代码大模型 / AI 编程

LAMP: Lean-based Agentic framework with MCP and Proof Repair

LAMP: 基于 Lean 的 MCP 与证明修复智能体框架

Santhana Srinivasan R, Maithilee Patawar

机构 * Indian Institute of Information Technology, Design and Manufacturing, Kancheepuram（印度信息与设计制造理工学院，卡纳切普拉姆） 纠错

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

AI总结 提出 LAMP 多智能体框架，通过推理时提供结构化领域知识（本体）而非微调，在 Lean 4 中合成内核验证的证明，在组合学词领域定理上达到 96.7% 的验证率。

RADIANT-PET: Reasoning-Augmented PET/CT Lesion Segmentation with Large Language Models and Reinforcement Learning

RADIANT-PET：结合大语言模型和强化学习的推理增强型PET/CT病灶分割

Jiasheng Wang, Tanun Jitwatcharakomol, Piyawadee Jongpradubgiat, Simeng Zhu

机构 * Division of Hematology, The Ohio State University Comprehensive Cancer Center（血液科，俄亥俄州立大学综合癌症中心） ； Department of Radiology, Mahidol University（医学放射科，玛希多大学） ； Department of Radiology, Mettapracharak Hospital（医学放射科，Mettapracharak医院） ； Department of Radiation Oncology, The Ohio State University Comprehensive Cancer Center（放射肿瘤科，俄亥俄州立大学综合癌症中心） 纠错

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

AI总结 提出RADIANT-PET框架，通过大语言模型和强化学习对候选摄取区域进行推理分类，抑制生理性假阳性，提升PET/CT病灶分割准确性。

Interpretable Clustering: A Survey

可解释聚类：综述

Lianyu Hu, Mudi Jiang, Junjie Dong, Xinying Liu, Zengyou He

机构 * College of Information Science and Engineering, Henan University of Technology（河南理工大学信息科学与工程学院） ； School of Software, Dalian University of Technology（大连理工大学软件学院） ； Xinchang Power Supply Company, State Grid Corporation of China（国网浙江绍兴供电公司） 纠错

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

AI总结 本文综述了可解释聚类算法的现状，探讨了透明聚类结果的重要性，帮助研究人员选择合适的方法，并推动高效透明的聚类算法发展。

Comments 14 pages, 2 figures, 3 tables

Journal ref ACM Computing Surveys, Volume 58, Issue 8, Article 215 (2026)

Uncovering Similar but Different Packages in PyPI and Potential Security Threats

揭示 PyPI 中相似但不同的包及潜在安全威胁

Sunha Park, Soojin Han, Seunghoon Woo

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

AI总结 本研究大规模分析 PyPI 中的包复制现象，发现大量复制包复制现有包的大部分代码，导致漏洞传播和恶意包生成，并通过三种视角揭示其关键特征和威胁。

Connecting the Models: A Global Mega-model of MDE Projects on GitHub

连接模型：GitHub上MDE项目的全局大模型

Jesús Sánchez Cuadrado

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

AI总结 通过挖掘7436个GitHub项目中的32.5万多个MDE工件，构建数据集并恢复每个项目的元模型，进而建立全局元模型，以研究模型驱动工程在实践中的使用和组合情况。

PySynthea: A Python-Native Framework for Scalable Synthetic Healthcare Data Generation

PySynthea：一个用于可扩展合成医疗数据生成的Python原生框架

Roberto Cruz, David Rey-Blanco

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

AI总结 针对Synthea部署复杂且与Python工作流集成困难的问题，提出Python原生框架PySynthea，通过模块化生成、可配置模拟管道和标准格式支持，提升可访问性和可扩展性。

Comments 22 pages, 2 figures

Robust Twoblock Simultaneous Dimension Reduction

鲁棒双块同时降维

Sven Serneels

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出鲁棒双块同时降维方法，能够稳健地处理双变量块的降维问题，并允许单独调整每个块的模型复杂度。该方法在存在异常值时仍能有效提取和总结信息，且在变量数超过样本数时仍可进行多元回归。

Learning and Testing Inverse Statistical Problems For Interacting Systems Undergoing Phase Transition

学习和测试经历相变的相互作用系统中的逆统计问题

Stefano Bae, Dario Bocchi, Luca Maria Del Bono, Luca Leuzzi

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文探讨了在经历相变的相互作用系统中，利用最大似然、最大伪似然和均场方法进行逆问题学习与测试，通过Ising、Potts和Blume-Capel模型验证方法有效性，并提供GitHub代码库供复现与扩展。

Comments 61 pages, 19 figures

GCN-DevLSTM: Path Development for Skeleton-Based Action Recognition

GCN-DevLSTM：基于骨架的动作识别中的路径开发

Lei Jiang, Weixin Yang, Xin Zhang, Hao Ni

机构 * University College London（伦敦大学学院） ； University of Oxford（牛津大学） ； South China University of Technology（华南理工大学） 纠错

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文提出GCN-DevLSTM网络，通过引入G-Dev层提升时间建模能力，有效提取骨架动作序列中的局部时间动态信息，在NTU-60、NTU-120和Chalearn2013数据集上取得竞争优势。

Journal ref Transactions on Machine Learning Research, 2026