代码大模型 / AI 编程

Repositories, Contributors, and Continuity: An Empirical Study of Foundational Quantum Software

存储库、贡献者与连续性：基础量子软件的实证研究

Vincent Gierisch, Nicole Hoess, Ralf Ramsauer, Wolfgang Mauerer

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

AI总结 研究量子软件生态系统中概念和影响如何跨存储库边界持续存在，运用实证软件工程技术分析基础量子软件存储库，结合跨库活动与贡献者关系研究社区演变，发现多种发展路径并提供实证视角。

Measuring the State of Open Science in Transportation Using Large Language Models

利用大型语言模型衡量交通运输领域开放科学的状态

Junyi Ji, Ruth Lu, Linda Belkessa, Liming Wang, Silvia Varotto, Yongqi Dong, Nicolas Saunier, Mostafa Ameli, Gregory S. Macfarlane, Bahman Madadi, Cathy Wu

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Vanderbilt University（范德比大学） ； Portland State University（波特兰州立大学） ； Delft University of Technology（代尔夫特理工大学） ； Brigham Young University（Brigham Young 大学） 纠错

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

AI总结 本文利用大型语言模型自动评估交通研究中数据和代码的开放科学实践，发现仅有少数论文共享代码或数据，揭示了开放科学与传统学术指标之间的不一致，需通过结构性干预促进实践改进。

Making Mathematical Knowledge Explainable, Accessible and Interoperable Through Large Language Model Integration

通过大语言模型集成使数学知识可解释、可访问和可互操作

Jan Range, Björn Schembera, Dominik Göddeke

机构 * Stuttgart Center for Simulation Science (SC SimTech), University of Stuttgart（斯图加特大学斯图加特模拟科学中心 (SC SimTech)） ； Institute of Applied Analysis and Numerical Simulation, University of Stuttgart（斯图加特大学应用分析与数值模拟研究所） 纠错

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

AI总结 研究旨在解决数学模型文档不符合FAIR原则及访问难等问题，通过模型上下文协议（MCP）服务器将大语言模型与MathModDB集成，实现基于认知的LLM使用，提高可解释性、可访问性并简化互操作性，通过用例展示了集成优势。

Comments Preprint submitted to 6th Wikidata Workshop@ISWC

Nearly Tight Bounds for Cross-Learning Contextual Bandits with Graphical Feedback

具有图形反馈的交叉学习上下文博弈的近似紧界

Ruiyuan Huang, Zengfeng Huang

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

AI总结 研究具有图形反馈的交叉学习上下文博弈，在遗忘对抗损失模型下，针对强可观测图给出肯定答案，算法通过隔离无自环动作、悲观校正等实现\(\widetilde O(\sqrt{\alpha T})\)期望遗憾，实验展示相关好处及缩放。

Remedying Coarsening-Based GNN Training under Heterophily via Adaptive Complementary Enhancement

通过自适应互补增强修复异质性下基于粗化的图神经网络训练

Guoming Li, Jian Yang, Xukun Wang, Zixiao Wang, Shangsong Liang, Yifan Chen

机构 * Hong Kong Baptist University（香港浸会大学） ； Renmin University of China（中国人民大学） ； Chinese Academy of Sciences（中国科学院） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Sun Yat-sen University（中山大学） 纠错

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

AI总结 研究基于粗化的GNN训练在异构图上性能下降问题，提出自适应互补增强（ACE）策略，通过重新整合粗化丢弃信息、应用正则化及不确定性加权，在异构图基准上提升性能，同构图上保持竞争力且计算开销小。

Comments Accepted at the 42nd Conference on Uncertainty in Artificial Intelligence, UAI 2026

Change Impact Recommendation for JavaScript: Lessons from History and Runtime Analysis

JavaScript变更影响推荐：来自历史和运行时分析的教训

Sadjad Tavakoli, Saba Alimadadi

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

AI总结 针对JavaScript动态特性导致的依赖推断难题，通过结合历史共变模式挖掘和动态依赖分析，提出混合方法Caprese，实验表明两种信号互补，混合推荐效果更优。

