代码大模型 / AI 编程

Ontology-Grounded Project Memory for Coding Agents

面向编码智能体的本体论基础项目记忆

James Adam

机构 * Trivyn（特里文公司） 纠错

专题命中 仓库级理解 ：coding agent(title,abstract)；分类 cs.SE、cs.AI

AI总结 针对编码智能体追踪代码变更原因的难题，提出MOOSEDev系统，该系统通过知识图谱存储项目信息，实验显示其在关键查询任务上显著优于基线工具，且相关性召回率与令牌成本相当。

Comments 5 pages. Accepted at NeSy 2026 (Industry Track); to appear in Proceedings of Machine Learning Research vol. 284. Benchmark artifact: this https URL (https://github.com/Trivyn/moosedev)

DepWareTrans: Dependency-Aware Incremental Repository Migration across Co-executable Languages

DepWareTrans：跨可共执行语言的依赖感知增量仓库迁移

Sivajeet Chand, Alexander Pretschner, Steve Haupt, Derui Zhu, Sushant Kumar Pandey

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

AI总结 提出依赖感知增量迁移框架，构建依赖图分组文件进行批量翻译，在 STAR 仓库等上实现 100% 编译和测试成功率，提升仓库级代码翻译的可扩展性与可靠性。

Comments Accepted for publication in the Industry Showcase Track of the 41st IEEE/ACM International Conference on Automated Software Engineering, which will take place in Munich, Germany during October 12-16, 2026

From BERT to Frontier Agents: Eight Years of Language-Model Progress, the Collapse of the Capability-Cost Curve, and the Rise of Task-Targeted Models

从BERT到前沿智能体：八年语言模型进展、能力-成本曲线的崩溃及任务定向模型的兴起

Pranav Kumar Kaliaperumal

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

AI总结 该文梳理2018-2026年语言模型进展，发现2024年末后编码能力年提升近6倍、能力-成本曲线崩溃，专用模型成趋势，Qwen 2.5数学测试及置信度工具验证了相关结论，研究材料全公开。

A Survey of Large Models in Sports

体育领域的大模型综述

Yichen Xu, Jianzhe Ma, Chuhan Wang, Zhonghao Cao, Liangyu Chen, Wenxuan Wang, Qin Jin

机构 * Renmin University of China（中国人民大学） ； Sichuan University（四川大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 该文综述体育领域大模型的任务应用、数据集基准，分析挑战与未来方向，为大模型驱动的体育智能研究与发展提供基础。

Comments 36 pages, 4 figures, 6 tables. Accepted to Findings of ACL 2026