代码大模型 / AI 编程

Astrophysics Wrapped 2025: Year-in-Review of Every Astrophysics arXiv Paper from 2025

天体物理学年度总结 2025：2025年所有天体物理学arXiv论文回顾

Rommulus Francis Lewis, Hetansh Shah, Amruth Alfred

专题命中 仓库级理解 ：repository(abstract)

AI总结 本文统计了2025年arXiv上所有天体物理学论文的关键词、子领域、望远镜、期刊、天体对象及作者机构等指标，并首次给出天体物理光谱指纹图谱，揭示研究热点与全球合作格局。

Comments 30 pages, 13 tables, 24 figures, comments are welcome, submitted

MMRINet: Efficient Mamba-Based Segmentation with Dual-Path Refinement for Low-Resource MRI Analysis

MMRINet: 基于Mamba的高效双路径细化分割网络用于低资源MRI分析

Abdelrahman Elsayed, Ahmed Jaheen, Mohammad Yaqub

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； New York University（纽约大学） 纠错

专题命中 仓库级理解 ：repository(abstract)

AI总结 提出MMRINet，一种基于Mamba的轻量级分割网络，通过双路径特征细化和渐进特征聚合，在低资源MRI分析中以2.5M参数实现高效分割，在SSA数据集上优于UNETR等基线。

Comments Accepted at The Medical Image Understanding and Analysis Conference (MIUA 2026)

nnAudio 2: Overcoming Dynamic Compilation Barriers and Transform Inconsistencies

nnAudio 2: 克服动态编译障碍与变换不一致性

Abhinaba Roy, Junyi Liang, Dorien Herremans

机构 * Singapore University of Technology and Design（新加坡科技设计大学） 纠错

专题命中 仓库级理解 ：repository(abstract)

AI总结 针对 nnAudio 在 TorchScript 编译、逆变换边缘情况和依赖漂移方面的问题，通过移除动态状态变异、限制逆变换适用范围并更新依赖，实现了与现代 PyTorch 和 SciPy 的兼容，提升了可微音频分析的鲁棒性。

Journal ref Proc. of Conference on AI Music Creativity (AIMC) 2026

Uncertainty-aware Generative Recommendation

不确定性感知的生成式推荐

Chenxiao Fan, Chongming Gao, Yaxin Gong, Haoyan Liu, Fuli Feng, Xiangnan He

专题命中 仓库级理解 ：repository(abstract)

AI总结 提出不确定性感知生成式推荐框架UGR，通过不确定性加权奖励、难度感知优化和显式置信度对齐，解决生成式推荐中忽视模型置信度导致的训练不稳定和决策风险问题。

Comments Accepted by KDD 2026

Microscopic constraints for the equation of state and structure of neutron stars: a Bayesian model mixing framework

中子星状态方程与结构的微观约束：贝叶斯模型混合框架

A. C. Semposki, C. Drischler, R. J. Furnstahl, D. R. Phillips

专题命中 仓库级理解 ：repository(abstract)

AI总结 提出贝叶斯模型混合框架，结合手征有效场论和微扰QCD约束中子星物质状态方程，采用高斯过程量化不确定性，并推导质量-半径关系。

Comments 17 pages, 9 figures, 3 tables. Version now matches the published article

ClawXiv: a signed archival workflow and distributed publication architecture for human--AI collaborative research

ClawXiv：一种带签名的存档工作流和分布式出版架构，用于人机协作研究

Andras Kornai

专题命中 仓库级理解 ：repository(abstract)

AI总结 ClawXiv旨在解决预印本的公开传播及从易逝的聊天会话和异构LaTeX/BibTeX工作目录迁移至持久、带签名、可检查的研究成果的问题，通过四种状态管理实现可靠存档。

Embedded Graph Convolutional Networks for Real-Time Event Data Processing on SoC FPGAs