Understanding Generative AI-mediated User Engagement with Academic Library Resources

理解生成式人工智能介导的用户对学术图书馆资源的参与度

Hae Min Kim, Stacy Stanislaw

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

AI总结 该研究利用2023年8月至2025年10月网络分析，实证分析生成式人工智能介导用户对学术图书馆资源的参与度，发现流量显著增加，确定主要驱动平台，指出用户访问机构知识库情况，表明需持续分析及战略应对人工智能格局。

Comments This is the accepted manuscript. The final published version will appear in College & Research Libraries, May 2027

Interpretable Fuzzy Rule-Based Regression Extension for Ex-Fuzzy Library

用于Ex-Fuzzy库的可解释模糊规则基回归扩展

Cayan Deniz Kucuktopana, Javier Fumanal-Idocin, Richard Pitts, Javier Andreu-Perez

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

AI总结 研究针对安全关键等领域机器学习模型需可解释性的问题，为Ex-Fuzzy库提出回归扩展，采用基于模糊C均值聚类的目标感知分区初始化策略，在十个数据集上评估，高斯分区表现优，提供了透明且有竞争力的黑盒回归替代方案。

Journal ref IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), IEEE World Congress on Computational Intelligence (WCCI), 2026

DepRepair: LLM-Based Source-Code Repair for Dependency Breaking Changes

DepRepair：基于大语言模型的针对依赖项破坏更改的源代码修复

Shenghao Yang, Bo Lu, Yaochen Liu, Yu Kang, Qiongfang Zhang, Chetan Bansal, Saravan Rajmohan, Minghua Ma

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

AI总结 研究软件项目因第三方库更新致依赖项破坏更改的问题，提出DepRepair单调用大语言模型方法，通过证据过滤器、用法定位器和子类别感知指南，基于结构化上游证据修复，在DepBench基准测试中取得高可执行通过率。

Comments 10 pages, 5 figures, 7 tables

SlotGuard: Stop Oversharing Private Local Context in LLM Agent Transcri

SlotGuard：阻止大语言模型代理转录中过度共享私有本地上下文

Haocheng Xia, Yongjoo Park

机构 * Siebel School of Computing（计算机科学系） ； Data Science, University of Illinois Urbana-Champaign（数据科学，伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 研究大语言模型代理转录本隐私泄露问题，提出SlotGuard方法，通过重写结构绑定、替换机密值、链接跨轮引用等操作隐藏敏感数据，在保持代理性能的同时大幅降低凭证泄漏率。

Comments ICML 2026 AIWILD

FOI-O: A global ontology and verification framework for Freedom of Information process modelling

FOI-O：新西兰首个用于信息自由流程建模的本体与验证方法包

Dylan A Mordaunt

机构 * Faculty of Health, Education and Psychology, Victoria University of Wellington（维多利亚大学健康、教育与心理学学院） ； College of Medicine and Public Health, Flinders University（弗林德斯大学医学院和公共卫生学院） ； Centre for Health Policy, The University of Melbourne（墨尔本大学健康政策中心） 纠错

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

AI总结 针对公共信息请求记录混杂多类数据的问题，提出FOI-O可复用流程建模与验证框架，基于新西兰相关法案实现首个验证配置文件，提供多类标准化语义与流程工具资产。

Comments 22 pages, 4 figures, 9 tables, ancillary supplement; revised manuscript with expanded provenance, versioning, and navigation documentation

cGAP: Generalized Association Plots with HOMALS-Guided Heatmaps for Visualization of High-Dimensional Categorical Data

cGAP：用于高维分类数据可视化的带HOMALS引导热图的广义关联图

Chun-houh Chen, Shun-Chuan Chang, Chiun-How Kao, Yi-Ju Lee, Shang-Ying Shiu, Yin-Jing Tien, ShengLi Tzeng, Han-Ming Wu

