代码大模型 / AI 编程

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。

Interventional Grounding Audits: Black-Box Premise-Dependency Tests for LLM Chain-of-Thought via Predicate Substitution

介入式基础审计：通过谓词替换对大语言模型思维链进行黑盒前提依赖性测试

Hironao Nakamura

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

AI总结 研究大语言模型思维链前提依赖性问题，提出介入式基础审计方法，通过谓词替换干预前提并重新运行模型，在ProntoQA基准测试中检测前提依赖性表现优异，还发现了“正确答案，错误推理”信号。

Comments Accepted at the ICLR 2026 Workshop on Logical Reasoning of Large Language Models (https://iclr.cc/virtual/2026/10017466)

The Patchwork Problem in LLM-Generated Code

大语言模型生成代码中的拼凑问题

Viraaji Mothukuri, Reza M. Parizi

机构 * Decentralized Science Lab, College of Computing and Software Engineering（分布式科学实验室，计算机与软件工程学院） 纠错

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

AI总结 研究大语言模型生成代码中的拼凑问题，将结构一致性形式化并引入故障分类法，提出混合验证框架，经实证评估和真实世界验证，揭示多数结构故障难被现有检查发现，模型间故障模式有别，此类故障普遍存在。

Jet-Long: Efficient Long-Context Extension with Dynamic Bifocal RoPE

Jet-Long：使用动态双焦点旋转位置编码的高效长上下文扩展

Haozhan Tang, Zerui Wang, Yuxian Gu, Song Han, Han Cai

机构 * NVIDIA（英伟达） 纠错

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

AI总结 研究针对现代语言模型长上下文应用中零样本上下文扩展问题，提出Jet-Long方法，通过动态双焦点RoPE及相关技术，在推理时开销小，在多种模型和基准测试中表现优异，还能推广到其他架构且超参数弹性强。

Comments added discussion of AdaGroPE and LaMPE (Findings of ACL 2026) with clarified contribution

SpO$_2$ Predictor-Guided Stage-Wise Time-Frequency Reconstruction of Low-Quality Dual-Wavelength PPG for Oxygen Saturation Estimation

用于氧饱和度估计的 SpO₂ 预测器引导的低质量双波长 PPG 逐阶段时频重建

Zequan Liang, Elahe Hosseini, Ning Miao, Mahdi Pirayesh Shirazi Nejad, Wei Shao, Ehsan Kourkchi, Setareh Rafatirad, Houman Homayoun

机构 * Department of Computer Science, University of California, Davis, Davis, CA, U.S.A.（加州大学戴维斯分校计算机科学系） ； Department of Electrical and Computer Engineering, University of California, Davis, Davis, CA, U.S.A.（加州大学戴维斯分校电气与计算机工程系） 纠错

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

AI总结 研究针对低质量双波长 PPG 信号估计 SpO₂ 不准确的问题，提出 SpO₂ 预测器引导的逐阶段时频重建框架，结合时域与频域损失及 SpO₂ 预测器约束训练模型，实验表明该方法能降低受试者级平均绝对误差。

ArtMine: Discovering and Formalizing Artistic Processes

ArtMine：发现并形式化艺术创作过程

Kaustubh Kumar, Ashutosh Ranjan, Vivek Srivastava, Blessin Varkey, Shirish Karande

机构 * TCS Research（TCS研究） 纠错

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

AI总结 研究如何从异构历史证据发现并形式化艺术创作过程，核心方法是将证据合成存储库，由溯因智能体推断生产步骤并优化，主要贡献是迈向以过程为中心的人机协同创作系统，支持多方面研究。

Comments 47 pages, 10 figures

LLM-Driven CI-CD Workflow Intelligence for Cyber Systems Engineering

面向网络系统工程的由大语言模型驱动的持续集成与持续交付工作流智能

Bonan Shen, Jiazhou Gao, Tao Ning, Wei-Jung Huang, Xin Liu

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 研究面向网络系统工程的CI/CD工作流智能，通过基于大语言模型的分析管道，结合多种方法处理大量GitHub库数据，发现问题并得出结果，强调CI/CD可观测性应结合诊断、上下文和人工审查。

