代码大模型 / AI 编程

Entropy-based Code Adversarial Translation for Real-world Repository Migration

基于熵的代码对抗翻译用于真实仓库迁移

Yushun Tang, Yisen Cao, Zhicheng Chen, Lin Peng, Junkang Mao, Fengyi Song, Yantao Jia

专题命中 仓库级理解 ：repository(title,abstract)；code generation(abstract)；program repair(abstract)；分类 cs.SE、cs.AI

AI总结 针对LLM迁移仓库难达可运行状态的问题，提出多智能体框架ECAT，引入A2H-RepoBench基准，迁移质量达74.7%且优于现有方法。

RepoProbe: Benchmarking Architecture-Aware Repository Comprehension with Checklists

RepoProbe：基于清单的架构感知代码仓库理解基准测试

Yuexi Yang, Alyssa Wu, Ji Luo, Richeng Xuan, Zhichao Hu, Yuhong Liu, Zhen Qin

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

AI总结 本研究推出RepoProbe基准，采用基于清单的验证协议，发现SOTA LLMs存在编辑偏差，且高清晰度与技术正确性间有差距，提升了代码仓库理解评估的可靠性。

Comments Accepted to the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026). Replication package: https://github.com/Tencent-Hunyuan/RepoProbe

Remember Your Trace: Memory-Guided Long-Horizon Agentic Framework for Consistent and Hierarchical Repository-Level Code Documentation

记住你的踪迹：一种基于记忆的长周期代理框架，用于一致且分层的仓库级代码文档

Suyoung Bae, Jaehoon Lee, Changkyu Choi, YunSeok Choi, Jee-Hyong Lee

机构 * Sungkyunkwan University（成均馆大学） ； University of Oslo（奥斯陆大学） 纠错

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

AI总结 MemDocAgent通过依赖感知遍历引导和记忆引导代理交互，生成统一上下文的仓库级代码文档，实现高效且一致的文档生成。

Cryogenic Materials Repository: A Public Resource and New Measurements for Cryogenic Research Applications

低温材料库：用于低温研究应用的公共资源及新测量数据

Henry E. Nachman, Oorie Desai, Nicholas Galitzki, Daniel Lee, JB Lloyd, Tannishtha Nandi, Ani Pagni, Ray Radebaugh, Elle C. Shaw

专题命中 仓库级理解 ：repository(title,abstract)

AI总结 该研究开发了公共GitHub低温材料库（CMR），提供亚开尔文热导率测量数据，支持各学科研究人员设计评估低温系统，服务于宇宙学、天体物理望远镜等低温研究应用。

Journal ref IEEE Transactions on Applied Superconductivity, Volume 36 , Issue 6, September 2026

What's Inside a GitHub Repository? An Empirical Study on the Contents of 10K Projects

GitHub仓库中有什么？对10000个项目内容的实证研究

Andre Hora, João Eduardo Montandon, Diego Elias Costa

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

AI总结 本文通过分析10000个GitHub仓库的文件和目录，揭示了过去十年仓库内容的变化，包括README.md标准化、GitHub Actions兴起、配置格式演变及生成式AI相关内容的增长。

Comments Paper accepted to ICSME 2026

Examining persistence of European open repository infrastructure and its diffusion in the scholarly record

欧洲开放仓储基础设施的持久性及其在学术记录中的扩散研究

George Macgregor, Joy Davidson

专题命中 仓库级理解 ：repository(title,abstract)

AI总结 通过整合仓储注册数据和网络抓取信息，评估欧洲仓储的持久性，发现超过20%的仓储已“死亡”，约1.2万篇学术作品引用了无法检索的仓储内容，并提出了政策干预建议。

Comments 31 pages

Persistent Recursive Worlds Enable Autonomous Software Evolution

持久递归世界支持自主软件演化

Beichen Huang, Zhenyu Liang, Bowen Zheng, Ran Cheng

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

AI总结 该研究提出 Genesis 框架，以持久递归世界替代持久智能体，成功构建 C 编译器、重实现 MESA 模块，实现长周期软件开发并获显著性能提升。

CIDR: A Large-Scale Industrial Source Code Dataset for Software Engineering Research