机构 * Institute of Statistical Science, Academia Sinica（学术院统计研究所） ； Department of Statistics, National Taipei University（台北国立大学统计系） ； Holistic Education Center, Mackay Medical University（Mackay医学院整体教育中心） ； Department of Statistics and Data Science, Tamkang University（淡江大学统计与数据科学系） ； Institute for Information Industry（资讯产业研究院） ； Department of Applied Mathematical and Graduate Institute of Statistics, National Chung Hsing University（中正大学应用数学及统计研究所） ； Department of Statistics, National Chengchi University（中正大学统计系） 纠错

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

AI总结 研究针对高维分类数据可视化工具不足的问题，提出cGAP框架，利用HOMALS嵌入数据并集成多视图，经序列化算法揭示数据结构，推导相关属性，通过多领域应用展示其多功能性，为研究复杂分类数据集提供可视化环境。

Comments 23 pages, 9 figures, 3 tables

VulWeaver: Weaving Broken Semantics for Grounded Vulnerability Detection

VulWeaver: 修补断裂语义以实现基于事实的漏洞检测

Yiheng Cao, Yihao Chen, Xin Hu, Bihuan Chen, Jiayi Deng, Zhuotong Zhou, Susheng Wu, Yiheng Huang, Xueying Du, Xingman Chen, Miaohua Li, Xin Peng

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

AI总结 VulWeaver通过整合确定性规则与LLM语义推理构建增强依赖图，提取完整漏洞上下文，利用元提示和专家指南提升LLM推理能力，实验显示其在PrimeVul4J数据集上F1得分达0.75，优于现有方法。

Mechanistic Evidence for Preserved-but-Misaligned Representations in Non-IID FedAvg

非独立同分布联邦平均中保留但未对齐表示的机制证据

Muhammad Haseeb, Salaar Masood, Muhammad Abdullah Sohail, Mohammad Fatim Shoaib, Muhammad Tahir

机构 * Lahore University of Management Sciences（拉瓦尔大学管理科学学院） 纠错

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

AI总结 研究非独立同分布FedAvg性能下降原因，通过在稀疏客户端训练视觉模型中结合多种分析方法，发现其性能下降不能仅用表示擦除解释，还因保留内部结构与最终预测路径未对齐。

Comments 18 pages

Software Supply Chains are Dead: Use-Case-Oriented Regeneration

软件供应链已死：面向用例的再生

Tanmay Singla, James C. Davis

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

AI总结 研究现代软件开发中构建与复用权衡因软件供应链攻击及生成式人工智能而改变，提出面向用例的再生范式，评估智能工作流程，通过对180个存储库-依赖对测量，证明该方法可行，推动软件采购向可验证的特定于存储库的代码合成发展。

Comments [ESEM'26-ERVR] Proceedings of the 20th International Symposium on Empirical Software Engineering and Measurement (ESEM 2026 Emerging Results, Vision, and Reflection Papers)

XScientist: A Git-Like Research Protocol for Long-Running Autonomous Scientific Discovery

XScientist：用于长期自主科学发现的类似Git的研究协议

Jixiang Luo

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

AI总结 研究针对自主研究系统的问题，提出XScientist这一类似Git的研究协议和操作系统，核心方法是将运行视为可移植工件并导出相关协议，主要贡献是使自主科学从单次演示走向可重现、可审查和可分叉的研究基础设施。

RippleBench: Capturing Ripple Effects Using Existing Knowledge Repositories

RippleBench: 利用现有知识库捕捉涟漪效应

Roy Rinberg, Usha Bhalla, Igor Shilov, Flavio P. Calmon, Rohit Gandikota

机构 * Harvard University（哈佛大学） ； Imperial College London（伦敦帝国学院） ； Northeastern University（东北大学） 纠错

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

AI总结 提出RippleBench-Maker自动管道，从知识库检索语义邻居生成选择题，评估八种遗忘方法在Llama3-8B-Instruct上的涟漪效应，发现准确率下降随语义距离衰减且跨模型一致。

Distributed Denial of Science: How Indirect Data Poisoning of AI Systems Can Industrialize Scientific Fraud

