代码大模型 / AI 编程

Are Performance-Optimization Benchmarks Reliably Measuring Coding Agents?

性能优化基准测试是否可靠地衡量编码智能体？

Zhi Chen, Zhensu Sun, Yuling Shi, David Lo, Lingxiao Jiang

机构 * Singapore Management University（新加坡管理大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 软件智能体 ：coding agent(title,abstract)；repository(abstract)；分类 cs.SE、cs.AI

AI总结 本研究审计了三个仓库级性能优化基准（GSO、SWE-Perf、SWE-fficiency），发现参考补丁的可复现性差、评分规则导致排名不一致，且多数任务已被公开提交解决，揭示了聚合排名掩盖的性能差距。

Comments 12 pages, 7 figures. Public data: https://github.com/chenzhi-cz/performance-optimization-benchmark-reliability

"Skill Issues'': Data-Centric Optimization of Lakehouse Agents

技能问题：湖仓代理的数据中心优化

Nicole Rose Schneider, Davide Ghilardi, Giacomo Piccinini, Jacopo Tagliabue

机构 * University of Maryland（马里兰大学） ； Università Milano Bicocca（米兰Bicocca大学） ； Bauplan Labs（Bauplan实验室） 纠错

专题命中 软件智能体 ：coding agent(abstract)；分类 cs.AI

AI总结 针对分支湖仓Bauplan上的编码代理，提出数据中心的优化流程，通过生成任务验证器对、在隔离沙箱中执行候选技能并利用追踪信号和程序化检查评分，将准确率提升31.9%。

Comments Pre-print of paper accepted at ADS @ VLDB 2026, Boston

Agentic Vulnerability Reasoning on COTS Binaries

基于商用现货二进制文件的智能体漏洞推理

Hwiwon Lee, Jongseong Kim, Lingming Zhang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 代码评测 ：coding agent(abstract)；分类 cs.LG

AI总结 研究LLM智能体对COTS二进制文件漏洞的推理能力，构建SLYP管道，结合二进制探索与动态调试验证漏洞。在COM基准测试中表现出色，发现更多真实漏洞，生成验证PoC，还发现多个零日漏洞，证明工具集和模型选择的重要性及通用性。

Early Adoption of Agentic Coding Tools by GitHub Projects

GitHub项目对智能编码工具的早期采用

Maliha Noushin Raida, Daqing Hou

机构 * Rochester Institute of Technology（罗切斯特技术学院） 纠错

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

AI总结 研究GitHub项目对智能编码工具的早期采用情况，通过分析大量智能PR，探究采用情况、项目生产力及协作模式，发现多数仓库采用少，小项目参与度高，生产力差异大，人机协作以单人监督为主，为相关管理提供实证依据。

Comments Accepted at the KDD 2026 Workshop on Agentic Software Engineering (SE 3.0)

EEG-based AI-BCI Wheelchair Advancement: Transformer-Based Learning with Motor Imagery for Brain Computer Interface

基于EEG的AI-BCI轮椅前进：用于脑机接口的混合深度学习与运动想象

Bipul Thapa, Biplov Paneru, Bishwash Paneru, Khem Narayan Poudyal

机构 * Department of Computer Science and Engineering, Kathmandu University（加德满都大学计算机科学与工程系） ； Department of Electronics and Communication Engineering, Nepal Engineering College, Pokhara University（博卡拉大学尼泊尔工程学院电子与通信工程系） ； Department of Applied Sciences and Chemical Engineering, Institute of Engineering, Pulchowk Campus, Tribhuvan University（特里布万大学工程学院普尔乔克校区应用科学与化学工程系） 纠错

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

AI总结 本文提出一种结合运动想象左右手运动机制的AI集成方法，利用EEG数据模拟轮椅导航，采用CNN-Transformer混合模型实现高准确率的EEG分类。

AnyStyle: Single-Pass Multimodal Stylization for 3D Gaussian Splatting

AnyStyle: 单次传递多模态风格化用于3D高斯点云

Joanna Kaleta, Bartosz Świrta, Kacper Kania, Tomasz Trzciński, Przemysław Spurek, Marek Kowalski

机构 * Warsaw University of Technology（华沙技术大学） ； Sano Centre for Computational Medicine（Sano计算医学中心） ； Jagiellonian University（雅盖隆大学） ； Microsoft（微软公司） 纠错

专题命中 仓库级理解 ：repository(abstract)

AI总结 AnyStyle通过多模态条件化实现姿态无关的零样本风格化，支持文本和视觉输入，提升3D重建的风格可控性。