代码大模型 / AI 编程

Off-The-Shelf Image-to-Image Models Are All You Need To Defeat Image Protection Schemes

现成的图像到图像模型就是对抗图像保护方案所需的一切

Xavier Pleimling, Sifat Muhammad Abdullah, Gunjan Balde, Peng Gao, Mainack Mondal, Murtuza Jadliwala, Bimal Viswanath

机构 * University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校） 纠错

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

AI总结 现成的图像到图像模型可有效对抗图像保护方案，揭示其存在广泛漏洞，需建立更坚固的防御措施。

Comments This work has been accepted for publication at the IEEE Conference on Secure and Trustworthy Machine Learning (SaTML). The final version will be available on IEEE Xplore. To IEEE SaTML 2026

Detecting UX smells in Visual Studio Code using LLMs

使用LLMs检测Visual Studio Code中的用户体验问题

Andrés Rodriguez, Juan Cruz Gardey, Alejandra Garrido

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

AI总结 本文提出利用LLMs检测Visual Studio Code中用户体验问题的方法，通过分析用户报告的问题发现信息性、清晰性、直观性和效率是主要的用户体验问题所在。

Comments 4 pages, 2 figures, 1 table, 3rd International Workshop on Integrated Development Environments (IDE 2026)

A Hierarchical Multi-Agent System for Autonomous Discovery in Geoscientific Data Archives

面向地质数据档案的分层多智能体系统

Dmitrii Pantiukhin, Ivan Kuznetsov, Boris Shapkin, Antonia Anna Jost, Thomas Jung, Nikolay Koldunov

机构 * Alfred Wegener Institute for Polar and Marine Research（阿尔弗雷德·韦格ener极地和海洋研究所） 纠错

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

AI总结 PANGAEA-GPT通过分层多智能体框架实现地质数据自动发现与分析，具备复杂工作流执行能力，减少人工干预。

Comments 20 pages, 6 figures, 7 tables, supplementary material included

Unseen-Codebases-Domain Data Synthesis and Training Based on Code Graphs

基于代码图的未见代码库数据合成与训练

Guangsheng Ou, Qiming Zhang, Sirong Chen, Anji Li, Dong Xu, Tiancheng Luo, Dekun Dai, Cuiyun Gao, Long Wang, Jun Zhou, Mingwei Liu, Zibin Zheng

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

AI总结 提出UCD-Training框架，通过代码图构建和两阶段训练，提升模型对未见代码库的推理能力和数据合成效果。

Git Takes Two: Split-View Awareness for Collaborative Learning of Distributed Workflows in Git

Git需要两个人：用于协作学习分布式工作流的分屏意识

Joel Bucher, Lahari Goswami, Sverrir Thorgeirsson, April Yi Wang

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

AI总结 GitAcademy通过分屏协作模式帮助新手学习Git的分布式工作流，提升协作意识和社交存在感。

Comments First two authors contributed equally

Satellite-Based Detection of Looted Archaeological Sites Using Machine Learning

基于卫星的考古遗址盗掘检测使用机器学习

Girmaw Abebe Tadesse, Titien Bartette, Andrew Hassanali, Allen Kim, Jonathan Chemla, Andrew Zolli, Yves Ubelmann, Caleb Robinson, Inbal Becker-Reshef, Juan Lavista Ferres

机构 * Microsoft AI for Good Research Lab（微软AI for Good研究实验室） ； Iconem ； Planet Labs PBC（Planet Labs公司） 纠错

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

AI总结 利用机器学习和卫星图像检测考古遗址盗掘，通过CNN和传统ML方法对比，实现高精度识别

Modeling and Recovering Hierarchical Structural Architectures of ROS 2 Systems from Code and Launch Configurations using LLM-based Agents

基于LLM代理的ROS 2系统层次结构架构建模与恢复

Mohamed Benchat, Dominique Briechle, Raj Chanchad, Mitbhai Chauhan, Meet Chavda, Ruidi He, Dhruv Jajadiya, Dhruv Kapadiya, Nidhiben Kaswala, Daniel Osterholz, Andreas Rausch, Meng Zhang

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

AI总结 本文提出基于UML的ROS 2系统层次结构架构建模方法，并结合LLM代理实现从代码和配置文件中自动化恢复架构模型，提升系统可靠性。

PyTrim: A Practical Tool for Reducing Python Dependency Bloat

PyTrim: 一种减少Python依赖膨胀的实用工具

Konstantinos Karakatsanis, Georgios Alexopoulos, Ioannis Karyotakis, Foivos Timotheos Proestakis, Evangelos Talos, Panos Louridas, Dimitris Mitropoulos

