代码大模型 / AI 编程

HealthNLP_Retrievers at ArchEHR-QA 2026: Cascaded LLM Pipeline for Grounded Clinical Question Answering

HealthNLP_Retrievers在ArchEHR-QA 2026中的表现：基于级联LLM管道的 grounded临床问答

Md Biplob Hosen, Md Alomgeer Hussein, Md Akmol Masud, Omar Faruque, Tera L Reynolds, Lujie Karen Chen

机构 * University of Maryland Baltimore County（马里兰大学巴尔的摩县分校） ； Jahangirnagar University（贾旺吉拉大学） 纠错

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

AI总结 本文提出基于Gemini 2.5 Pro的级联管道，通过多阶段模块实现患者问题理解、证据检索与回答生成，提升临床问答的准确性和专业性。

Semi-supervised learning with max-margin graph cuts

基于最大边际图割的半监督学习

Branislav Kveton, Michal Valko, Ali Rahimi, Ling Huang

机构 * Intel Labs（英特尔实验室） ； Santa Clara University（圣克拉拉大学） ； University of Pittsburgh（匹兹堡大学） ； Berkeley（伯克利） 纠错

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

AI总结 本文提出了一种新的半监督学习算法，通过最大化谐波函数解诱导标签的边际来学习图割。在合成数据和UCI ML数据集上验证了方法的有效性，并证明了其泛化误差界。

Comments Published at AISTATS 2010 (13th International Conference on Artificial Intelligence and Statistics)

Asset Administration Shell-Based OCL Validation Framework for Model-Based System Engineering

基于资产管理壳的OCL验证框架用于基于模型的系统工程

Om Parkash, Jannik Bauer, Vincent Schmitt, Thomas Greiner, Rainer Drath

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

AI总结 本文提出基于资产管理壳的OCL验证框架，解决MBSE中模型约束管理和验证结果分散的问题，通过虚构工业场景演示方法，并公开所有 artifacts 以支持可重复性。

Comments 7 Pages, Accepted to IFAC 2026 (23rd IFAC World Congress)

Agentic Search in the Wild: Intents and Trajectory Dynamics from 14M+ Real Search Requests

野外代理搜索：从1400万次真实搜索请求中获取意图和轨迹动态

Jingjie Ning, João Coelho, Yibo Kong, Yunfan Long, Bruno Martins, João Magalhães, Jamie Callan, Chenyan Xiong

机构 * Carnegie Mellon University Pittsburgh PA US ； INESC-ID, Carnegie Mellon University Pittsburgh PA US ； INESC-ID, Instituto Superior T\'ecnico, University of Lisbon Lisbon Portugal ； NOVA LINCS\ University Lisbon Caparica Portugal ； Carnegie Mellon University ； INESC-ID, Carnegie Mellon University ； INESC-ID, Instituto Superior T\'ecnico, University of Lisbon ； NOVA LINCS\ University Lisbon 纠错

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

AI总结 本文分析了1400万次真实搜索请求，揭示了代理搜索会话中的行为模式，包括步骤数、时间间隔及查询重构的可追溯性，为重复敏感停止和意图适应检索预算提供信号。

Comments Accepted at SIGIR 2026. DOI: 10.1145/3805712.3809627

RetroMotion: Retrocausal Motion Forecasting Models are Instructable

RetroMotion：逆因果运动预测模型具有可指导性

Royden Wagner, Omer Sahin Tas, Felix Hauser, Marlon Steiner, Dominik Strutz, Abhishek Vivekanandan, Jaime Villa, Yinzhe Shen, Carlos Fernandez, Christoph Stiller

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； FZI Research Center for Information Technology（弗劳恩霍夫信息技术研究中心） ； University Charles III of Madrid（马德里第三大学） 纠错

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

AI总结 本文提出RetroMotion模型，通过分解多代理运动预测为边际分布和联合分布，利用Transformer生成联合分布，实现信息逆向流动，有效提升预测精度，并在多个数据集上表现优异。

Comments CVPRW26