代码大模型 / AI 编程

Dependency-Guided Repository-Level C-to-Rust Translation with Reinforcement Alignment

依赖引导的仓库级C到Rust翻译与强化对齐

Jia Feng, Wenjie Gan, Cuiyun Gao, Chaozheng Wang, Feng Luo, Xin Xia, Ge Li, Kui Liu

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

AI总结 提出DepTrans框架，通过强化对齐语法训练和依赖引导迭代精炼，实现仓库级C到Rust的高效翻译，编译成功率和计算准确性分别提升22.8和17.3个百分点。

Comments Accepted by FSE 2026 Industry

Can AI be Easy? Lessons Learned from the EZR.py Toolkit

AI 可以简单吗？从 EZR.py 工具包中汲取的经验教训

Tim Menzies, Srinath Srinivasan

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

AI总结 本文通过开发仅 400 行的 EZR.py 工具包，证明在表格软件工程优化任务中，通过阅读和重构代码可以简化 AI 算法，使小型统一工具包在性能上媲美甚至超越大型库。

Online K-d tree for approximate neighborhood search in data streams

数据流中近似邻域搜索的在线K-d树

Eduardo V. L. Barboza, Robert Sabourin, Rafael M. O. Cruz

专题命中 仓库级理解 ：repository(abstract)

AI总结 提出一种在线K-d树算法，支持数据流上的动态更新，并适配Canberra距离以保持结构不变性，实现高效近似邻域搜索，在准确率损失较小的情况下显著提升处理速度。

Comments Paper accepted to the ICPRAI 2026

SLSim: a strong lensing population simulation package

SLSim：强引力透镜星系群模拟软件包

Narayan Khadka, Simon Birrer, Henry Best, Paras Sharma, Katsuya T. Abe, Xianzhe Tang, Carly Mistick, Felipe Urcelay, Emrecan M. Sonmez, Nikki Arendse, Sydney Erickson, Jacob O. Hjortlund, Phil Holloway, Alan Huang, Rahul Karthik, Mia Lamontagne, Vibhore Negi, Justin R. Pierel, Bruno Sanchez, Aysu Ece Saricaoglu, Anowar Shajib, Yixuan Shao, Padma Venkatraman, Bryce Wedig, Aadya Agrawal, Timo Anguita, Pedro Bessa, Clecio R. Bom, Sofia Castillo, Thomas Collett, Tansu Daylan, Steven Dillmann, Margherita Grespan, Erin E. Hayes, Remy Joseph, Richard Kessler, Tian Li, Phil Marshall, Anupreeta More, Veronica Motta, Gautham Narayan, Matt O'Dowd, Masamune Oguri, Graham Smith, Aprajita Verma, Giorgos Vernardos, the Strong Lensing Science Collaboration, the LSST Dark Energy Science Collaboration

专题命中 仓库级理解 ：repository(abstract)

AI总结 为应对即将到来的大规模巡天（如LSST）中强引力透镜数量激增的挑战，开发了SLSim模拟软件包，通过集成先进天体物理模型高效生成合成强透镜星系群，支持静态和瞬变透镜场景，用于宇宙学研究及透镜搜索与分析管道的训练测试。

Comments 36 pages, 16 figures