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

AI总结 PyTrim是一种自动化减少Python项目依赖膨胀的工具，通过动态分析和模块化设计提高依赖检测准确性，并已成功应用于多个开源项目。

Comments Accepted in the Proceedings of the 40th IEEE/ACM International Conference on Automated Software Engineering (ASE), Seoul, Korea. Supported by EU's Horizon 2021 research and innovation programme under grant agreement no. 101070599 (SecOPERA)

Journal ref 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE), pp. 4070-4073

Mind the Boundary: Stabilizing Gemini Enterprise A2A via a Cloud Run Hub Across Projects and Accounts

注意边界：通过跨项目和账户的云运行枢纽稳定Gemini Enterprise A2A

Takao Morita

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.AI

AI总结 通过跨项目和账户的云运行枢纽稳定Gemini Enterprise A2A，解决边界依赖认证和UI兼容性问题，实现可靠路由和稳定响应。

Comments 7 pages. Implementation and evaluation study of cross-boundary agent orchestration for Gemini Enterprise UI

Haskell meets Evariste

Haskell 与 Evariste 的交汇

Paulo R. Pereira, Jose N. Oliveira

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

AI总结 本文探讨了通过易难分拆策略提升Haskell函数文档清晰度和概念设计的方法，并展示了其在程序分析与综合中的应用价值。

Can Causality Cure Confusion Caused By Correlation (in Software Analytics)?

因果能否消除由相关性引起的混淆（在软件分析中）？

Amirali Rayegan, Tim Menzies

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

AI总结 本研究探讨在符号模型中引入因果意识分割标准是否能提升稳定性与鲁棒性，并比较人类与自动化模型的稳定性差异。

Comments Submitted to MSR'26 in Registered Report track

MARLEM: A Multi-Agent Reinforcement Learning Simulation Framework for Implicit Cooperation in Decentralized Local Energy Markets

MARLEM：一种用于分布式本地能源市场隐式合作的多智能体强化学习仿真框架

Nelson Salazar-Pena, Alejandra Tabares, Andres Gonzalez-Mancera

机构 * Department of Mechanical Engineering, Universidad de los Andes（机械工程系，洛斯安第斯大学） ； Department of Industrial Engineering, Universidad de los Andes（工业工程系，洛斯安第斯大学） 纠错

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

AI总结 MARLEM框架通过增强智能体观测和奖励的系统级指标，促进本地能源市场中的隐式合作，提升市场效率和电网稳定性。

Comments 32 pages, 7 figures, 1 table, 1 algorithm

Anticipating Adversary Behavior in DevSecOps Scenarios through Large Language Models

通过大型语言模型预见DevSecOps场景中的对手行为

Mario Marín Caballero, Miguel Betancourt Alonso, Daniel Díaz-López, Angel Luis Perales Gómez, Pantaleone Nespoli, Gregorio Martínez Pérez

机构 * Department of Information and Communications Engineering, University of Murcia（信息与通信工程系，穆尔西亚大学） ； School of Engineering, Science and Technology, Universidad del Rosario（工程、科学与技术学院，罗萨里奥大学） ； Department of Computers Engineering and Technology, University of Murcia（计算机工程与技术系，穆尔西亚大学） 纠错

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

AI总结 本文提出通过大型语言模型与安全混沌工程结合，自动化构建攻击防御树以预见并防御对手行为。

Comments 8 pages, 3 figures, paper in proceedings of the X National Cybersecurity Research Conference (JNIC) in Zaragoza, Spain, June, 2025

PASER: Post-Training Data Selection for Efficient Pruned Large Language Model Recovery

PASER：基于后训练数据选择的高效剪枝大语言模型恢复

Bowei He, Lihao Yin, Hui-Ling Zhen, Xiaokun Zhang, Mingxuan Yuan, Chen Ma

机构 * City University of Hong Kong（香港城市大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

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

AI总结 PASER通过后训练数据选择方法高效恢复剪枝大语言模型的能力，显著优于传统基线方法。

Comments Accepted by ICLR 2026

LLM-based Vulnerable Code Augmentation: Generate or Refactor?