嵌入式图卷积网络用于SoC FPGA上的实时事件数据处理

Kamil Jeziorek, Piotr Wzorek, Krzysztof Blachut, Andrea Pinna, Tomasz Kryjak

机构 * University of Warsaw（华沙大学） ； Politechnika Warszawska（华沙理工大学） 纠错

专题命中 仓库级理解 ：repository(abstract)

AI总结 提出一种针对事件相机的硬件感知图卷积网络EFGCN，在SoC FPGA上实现实时处理，模型大小相比AEGNN降低100倍，精度仅下降2.9%。

Comments Submitted to the IEEE Transactions on Very Large Scale Integration Systems. This manuscript was first submitted for publication on March 31, 2024. It has since been revised three times: on 22 Mau 2024, 10 June 2024 and 19 June 2025 (major update)

Journal ref Journal of Systems Architecture, Volume 177, August 2026, 103850

TypeProbe: Recovering Type Representations from Hidden States of Pre-trained Code Models

TypeProbe：从预训练代码模型的隐藏状态中恢复类型表示

Giuliano Gorgone, Fausto Carcassi

机构 * ILLC, University of Amsterdam（逻辑、语言与计算研究所，阿姆斯特丹大学） 纠错

专题命中 程序分析与验证 ：code model(title,abstract)；分类 cs.CL、cs.AI、cs.PL

AI总结 研究代码模型内部编码类型信息的情况，利用Java和Python代码示例的并行数据集探测预训练代码模型的残差流获取类型表示，发现跨语言类型表示等结果，且结构对一些变化有鲁棒性，还发布了代码和数据集。

Comments 18 pages, 12 figures. Accepted at ESSLLI 2026 (StuS; double-blind)

Generative Compilation: On-the-Fly Compiler Feedback as AI Generates Code

生成式编译：人工智能生成代码时的即时编译器反馈

Niels Mündler-Sasahara, Hristo Venev, Dawn Song, Martin Vechev, Jingxuan He

机构 * ETH Zurich（苏黎世联邦理工学院） ； Sofia University ``St. Kliment Ohridski''（索菲亚大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

专题命中 程序分析与验证 ：repository(abstract)；分类 cs.AI、cs.LG、cs.PL

AI总结 研究针对人工智能生成代码时的问题，提出生成式编译方法，核心是sealor技术，能在生成中获取编译器反馈，在Rust编码任务中评估，减少非编译输出、提高功能正确性，使编译器在生成阶段发挥更重要作用。

FVRuleLearner: Operator-Level Reasoning Tree (Op-Tree)-Based Rules Learning for Formal Verification

FVRuleLearner：基于操作级推理树（OP-Tree）的规则学习用于形式验证

Lily Jiaxin Wan, Chia-Tung Ho, Yunsheng Bai, Cunxi Yu, Ghaith Bany Hamad, Deming Chen, Haoxing Ren

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； NVIDIA（英伟达） ； University of Maryland, College Park（马里兰大学帕克分校） 纠错

专题命中 程序分析与验证 ：code generation(abstract)；分类 cs.SE、cs.AI

AI总结 本文提出FVRuleLearner，通过操作级推理树模型，提升形式验证中SVA操作符选择的准确性和效率，显著提高语法和功能正确性。

Comments Accepted to IEEE VTS'26

ATLAS: Multi-View Code Representation Tool for C and C++ Source Programs

ATLAS: C和C++源代码的多视图代码表示工具

Jaid Monwar Chowdhury, Ahmad Farhan Shahriar Chowdhury, Humayra Binte Monwar, Mahmuda Naznin

专题命中 程序分析与验证 ：repository(abstract,comments)；分类 cs.SE

AI总结 提出ATLAS工具，无需完整构建即可为C/C++生成对齐的AST、CFG和DFG，支持部分输入，输出JSON/DOT/PNG，在TheAlgorithms语料上CFG正确率达96.80%（C）和91.67%（C++）。

Comments 5 pages, 4 figures, 2 tables; Video demonstration: https://youtu.be/50DvEbenp14; Tool repository: https://github.com/jaid-monwar/ATLAS-multi-view-code-representation-tool.git