分布式科学否认：人工智能系统的间接数据投毒如何使科学欺诈产业化

Bálint Gyevnár, Atoosa Kasirzadeh, Nihar B. Shah

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

AI总结 研究探讨人工智能时代科学欺诈新形式，即间接数据投毒。对手 corrupt 开放数据集上传，使自主研究代理处理后传播欺诈。通过多话题、多系统实验发现投毒成功率高而检测率低。提出科学家角色和数据溯源审计措施，后者可有效降低攻击成功率。

Prompting-MammAlps: Fine-Grained Text-to-Video Retrieval for Camera-Trap Data

Prompting-MammAlps：用于相机陷阱数据的细粒度文本到视频检索

Valentin Gabeff, Baptiste Maquignaz, Jennifer Shan, Sepideh Mamooler, Gencer Sumbul, Blair Costelloe, Devis Tuia, Alexander Mathis

机构 * Ecole Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院） ； Max Planck Institute of Animal Behavior（马克斯·普朗克动物行为研究所） ； University of Konstanz（康斯坦茨大学） 纠错

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

AI总结 针对相机陷阱数据自动检索视频的难题，提出Prompting-MammAlps基准及细粒度可解释TVR方法，训练视觉变压器并结合大语言模型处理查询，在基准测试中取得较好成绩，优于零样本VLM。

Comments Accepted at ECCV 2026; Project page: https://cnai.epfl.ch/prompting-mammalps

Deforking the World of Code: A Project-Provenance Map that Recovers Cross-Forge Fork Families that Platform Graphs Cannot See

去分叉代码世界：一个恢复跨平台分叉家族的项目来源图谱，平台图无法识别

Audris Mockus

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

AI总结 针对Git分叉导致代码度量膨胀的问题，提出基于全局共享提交关系的去分叉映射p2PFull，通过集线节点星编码和并行Louvain聚类构建项目来源图，并验证了跨平台分叉家族的发现。

Heimdallr: Characterizing and Detecting LLM-Induced Security Risks in GitHub CI Workflows

Heimdallr：在GitHub CI工作流中识别和检测LLM引发的安全风险

Bonan Ruan, Yeqi Fu, Chuqi Zhang, Jiahao Liu, Jun Zeng, Zhenkai Liang

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

AI总结 本文研究GitHub CI工作流中LLM引发的安全风险，提出Heimdallr框架，通过流程图规范化和威胁向量检测，实现高精度识别LLM节点和威胁向量。

Evaluating SageMath-Augmented LLM Agents for Computational and Experimental Mathematics

评估用于计算和实验数学的SageMath增强型大语言模型智能体

Pavel Snopov, German Magai

机构 * The Sage Developers（Sage开发者团队） 纠错

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

AI总结 研究聚焦AI在数学领域进展，提出结合大语言模型推理与SageMath反馈的智能体设置，改进RealMath基准。实验表明该设置能提升模型性能，缩小模型差距，CAS增强型智能体在计算探索上有潜力，朝自动猜想发现迈进。

Comments 37 pages, 16 figures, accepted to 3rd AI for Math Workshop at ICML 2026

Early Language Learning via Spreading Activation and Category Exploration in Complex Networks

通过复杂网络中的扩散激活和类别探索进行早期语言学习

Salvatore Citraro

机构 * National Research Council (CNR)（国家研究理事会） 纠错

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

AI总结 研究儿童词汇习得在语义和词汇类别上是否不均衡，将早期语言学习建模为基于图的搜索，由扩散激活和类别探索驱动，用多种资源评估模型在四种语言上的性能，发现扩散激活表现更好，揭示词汇发展与激活动态及约束的关系。

Using Process Mining to Generate AI Agents from Software Engineering Process Records

利用过程挖掘从软件工程过程记录生成人工智能代理

Saimir Bala, Fabiana Fournier, Lior Limonad, Andreas Metzger

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

AI总结 研究如何在软件工程中结合人工智能代理，面临代理粒度和关注点分离难题。通过过程挖掘，用软件库事件日志发现特定项目代理角色，生成规范与实现，并进行测试和用户研究验证效果。

Comments To be published at the 24th International Conference on Business Process Management (BPM 2026), Process Technology Forum