Knowdit: Agentic Smart Contract Vulnerability Detection with Auditing Knowledge Summarization

Knowdit: 基于审计知识摘要的智能合约漏洞检测框架

Ziqiao Kong, Wanxu Xia, Chong Wang, Yue Xue, Yi Lu, Pan Li, Shaohua Li, Zong Cao, Yang Liu

机构 * Nanyang Technological University（南洋理工大学） ； National Superior College for Engineers, Beihang University（北京航空航天大学高等工程学院） ； Bitslab ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 Knowdit利用审计知识摘要和多智能体框架，通过迭代循环检测智能合约漏洞，有效识别高和中严重性漏洞，优于现有基线方法。

Comments Revised with GPT-5.4

An Empirical Study of Security Calibration in Large Language Models for Code

面向代码的大型语言模型安全校准的实证研究

Mohammed Latif Siddiq, Md. Nafiu Rahman, Joanna C. S. Santos

机构 * University of Notre Dame（圣母大学） ； Brac University（布拉卡大学） 纠错

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

AI总结 本文首次大规模实证研究LLM生成代码的安全校准，发现过度自信普遍存在，安全校准优于功能校准，且校准引导的自动修复效果有限。

Comments Accepted at the 42nd International Conference on Software Maintenance and Evolution (ICSME 2026) Research Track

LAMP: Lean-based Agentic framework with MCP and Proof Repair

LAMP: 基于 Lean 的 MCP 与证明修复智能体框架

Santhana Srinivasan R, Maithilee Patawar

机构 * Indian Institute of Information Technology, Design and Manufacturing, Kancheepuram（印度信息与设计制造理工学院，卡纳切普拉姆） 纠错

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

AI总结 提出 LAMP 多智能体框架，通过推理时提供结构化领域知识（本体）而非微调，在 Lean 4 中合成内核验证的证明，在组合学词领域定理上达到 96.7% 的验证率。

RADIANT-PET: Reasoning-Augmented PET/CT Lesion Segmentation with Large Language Models and Reinforcement Learning

RADIANT-PET：结合大语言模型和强化学习的推理增强型PET/CT病灶分割

Jiasheng Wang, Tanun Jitwatcharakomol, Piyawadee Jongpradubgiat, Simeng Zhu

机构 * Division of Hematology, The Ohio State University Comprehensive Cancer Center（血液科，俄亥俄州立大学综合癌症中心） ； Department of Radiology, Mahidol University（医学放射科，玛希多大学） ； Department of Radiology, Mettapracharak Hospital（医学放射科，Mettapracharak医院） ； Department of Radiation Oncology, The Ohio State University Comprehensive Cancer Center（放射肿瘤科，俄亥俄州立大学综合癌症中心） 纠错

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

AI总结 提出RADIANT-PET框架，通过大语言模型和强化学习对候选摄取区域进行推理分类，抑制生理性假阳性，提升PET/CT病灶分割准确性。

Interpretable Clustering: A Survey

可解释聚类：综述

Lianyu Hu, Mudi Jiang, Junjie Dong, Xinying Liu, Zengyou He

机构 * College of Information Science and Engineering, Henan University of Technology（河南理工大学信息科学与工程学院） ； School of Software, Dalian University of Technology（大连理工大学软件学院） ； Xinchang Power Supply Company, State Grid Corporation of China（国网浙江绍兴供电公司） 纠错

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

AI总结 本文综述了可解释聚类算法的现状，探讨了透明聚类结果的重要性，帮助研究人员选择合适的方法，并推动高效透明的聚类算法发展。

Comments 14 pages, 2 figures, 3 tables

Journal ref ACM Computing Surveys, Volume 58, Issue 8, Article 215 (2026)

Parameter Efficient Hybrid Transformer (PEHT) for Network Traffic Prediction via Dynamic Urban Congestion Integration

