AI 大模型
代码生成、软件工程智能体、程序修复、测试生成和开发者工具。
LLMlambda 计算：人工智能代理、对话与信息流
机构 * University of Nottingham, UK（诺丁汉大学） ； University of Edinburgh, UK（爱丁堡大学） ； Chalmers University of Technology（查尔姆斯理工大学） ； The University of Gothenburg, Sweden（哥德堡大学）
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI、cs.PL
AI总结 本文提出了一种无类型的lambda计算模型，用于形式化描述和验证人工智能代理中对话和信息流的安全性。
通过BREW改进语言智能体：引导式经验学习环境知识
机构 * University of Michigan（密歇根大学） ； Independent（独立研究者） ； Microsoft（微软） ； Apple（苹果公司）
专题命中 代码生成 ：program synthesis(abstract)；分类 cs.AI
AI总结 研究基于LLM的智能体无法从经验学习的问题，提出BREW框架，通过提炼交互轨迹成知识库、引入EG-MCTS算法及适应事后重标记等方法，在多基准测试中提升任务成功率并减少执行步骤，且知识库具有良好特性。
QAgent：一种基于大语言模型的用于自主OpenQASM编程的多智能体系统
机构 * Zhenxiao Fu1, Lei Jiang1, Yilun Xu2, Gang Huang2, Fan Chen1（作者1、作者2、作者3、作者4、作者5）
专题命中 代码生成 ：code generation(abstract)；分类 cs.AI
AI总结 研究针对OpenQASM编程挑战提出QAgent，它是基于大语言模型的多智能体系统，集成规划、合成和校准工作流程，利用检索增强生成及多智能体推理确保正确性，在多模型评估中表现出色，证明集成对可靠量子程序生成很关键。
一种自演化代理框架用于超材料逆向设计
机构 * University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.AI
AI总结 本文提出一种自演化代理框架，通过上下文级技能进化解决超材料逆向设计中工作流构建的难题，提升任务成功率并减少尝试次数，实现可重用的求解器专业知识积累。
记住你的踪迹：一种基于记忆的长周期代理框架，用于一致且分层的仓库级代码文档
机构 * Sungkyunkwan University（成均馆大学） ； University of Oslo（奥斯陆大学）
专题命中 仓库级理解 ：repository(title,abstract)；coding agent(abstract)；分类 cs.SE、cs.CL
AI总结 MemDocAgent通过依赖感知遍历引导和记忆引导代理交互，生成统一上下文的仓库级代码文档，实现高效且一致的文档生成。
用于多站点MRI分析的联邦跨部门创伤性脑损伤研究（FITBIR）数据库的质量保证
专题命中 仓库级理解 ：repository(abstract)
AI总结 针对FITBIR数据库，将其结构和扩散MRI及相关信息整理统一，用UNesT分割分析指标，经质量保证后用GAMLSS建模，发现TBI受试者与对照组相比，15个脑区体积有显著差异。
Comments 8 pages, 5 figures
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