基于LLM的易受攻击代码增强：生成或重构？

Dyna Soumhane Ouchebara, Stéphane Dupont

机构 * University of Mons - Computer science department（蒙斯大学-计算机科学系） 纠错

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

AI总结 本文提出基于LLM的漏洞代码增强方法，通过生成或重构技术提升漏洞分类器性能，实验表明混合策略效果最佳。

Comments 15 pages, Accepted by ESAAN 2026, version with added appendix

ModARO: A Modular Approach to Architecture Reconstruction of Distributed Microservice Codebases

ModARO：分布式微服务代码库架构重建的模块化方法

Oscar Manglaras, Alex Farkas, Thomas Woolford, Christoph Treude, Markus Wagner

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

AI总结 ModARO通过模块化方法实现微服务架构重建，支持跨项目复用，提升架构分析的灵活性和实用性。

GCN-MPPR: Enhancing the Propagation of Message Passing Neural Networks via Motif-Based Personalized PageRank

GCN-MPPR: 通过基于图 motif 的个性化 PageRank 增强消息传递神经网络的信息传播

Mingcan Wang, Junchang Xin, Zhongming Yao, Kaifu Long, Zhiqiong Wang

机构 * School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院） ； Key Laboratory of Big Data Management and Analytics (Liaoning Province), Northeastern University（东北大学大数据管理与分析重点实验室） ； The Department of Computer Science, Aalborg University（奥尔堡大学计算机科学系） ； College of Medicine and Biological Information Engineering, Northeastern University（东北大学医学院生物信息工程学院） 纠错

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

AI总结 GCN-MPPR通过基于motif的个性化PageRank改进信息传播，提升GCN在精度、稳定性和效率上的表现。

Predicting the fatigue life of asphalt concrete using neural networks

利用神经网络预测沥青混凝土的疲劳寿命

Jakub Houlík, Jan Valentin, Václav Nežerka

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

AI总结 本研究利用神经网络预测沥青混凝土的疲劳寿命，探讨应变水平、结合料含量和空隙率的影响，通过超参数优化提升预测精度并提供开源代码。

Comments Accepted paper

Journal ref Journal of Materials in Civil Engineering, vol. 38, no. 4, Apr. 2026

Adaptive Evidence Weighting for Audio-Spatiotemporal Fusion

自适应证据加权用于音频-时空融合

Oscar Ovanger, Levi Harris, Timothy H. Keitt

机构 * Jackson School of Geosciences, University of Texas at Austin, Austin, TX, USA（德克萨斯大学奥斯汀分校地质科学学院） 纠错

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

AI总结 FINCH通过自适应证据融合框架结合预训练音频分类器与结构化时空预测器，提升生物声学分类的鲁棒性和性能。

Mići Princ -- A Little Boy Teaching Speech Technologies the Chakavian Dialect

Mići Princ -- 一个男孩教语音技术学习克亚基亚方言

Nikola Ljubešić, Peter Rupnik, Tea Perinčić

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

AI总结 本文通过发布《小王子》克亚基亚方言版本的语料库，为语音识别模型适应克亚基亚方言提供数据支持，显著降低识别错误率。

Comments 2 figures, 14 pages, accepted and presented at JTDH 2024

Reputation as a Solution to Cooperation Collapse in LLM-based MASs

声誉作为解决基于大语言模型的多智能体系统合作崩溃的解决方案

Siyue Ren, Wanli Fu, Xinkun Zou, Chen Shen, Yi Cai, Chen Chu, Zhen Wang, Shuyue Hu

机构 * School of Mechanical Engineering, Northwestern Polytechnical University（西北工业大学机械工程学院） ； School of Cybersecurity, Northwestern Polytechnical University（西北工业大学网络安全学院） ； School of Artificial Intelligence, OPtics and ElectroNics (iOPEN), Northwestern Polytechnical University（西北工业大学人工智能、光学和电子学（iOPEN）学院） ； Kyushu University（九州大学） ； South China University of Technology（华南理工大学） ； Yunnan University of Finance and Economics（云南财经大学） ； Northwestern Polytechnical University（西北工业大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

AI总结 RepuNet通过动态双层声誉框架解决基于大语言模型的多智能体系统中的合作崩溃问题，促进并维持合作。

Comments Published as a conference paper at AAMAS 2026

Unit-Based Agent for Semi-Cascaded Full-Duplex Dialogue Systems

基于单元的代理用于半级联全双工对话系统

Haoyuan Yu, Yuxuan Chen, Minjie Cai

机构 * Hunan University（湖南大学） ； Gongdao Technology（公道科技） ； Jilin University（吉林大学） 纠错

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

AI总结 本文提出基于单元的半级联全双工对话系统，利用多模态大语言模型和辅助模块实现高效对话处理，实验显示其在挑战赛中表现优异。

Comments ICASSP 2026 (Grant Challenge). https://github.com/yu-haoyuan/fd-badcat

Does Functional Package Management Enable Reproducible Builds at Scale? Yes

功能包管理是否能够实现大规模可重复构建？是

Julien Malka, Stefano Zacchiroli, Théo Zimmermann

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

AI总结 本文通过大规模研究Nix功能包管理器，验证了大规模可重复构建的可行性，发现位级可重复性率高达69%-91%，重新构建率超过99%。

Journal ref 22nd International Conference on Mining Software Repositories, Apr 2025, Ottawa, Canada