参数高效混合Transformer（PEHT）用于通过动态城市拥堵整合进行网络流量预测

Abdolazim Rezaei, Mehdi Sookhak, Mahboobeh Haghparast

机构 * National Science Foundation（国家科学基金会） ； U.S. Department of Transportation（美国交通部） ； University Transportation Center (UTC)（大学交通中心） ； Transportation Cybersecurity Center for Advanced Research and Education (CYBER-CARE)（交通网络安全高级研究与教育中心） ； NVIDIA Academic Grant Program（NVIDIA学术资助计划） 纠错

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

AI总结 提出参数高效混合Transformer（PEHT），通过低秩适应和多模态融合整合城市移动性与拥堵信息，在减少参数的同时提升网络流量预测精度。

Explainable Ensemble-Based Machine Learning Models for Detecting the Presence of Cirrhosis in Hepatitis C Patients

基于可解释集成机器学习模型检测丙型肝炎患者肝硬化的存在

Abrar Alotaibi, Lujain Alnajrani, Nawal Alsheikh, Alhatoon Alanazy, Salam Alshammasi, Meshael Almusairii, Shoog Alrassan, Aisha Alansari

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

AI总结 本研究利用四种集成机器学习算法（随机森林、梯度提升机、极端梯度提升和极端随机树）检测丙型肝炎患者的肝硬化，其中极端随机树模型在仅使用16个特征时达到96.92%的准确率，优于其他模型。

Journal ref Computation 2023, 11, 104

Learning to Code with Context: A Study-Based Approach

基于情境的学习：一种基于研究的方法

Uwe M. Borghoff, Mark Minas, Jannis Schopp

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

AI总结 本文研究了如何在软件开发过程中利用生成式AI工具，通过大学编程项目中的用户研究，探讨了AI辅助在真实开发实践中的应用，分析了工具的有效性及学生遇到的挑战。

Comments 36 pages, 7 figures, 5 tables

Journal ref Software 2026, 5(2), 27

Hypothesis-Driven Skill Optimization for LLM Agents

假设驱动的技能优化用于LLM智能体

Fangxin Shang, Yehui Yang

机构 * AI Lab, Qifu Technology（奇富科技人工智能实验室） 纠错

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

AI总结 提出HDSO框架，通过可证伪假设与验证机制从稀疏轨迹中提取可靠技能，无需训练，在ALFWorld上提升平均成功率6.9-7.1个百分点。

What Makes Effective Supervision in Latent Chain-of-Thought: An Information-Theoretic Analysis

什么使得潜在思维链中的监督有效：一种信息论分析

Xinghao Chen, Chak Tou Leong, Wenjin Guo, Jian Wang, Wenjie Li, Xiaoyu Shen

机构 * Ningbo Institute of Digital Twin, Eastern Institute of Technology（宁波数字孪生研究院，东方理工大学） ； Department of Computing, The Hong Kong Polytechnic University（香港理工大学计算学系） 纠错

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

AI总结 本文从信息论角度分析潜在思维链中的监督失效问题，提出轨迹监督和空间监督两个维度，并引入统一潜在探针（ULP）量化信息保真度，揭示了信息-性能绑定关系。

Multi-Agent Transactive Memory

多智能体交互记忆

To Eun Kim, Xuhong He, Dishank Jain, Ambuj Agrawal, Negar Arabzadeh, Fernando Diaz

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 提出MATM框架，通过共享存储和检索智能体轨迹，实现异构智能体群体间的知识复用，提升下游任务性能并减少交互步骤。

Verifying the Rust Standard Library

验证 Rust 标准库

Byron Cook, Remi Delmas, Zyad Hassan, Bart Jacobs, Ranjit Jhala, Rahul Kumar, Felipe R. Monteiro, Thanh Nguyen, Rebecca Rumbul, Michael Tautschnig, Celina Val, Carolyn Zech

