arXivDaily arXiv每日学术速递 周一至周五更新

AI 大模型

代码大模型 / AI 编程

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。

2026-08-05 至 2026-08-05 共收录 5 信号源:cs.SE, cs.CL, cs.AI, cs.LG, cs.PL

1. 仓库级理解 5 篇

2608.03558 2026-08-05 cs.SE 新提交 79%

EffiHolmes: Differential Profiling-Guided Repository Level Time Inefficiency Fix Localization

EffiHolmes:基于差分分析的仓库级时间低效修复定位

Haowen Yang, Yun Peng, Zishuo Ding

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

AI总结 EffiHolmes是基于LLM的仓库级时间低效修复定位框架,通过差分分析等技术提升定位精度,在RepoEffi-Bench上优于多种基线方法,且跨模型规模稳健。

Comments Accepted at the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026). 13 pages, 3 figures, and 4 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.03036 2026-08-05 cs.SE cs.AI cs.LG 新提交 67%

LLM Serving in the Wild: An Empirical Study of Frameworks, Methods, and System Designs

野外环境下的大语言模型服务:框架、方法与系统设计的实证研究

Forough Majidi, Mohammad Mehdi Morovati, Foutse Khomh, Heng Li

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

AI总结 本研究通过实证分析开源软件系统中5种LLM服务框架的应用情况,明确了框架使用特点、常用服务方法及应用场景,为相关人员提供了实践见解。

详情

展开后加载摘要…

URL PDF HTML 收藏
2608.03263 2026-08-05 cs.LG cs.AI 新提交 62%

The Ignition Is Real, and It Lives at the Readout: Latent composition, difficulty-clocked ignition, and the interface-constituted commit in a recurrent-depth reasoner

激活是真实存在的,且存在于读出层:循环深度推理器中的潜在组成、难度驱动的激活以及由界面构成的提交

Simon Lam-Muir

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

AI总结 本研究验证潜在推理模型的“组成激活”为真实计算,复现30M参数循环深度推理器,发现激活存在于读出层,决策时边际跃升,隐藏状态方向突变后冻结,撤回早期速度低谷声明。

Comments 9 pages, 2 figures, 3 tables

详情

展开后加载摘要…

URL PDF HTML 收藏
2607.26300 2026-08-05 cs.CL cs.AI cs.HC 版本更新 62%

AgentGUI: An Interface for Observing and Steering Long-Running AI Agents

AgentGUI:用于观测与调控长期运行AI智能体的界面

Xuan Zhao, Jiwoong Sohn, Qinyue Zheng, Michael Moor

机构 * ETH Zürich(苏黎世联邦理工学院)

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

AI总结 针对AI智能体观测与调控的界面缺失问题,研究人员推出AgentGUI,通过轨迹可视化、手动自动调控等功能提升智能体任务处理效率,成果已开源。

详情

展开后加载摘要…

URL PDF HTML 收藏
2405.16440 2026-08-05 cs.LG cs.AI 版本更新 62%

MambaTS: Improved Selective State Space Models for Long-term Time Series Forecasting

MambaTS:用于长期时间序列预测的改进型选择性状态空间模型

Xiuding Cai, Xueyao Wang, Yaoyao Zhu, Yu Yao

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

AI总结 MambaTS是基于线性扫描的改进型选择性状态空间模型,以Mamba为骨干,通过VAST和TMB等技术解决LTSF问题,在8个公开数据集上取得了优异预测性能。

Comments Accepted by Pattern Recognition 2026

详情

展开后加载摘要…

URL PDF HTML 收藏