代码大模型 / AI 编程

Context Matters: Repository-Aware Security Analysis of the Agent Skill Ecosystem

上下文很重要：基于仓库感知的代理技能生态系统安全分析

Florian Holzbauer, David Schmidt, Gabriel Gegenhuber, Sebastian Schrittwieser, Johanna Ullrich

机构 * Interdisciplinary Transformation University (IT:U)（交叉学科转化大学） ； University of Vienna（维也纳大学） ； CDL AsTra Faculty of Computer Science（计算机科学学院CDL AsTra系） 纠错

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

AI总结 通过仓库上下文感知分析，发现现有扫描器高估了恶意技能比例（从46.8%降至0.52%），并识别出废弃仓库劫持等新攻击向量。

Comments AgentSkills '26 Workshop: ACM Conference on AI and Agentic Systems (CAIS), Best Paper Award

When Parallelism Pays Off: Cohesion-Aware Task Partitioning for Multi-Agent Coding

当并行性有回报时：面向多智能体编码的凝聚力感知任务划分

Xu Yang, Lunyiu Nie, Ethan Chandra, Stanislav Gannutin, Fangru Lin, Swarat Chaudhuri

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Oxford（牛津大学） 纠错

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

AI总结 提出Co-Coder方法，通过静态分析构建依赖图、社区检测划分图及依赖感知调度，在仓库级软件工程中平衡通信与计算开销，实现多智能体并行编码的效率和成本优化。

Construction of Historical Knowledge Graphs Based on BERT and Graph Neural Networks

基于BERT和图神经网络的历史知识图谱构建

Ping Li, Bartlomiej Brzozka

机构 * Shandong Management University（山东管理大学） ； Maria Curie-Sklodowska University（玛丽·居里-斯洛多夫斯卡大学） 纠错

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

AI总结 本文提出结合BERT和图神经网络的高层架构，从历史文本中提取实体和关系，构建知识图谱，在精度、召回率和F1分数上优于传统方法和深度学习基线。

Comments 9 pages, 4 figures

DarkVesselNet: Multi-Modal Remote Sensing and Trajectory Reasoning for Dark Vessel Detection

DarkVesselNet: 用于暗船检测的多模态遥感和轨迹推理

Arun Sharma

机构 * University of Minnesota, Twin Cities（明尼苏达大学，双城分校） 纠错

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

AI总结 提出DarkVesselNet，融合Sentinel-1 SAR、Sentinel-2光学影像、地理空间基础模型、AIS轨迹推理、TGARD间隙检测和Pi-DPM异常头，实现多模态遥感暗船检测。

Beyond Model Base Retrieval: Weaving Knowledge to Master Fine-grained Neural Network Design

超越模型库检索：编织知识以掌握细粒度神经网络设计

Jialiang Wang, Hanmo Liu, Shimin Di, Zhili Wang, Jiachuan Wang, Lei Chen, Xiaofang Zhou

机构 * National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出M-DESIGN框架，通过构建编辑效应证据图并采用自适应检索与预测任务规划器，在严格预算下高效发现近最优细粒度架构修改路径，在33个案例中26个达到搜索空间最佳性能。

Comments Accepted at ICML 2026. Title changed from "Beyond Model Base Selection: Weaving Knowledge to Master Fine-grained Neural Network Design" to "Beyond Model Base Retrieval: Weaving Knowledge to Master Fine-grained Neural Network Design"

GeoSAM-3D: Geodesic Prompt Propagation for Open-Vocabulary 3D Scene Segmentation from Monocular Video

GeoSAM-3D: 用于从单目视频进行开放词汇3D场景分割的测地线提示传播

Arun Sharma

机构 * University of Minnesota, Twin Cities（明尼苏达大学，双城分校） 纠错

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

AI总结 提出GeoSAM-3D方法，利用冻结的视觉基础模型和单目3D高斯泼溅重建，通过可微分的图-测地线传播核在场景图上传播用户提示，实现从单目视频的开放词汇3D场景分割。

Quantifying Evidential Rigor in Meta-Analytic Corpora: A Simulation-Characterized, Bias-Robust Bayesian Workflow with a Nutrition Case Study

量化元分析语料库中的证据严谨性：一个模拟表征、偏差稳健的贝叶斯工作流及营养学案例研究

Matt Hester

专题命中 仓库级理解 ：repository(abstract,comments)

AI总结 提出一个语料库规模的贝叶斯证据审计工作流，通过联合贝叶斯因子综合效应/无效应证据和偏差成分缺失来量化证据严谨性，并使用ADEMP框架的模拟/重采样设计进行表征，以营养干预语料库作为案例研究。

Comments 59 pages, 13 figures; supplementary material included as ancillary file; companion repository archived at Zenodo, DOI: 10.5281/zenodo.20467258

GloResNet: A lightweight 3D CNN with global topological features for preterm brain injury prediction

GloResNet：一种用于早产儿脑损伤预测的轻量级3D CNN与全局拓扑特征

Boyu Yuan, Jiamiao Lu, Weichuan Zhang, Benqing Wu, Tuo Wang, Changshan Wang, Changming Sun, Liang Guo

机构 * Image Computing Laboratory, Shaanxi University of Science and Technology（陕西科技大学图像计算实验室） ； Department of Neonatology, Shenzhen University of Advanced Technology General Hospital（深圳先进技术医院新生儿科） ； Department of Neurosurgery, The First Affiliated Hospital of Xi’an Jiaotong University（西安交通大学第一附属医院神经外科） ； CSIRO Technology（澳大利亚CSIRO技术） 纠错

专题命中 仓库级理解 ：repository(abstract)

AI总结 提出基于ResNet-10的轻量级3D CNN GloResNet，结合全局流形映射和预处理策略，在dHCP数据集上实现早产儿脑损伤预测，平均准确率75.18%。

The Atacama Cosmology Telescope: Release of A databaSe of millimeTeR ObservatioNs of Asteroids Using acT (ASTRONAUT)

阿塔卡马宇宙学望远镜：利用ACT的小行星毫米波观测数据库（ASTRONAUT）发布

Ricco C. Venterea, John Orlowski-Scherer, Nicholas Battaglia, Sigurd Naess, Steve K. Choi, Allen Foster, Joseph Golec, Bruce Patridge, Cristóbal Sifón, Edward J. Wollack

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文发布了基于阿塔卡马宇宙学望远镜（ACT）在90、150和220 GHz频段观测170颗小行星的毫米波通量数据库ASTRONAUT，并提供使用示例和Jupyter笔记本。

Comments 8 pages, 2 figures, 3 tables, submitted to ApJS