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

AI总结 通过众包方式集成多种验证工具，对 Rust 标准库中的不安全代码进行静态验证，发现并修复未定义行为，展示了大规模验证的可行性与挑战。

Comments Published at 18th NASA Formal Methods Symposium (NFM 2026)

Journal ref In: Deshmukh, J., Havelund, K., Pinto, A. (eds) NASA Formal Methods. NFM 2026. Lecture Notes in Computer Science, vol 16622. Springer, Cham, pp. 415-435

Brep2Shape: Boundary and Shape Representation Alignment via Self-Supervised Transformers

Brep2Shape：通过自监督变换器对齐边界与形状表示

Yuanxu Sun, Yuezhou Ma, Haixu Wu, Guanyang Zeng, Muye Chen, Jianmin Wang, Mingsheng Long

机构 * School of Software, BNRist, Tsinghua University（清华大学软件学院） 纠错

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

AI总结 提出Brep2Shape自监督预训练方法，利用双Transformer骨干和拓扑注意力对齐B-rep的抽象边界表示与直观形状表示，在多项下游任务中达到最优精度并加速收敛。

Experience Makes Skillful: Enabling Generalizable Medical Agent Reasoning via Self-Evolving Skill Memory

经验造就熟练：通过自进化技能记忆实现可泛化的医疗智能体推理

Haoran Sun, Wenjie Li, Yujie Zhang, Zekai Lin, Fanrui Zhang, Kaitao Chen, Xingqi He, Yichen Li, Mianxin Liu, Lei Liu, Yankai Jiang

机构 * Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Huazhong University of Science and Technology（华中科技大学） 纠错

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

AI总结 提出SkeMex框架，通过技能记忆实现医疗智能体后部署自进化，无需更新模型权重，在临床任务中优于现有记忆型智能体。

tap: A File-Based Protocol for Heterogeneous LLM Agent Collaboration

tap：一种用于异构LLM智能体协作的基于文件的协议

Minseo Kim

机构 * HUA Labs（HUA实验室） 纠错

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

AI总结 提出tap协议，通过文件优先设计实现不同厂商LLM智能体（如Claude和Codex）在共享代码库上的协作，无需共享内存或相同运行时，实验表明异构模型对审查缺陷发现率更高。

Comments Accepted to KCC 2026. English archival translation. 3 pages, 1 figure, 3 tables

I'm Sorry Driver, I'm Afraid I Can't Do That: Appraising the Safety of LLMs within Automotive Contexts

抱歉，司机，恐怕我不能这么做：评估LLMs在汽车环境中的安全性

Shaun Feakins, Ibrahim Habli, Kim Littler, Robert Palin

机构 * UKRI AI Centre for Doctoral Training in Safe Artificial Intelligence Systems (SAINTS)（英国研究理事会安全人工智能系统博士培训中心（SAINTS）） ； University of York（约克大学） ； Jaguar Land Rover（捷克·陆罗恩） 纠错

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

AI总结 本文从安全保证角度评估了将LLMs集成到汽车控制任务中的现有框架，指出其面临概念和具体挑战，并通过案例研究提出未来保障机制。

Comments Accepted at the Dependable AI in Embedded Systems (DAIES) Workshop at SAFECOMP 2026; 15 pages, 3 figures, 2 tables

Rule Taxonomy and Evolution in AI IDEs: A Mining and Survey Study

AI IDE中的规则分类与演化：挖掘与调查研究

Guangzong Cai, Ruiyin Li, Peng Liang, Zengyang Li, Mojtaba Shahin

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； School of Computer Science, Central China Normal University（中央师范大学计算机学院） ； School of Computing Technologies, RMIT University（皇家墨尔本理工大学计算技术学院） 纠错

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

AI总结 通过挖掘83个开源项目中的7310条规则和99份从业者调查，建立了包含5个主类和25个子类的规则分类法，发现开发者重视架构约束但实际配置多为低级工作流和代码格式规则，规则演化主要由建设性上下文扩展和丰富驱动，且更新规则可使工件合规率平均提升22.99%。