The Ramanujan Library -- Automated Discovery on the Hypergraph of Integer Relations

拉马努金图书馆——整数关系超图上的自动发现

Itay Beit-Halachmi, Ido Kaminer

机构 * The Ramanujan Machine Team, Faculty of Electrical and Computer Engineering Technion - Israel Institute of Technology（拉马努金机器团队，电气与计算机工程学院，技术离子理工学院） 纠错

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

AI总结 本文提出一个基于超图的数学常数图书馆，利用PSLQ算法自动发现常数间的新关系，包括对π和e关系的扩展。

Comments 20 pages, 7 figures

Journal ref ICLR 2025 Conference

Eliciting Least-to-Most Reasoning for Phishing URL Detection

诱发最小到最大推理以检测钓鱼网址

Holly Trikilis, Pasindu Marasinghe, Fariza Rashid, Suranga Seneviratne

机构 * University of Sydney（悉尼大学） 纠错

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

AI总结 本文提出了一种最小到最大提示框架，通过引入答案敏感性机制提升钓鱼网址检测的推理能力和准确性，优于一次性方法和监督模型。

Understanding npm Developers' Practices, Challenges, and Recommendations for Secure Package Development

理解 npm 开发者的行为、挑战及安全包开发的建议

Anthony Peruma, Truman Choy, Gerald Lee, Italo De Oliveira Santos

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

AI总结 本研究通过调查75名npm开发者，探讨其在安全包开发中的实践、挑战及改进建议，揭示了安全工具不足、依赖项弃用等问题。

Comments The 19th IEEE/ACM International Conference on Cooperative and Human Aspects of Software Engineering - Research Track

Did You Forkget It? Detecting One-Day Vulnerabilities in Open-source ForksWith Global History Analysis

你忘记fork了吗？通过全球历史分析检测开源fork中的单日漏洞

Romain Lefeuvre, Charly Reux, Stefano Zacchiroli, Olivier Barais, Benoit Combemale

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

AI总结 本文提出一种全球历史分析方法，用于检测开源fork中的单日漏洞，通过传播漏洞信息和自动化影响分析，发现135个高严重性漏洞。

A Comprehensive Survey of Deep Learning for Multivariate Time Series Forecasting: A Channel Strategy Perspective

深度学习在多变量时间序列预测中的全面综述：以通道策略视角

Xiangfei Qiu, Hanyin Cheng, Xingjian Wu, Junkai Lu, Jilin Hu, Chenjuan Guo, Christian S. Jensen, Bin Yang

机构 * School of Data Science and Engineering, East China Normal University（数据科学与工程学院，东华大学） ； Department of Computer Science, Aalborg University（计算机科学系，奥尔堡大学） 纠错

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

AI总结 本文从通道策略视角综述了深度学习在多变量时间序列预测中的应用，系统分析了不同策略的优势与局限，并提出了未来研究方向。

A simple algorithm for output range analysis for deep neural networks

用于深度神经网络输出范围分析的简单算法

Helder Rojas, Nilton Rojas, Espinoza J. B., Luis Huamanchumo

机构 * Department of Mathematics Imperial College London（数学系帝国理工学院伦敦） ； Escuela Profesional de Ciencias de la Computación Universidad Nacional de Ingeniería（计算机科学专业国家工程大学） ； Escuela Profesional de Ingeniería Estadística Universidad Nacional de Ingeniería（统计工程专业国家工程大学） 纠错

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

AI总结 本文提出了一种适用于深度神经网络输出范围分析的简单算法，通过模拟退火算法解决高非线性和复杂约束下的估计问题，具有良好的鲁棒性和广泛适用性。

Efficient Multimodal Large Language Models: A Survey

高效多模态大语言模型：综述

Yizhang Jin, Jian Li, Yexin Liu, Tianjun Gu, Kai Wu, Zhengkai Jiang, Muyang He, Bo Zhao, Xin Tan, Zhenye Gan, Yabiao Wang, Chengjie Wang, Lizhuang Ma

机构 * Youtu Lab, Tencent（腾讯优图实验室） ； SJTU（上海交通大学） ； BAAI（北京人工智能研究院） ； ECNU（华东师范大学） 纠错

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

AI总结 本文综述了高效多模态大语言模型的发展现状，探讨了其高效结构、策略及应用，并展望了未来研究方向。

Comments Accepted by Visual Intelligence

Journal ref Visual Intelligence, Volume 3, article number 27, (2025)