CONTRA: Red-Teaming Configurations of Personalizable Agents

CONTRA：可个性化代理的红队配置

Jonathan Nöther, Adish Singla, Goran Radanovic

机构 * Max Planck Institute for Software Systems（马克斯·普朗克软件研究所） 纠错

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

AI总结 探讨代理配置与执行危险行为风险的关系，提出CONTRA算法，通过推理评估良性但危险的配置发现导致恶意行为的代理配置，构建数据集分析发现多数技能有恶意配置，CONTRA能成功识别部分危险配置。

LGQ: Learnable Geometric Quantization for Image Tokenization

LGQ：用于图像令牌化的可学习几何量化

Idil Bilge Altun, Mert Onur Cakiroglu, Elham Buxton, Mehmet Dalkilic, Hasan Kurban

机构 * Luddy School of Informatics, Computing and Engineering, Indiana University Bloomington（印第安纳大学布卢明顿分校信息学、计算与工程学院） ； Department of Computer Science, University of Illinois Springfield（伊利诺伊大学斯普林菲尔德分校计算机科学系） ； College of Science and Engineering, Hamad Bin Khalifa University, Doha, Qatar（哈马德·本·卡伊夫大学多哈校区科学与工程学院） 纠错

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

AI总结 研究提出可学习几何量化（LGQ），保留可学习码本，通过温度退火进行软到硬分配，用两个低成本项正则化，无需EMA等防止码本崩溃，在图像任务中表现优。

SINA: A Fully Automated Circuit Schematic Image to Netlist Generator Using Artificial Intelligence

SINA: 一种使用人工智能的全自动电路原理图图像到网表生成器

Saoud Aldowaish, Yashwanth Karumanchi, Kai-Chen Chiang, Mohammed Ayman Habib, Finn Murphy, Rishen Cao, Morteza Fayazi

机构 * The Department of Electrical and Computer Engineering, University of Utah（犹他大学电气与计算机工程系） ； The Department of Electrical, Computer & Energy Engineering, University of Colorado Boulder（科罗拉多大学博尔德分校电气、计算机与能源工程系） 纠错

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

AI总结 提出SINA，一种全自动开源流水线，集成深度学习、连通分量标记、OCR和视觉语言模型，实现从电路原理图图像到网表的转换，在IC和PCB级别均达到96.67%的生成准确率。

Insights from GitHub Community on the Matter Standard: Developer Perspectives and Challenges

GitHub社区对Matter标准的洞察：开发者视角与挑战

Muhammad Hassan, Carl Gunter, Susan Landau, Masooda Bashir

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

AI总结 通过分析GitHub上超过13,000个议题，识别出Matter标准在测试、互操作性、开发及平台网络方面的四大挑战，为改进测试基础设施和跨厂商指南提供机会。

How Much Static Structure Do Code Agents Need? A Study of Deterministic Anchoring

代码智能体需要多少静态结构？关于确定性锚定的研究

Zhihao Lin, Mingyi Zhou, Yizhuo Yang, Li Li

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

AI总结 研究轻量级静态分析（如调用图、继承层次）作为确定性锚定，通过注入结构注释提高代码智能体导航的可复现性和稳定性，发现锚定效果依赖粒度与仓库特性。

Comments Accepted to the ACM SIGSOFT International Symposium on Software Testing and Analysis (ISSTA 2026). 21 pages

Structural Pattern Mining in Inka Khipus: Unsupervised Clustering, Provenance Classification, and a Computational Validation of the Santa Valley Match

印加奇普中的结构模式挖掘：无监督聚类、来源分类及圣谷匹配的计算验证

Maria Contreras

机构 * Universidad Peruana de Ciencias Aplicadas (UPC)（秘鲁应用科技大学） 纠错

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

AI总结 提出可复现的机器学习流程，对619个奇普进行无监督聚类（轮廓系数0.769）和监督来源分类（F1=0.86），并独立验证了圣谷奇普的recto/verso结构。

Comments 10 pages, 4 figures, 2 tables