Source-Free Detection and Impact Analysis of Compiler Optimization Problems in Mobile Applications

移动应用中编译器优化问题的无源检测与影响分析

Han Hu, Xiaoheng Xie, Bo Sun, Jian Gu, Gang Fan, Li Li

专题命中 程序分析与验证 ：repository(abstract)；分类 cs.SE

AI总结 提出无源框架OptDetect，直接从二进制文件检测编译器优化问题，无需源码或构建元数据，准确率达93.0%，发现30.5%的库使用低优化级别，修复后CPU指令减少10-63%。

KVerus: Scalable and Resilient Formal Verification Proof Generation for Rust Code

KVerus：面向Rust代码的可扩展且高鲁棒性的形式化验证证明生成工具

Yuwei Liu, Xinyi Wan, Yanhao Wang, Minghua Wang, Lin Huang, Tao Wei

专题命中 程序分析与验证 ：repository(abstract)；分类 cs.SE

AI总结 KVerus是适配Rust代码的形式化验证工具，通过自适应范式与动态知识库，在单文件、仓库级基准及Rust内核验证中均优于现有方案，为形式化验证的规模化应用提供了关键进展。

Comments Accepted at ASE 2026

Information causality beyond the random access code model

超越随机访问码模型的信息因果性

Baichu Yu, Valerio Scarani

专题命中 其他AI编程 ：code model(title)

AI总结 本文提出基于冗余信息的新量化器，用于缩小信息因果性原则在量子相关性中的理论间隙。

Comments 6 pages, 3 figures, 1 table

Journal ref Phys. Rev. A 114, 012202 (2026)

Towards Understanding What State Space Models Learn About Code

理解状态空间模型在代码中学到了什么

Jiali Wu, Abhinav Anand, Shweta Verma, Mira Mezini

机构 * TU Darmstadt（图宾根大学） ； Hessian Center for Artificial Intelligence（黑森人工智能中心） ； National Research Center for Applied Cybersecurity ATHENE（应用网络安全国家研究中心ATHENE） 纠错

专题命中 其他AI编程 ：code model(abstract)；分类 cs.AI

AI总结 本文首次系统分析状态空间模型（SSM）在代码理解中的学习机制，发现SSM在预训练时比Transformer更有效捕获语法和语义结构，但微调时会遗忘某些关系，并提出SSM-Interpret框架和架构改进，将NLCodeSearch的MRR提升高达6。

An expandable kinetic Monte Carlo platform for modelling electron transport through chiral molecules

用于模拟电子通过手性分子传输的可扩展动力学蒙特卡罗平台

Silvia Giménez-Santamarina, Andrés Mora Martínez, Gérliz M. Gutiérrez-Finol, Alejandro Gaita-Ariño

专题命中 其他AI编程 ：code model(abstract)

AI总结 研究旨在建模电子通过手性分子传输的不同理论，编写动力学蒙特卡罗代码，可模拟外部电压下电子输运，区分自旋电流，通过相关参数对分子进行参数化，获得自旋滤波值及低电压下消失的效应等。

Coherent error induced phase transition

相干误差诱导的相变

Hanchen Liu, Xiao Chen

专题命中 其他AI编程 ：code model(abstract)

AI总结 研究量子稳定子码在相干单元误差下的逻辑信息稳定性，发现临界误差阈值下逻辑态保持不变，超过阈值则逻辑态改变，导致纠错失效。

Comments Fixed notations and figures

Nanostructure modelling with early fault tolerant quantum computers

早期容错量子计算机的纳米结构建模

Zhu Sun, Christian Binder, Balint Koczor, Simon Benjamin

专题命中 其他AI编程 ：code model(abstract)

AI总结 本文提出一个量子模拟框架，采用一阶量化表示和Trotterization与qubitisation算法，结合经典模拟资源估计，在早期容错量子计算机上高效模拟多电子双量子点，实现基态能量计算。

Comments 17 pages, 4 figures