of Cyberspace Security Defense Beijing China ； Engineering, Zhejiang University Hangzhou China ； Institute of Information Engineering, Chinese Academy of Sciences State Key Laboratory of Cyberspace Security Defense Beijing China ； Institute of Information Engineering, Chinese Academy of Sciences School of Cyber Security, University of Chinese Academy of Sciences State Key Laboratory of Cyberspace Security Defense ； Institute of Information Engineering, Chinese Academy of Sciences ； Hangzhou Dianzi University ； Institute of Information Engineering, Chinese Academy of Sciences\ Key Laboratory of Cyberspace Security Defense ； Engineering, Zhejiang University ； Institute of Information Engineering, Chinese Academy of Sciences State Key Laboratory of Cyberspace Security Defense 纠错

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出DFAlign框架，通过扩散去噪生成前景知识，解决开放词汇时序动作检测中语义不平衡问题，提升动作相关片段的判别性。

Comments Accepted by SIGIR 2026

Almost Orthogonal Arrays: Search Three Ways

近正交数组：三种搜索方法

Luis Martínez, María Merino, Juan Manuel Montoya, Josué Tonelli-Cueto

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文通过整数规划、局部搜索元启发式和代数方法三种方式寻找近正交数组，并展示了其在非正交性度量上的改进。

Comments 56 pages, 4 figures

Original Sin of npm: A Study on Vulnerability Propagation in JavaScript Dependency Networks

npm的原罪：对JavaScript依赖网络中漏洞传播的研究

Michael Robinson, Sajal Halder, Muhammad Ejaz Ahmed, Muhammad Ikram, Seyit Camtepe, Hyoungshick Kim

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文研究了少量脆弱JavaScript包如何导致大量脆弱包的产生，揭示了依赖网络中漏洞传播的特性及修复时间，提出开发人员和包管理者的缓解建议。

Comments Accepted at ACM AsiaCCS 2026; 15 pages

Anumati: Proof of Adherence as a Formal Consent Model for Autonomous Agent Protocols

Anumati：作为自主代理协议的合规性证明形式化同意模型

Ravi Kiran Kadaboina

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出一种形式化同意模型，用于自主代理协议中的合规性证明，通过三个原始构件实现版本化、只追加的同意模型，并将其扩展到两种常用代理协议中。

Comments 25 pages, 5 figures