Comments 52 pages, 21 images, 8 tables, Manuscript submitted to a Journal (2026)

Locality-Aware Redundancy Pruning for LLM Depth Compression

面向LLM深度压缩的局部感知冗余剪枝

Vincent-Daniel Yun, Youngrae Kim, Woosang Lim, YoungJin Heo, Minkyu Kim, Sunwoo Lee

机构 * University of Southern California（美国南加州大学） ； Neural Superintelligence Lab, MODULABS（MODULABS神经超级智能实验室） ； Seoul National University（首尔国立大学） ； Inha University（釜山大学） 纠错

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

AI总结 提出LoRP，一种基于表示局部性的无训练单次深度剪枝框架，通过引入表示局部性分数（RLS）来识别和剪除冗余层，在多种LLM上提升了困惑度和下游任务准确率。

Converted, Not Equivalent: Benchmarking Codebase Conversion via Observational Equivalence

转换而非等价：通过观察等价性基准测试代码库转换

Linxin Song, Jiefeng Chen, Yue Huang, Bhavana Dalvi Mishra, Chi Wang, Jieyu Zhao, Jinsung Yoon, Tomas Pfister

机构 * University of Southern California（南加州大学） ； Google Cloud AI Research（谷歌云人工智能研究） ； University of Notre Dame（圣约翰大学） ； Google Deepmind（谷歌DeepMind） 纠错

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

AI总结 针对代码库转换中智能体过度信任本地验证导致语义违反的问题，提出T2J-Bench基准，通过固定等价契约和三级验证（Spec、Numeric、Behavioral）评估转换质量，发现最佳系统通过率仅26.7-28.9%，且所有系统高估成功率66.6-97.8点。

Provably Auditable and Safe LLM Agents from Human-Authored Ontologies

基于人类编写本体的可审计且安全的LLM智能体

Aaron Sterling

机构 * Thistleseeds 纠错

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

AI总结 提出Agentic Redux架构，通过类型化λ演算证明其在适当领域上的执行语义正确且决策可审计，并引入本体优先的智能体设计方法。

Construction of Historical Knowledge Graphs Based on BERT and Graph Neural Networks

基于BERT和图神经网络的历史知识图谱构建

Ping Li, Bartlomiej Brzozka

机构 * Shandong Management University（山东管理大学） ； Maria Curie-Sklodowska University（玛丽·居里-斯洛多夫斯卡大学） 纠错

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

AI总结 本文提出结合BERT和图神经网络的高层架构，从历史文本中提取实体和关系，构建知识图谱，在精度、召回率和F1分数上优于传统方法和深度学习基线。

Comments 9 pages, 4 figures

DarkVesselNet: Multi-Modal Remote Sensing and Trajectory Reasoning for Dark Vessel Detection

DarkVesselNet: 用于暗船检测的多模态遥感和轨迹推理

Arun Sharma

机构 * University of Minnesota, Twin Cities（明尼苏达大学，双城分校） 纠错

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

AI总结 提出DarkVesselNet，融合Sentinel-1 SAR、Sentinel-2光学影像、地理空间基础模型、AIS轨迹推理、TGARD间隙检测和Pi-DPM异常头，实现多模态遥感暗船检测。

Beyond Model Base Retrieval: Weaving Knowledge to Master Fine-grained Neural Network Design

超越模型库检索：编织知识以掌握细粒度神经网络设计

Jialiang Wang, Hanmo Liu, Shimin Di, Zhili Wang, Jiachuan Wang, Lei Chen, Xiaofang Zhou

机构 * National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出M-DESIGN框架，通过构建编辑效应证据图并采用自适应检索与预测任务规划器，在严格预算下高效发现近最优细粒度架构修改路径，在33个案例中26个达到搜索空间最佳性能。

Comments Accepted at ICML 2026. Title changed from "Beyond Model Base Selection: Weaving Knowledge to Master Fine-grained Neural Network Design" to "Beyond Model Base Retrieval: Weaving Knowledge to Master Fine-grained Neural Network Design"