CIDR：一个大规模工业源代码数据集用于软件工程研究

Vladislav Savenkov

机构 * Fermatix AI 纠错

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

AI总结 CIDR是首个基于工业合作的大型源代码数据集，包含2440个仓库、138种语言和3.73亿行代码，支持代码智能、软件质量分析和语言模型预训练等研究。

Comments 60 pages, 13 figures, 8 appendices. Dataset access: https://fermatix.ai/#Contact. Anonymization tool: https://github.com/Fermatix/repo-sanitizer. Metadata utility: https://github.com/Fermatix/repo_metadata_cli

Ghosted Layers: Unconstrained Activation Alignment for Recovering Layer-Pruned LLMs

Ghosted Layers: 无约束激活对齐用于恢复层剪枝的LLM

Vincent-Daniel Yun, Junhyuk Jo, Sai Praneeth Karimireddy, Sunwoo Lee

机构 * University of Southern California（南加州大学） ； Inha University（inha大学） 纠错

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

AI总结 本文提出Ghosted Layers方法，通过无约束优化解决层剪枝后激活分布不匹配问题，提升LLM准确性和 perplexity 而不牺牲效率。

From Codebases to LLMs: Non-Inclusive Naming in Linux Foundation Repositories

从代码库到语言模型：Linux 基金会存储库中的非包容性命名

Honghao Tan, Md Nafiu Rahman, Shin Hwei Tan

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

AI总结 研究利用 NISCAN 框架检测 Linux 基金会存储库中代码及相关工件的非包容性术语，对 461 个存储库进行生态系统规模研究，分析术语变化及影响因素，还通过案例研究评估大语言模型处理情况。

Early Adoption of Agentic Coding Tools by GitHub Projects

GitHub项目对智能编码工具的早期采用

Maliha Noushin Raida, Daqing Hou

机构 * Rochester Institute of Technology（罗切斯特技术学院） 纠错

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

AI总结 研究GitHub项目对智能编码工具的早期采用情况，通过分析大量智能PR，探究采用情况、项目生产力及协作模式，发现多数仓库采用少，小项目参与度高，生产力差异大，人机协作以单人监督为主，为相关管理提供实证依据。

Comments Accepted at the KDD 2026 Workshop on Agentic Software Engineering (SE 3.0)

Given, When, Then, Again: Mining Subscenario Refactoring Candidates in Behaviour-Driven Test Suites with ML Classifiers and LLM-Judge Baselines

在行为驱动软件测试套件中挖掘子场景重构机会：ML分类器和LLM-判断基线

Ali Hassaan Mughal, Noor Fatima, Muhammad Bilal

机构 * Independent Researcher（独立研究者；应用MBA（数据分析），德克萨斯韦斯利安大学） ； Applied MBA (Data Analytics), Texas Wesleyan University（独立研究者；计算机工程学士，国立科学与技术大学（NUST）） ； Independent Researcher（独立研究者；管理硕士，慕尼黑技术大学） ； B.E. Computer Engineering, National University of Sciences and Technology (NUST) ； Independent Researcher ； M.Sc. Management, Technical University of Munich 纠错

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

AI总结 本文通过ML分类器和LLM基线，识别行为驱动开发测试套件中可提取的子场景，量化其在公共BDD生态系统中的普及率。

Comments 31 pages, 10 figures, 6 tables, 56 references. v2: retitled; references corrected and verified; threshold-sensitivity and imbalance-robust metrics added; figures restyled. Code and data (Apache-2.0): https://github.com/amughalbscs16/cukereuse_subscenarios_release (archived: https://doi.org/10.5281/zenodo.20356527). Upstream corpus: https://doi.org/10.5281/zenodo.19754359

ReCodeAgent: A Multi-agent Workflow for Language-Agnostic Translation and Validation of Large-Scale Repositories

ReCodeAgent：一种多智能体工作流用于语言无关的大规模仓库翻译与验证

Ali Reza Ibrahimzada, Brandon Paulsen, Daniel Kroening, Reyhaneh Jabbarvand

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊） 纠错

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

AI总结 ReCodeAgent通过多智能体方法实现大规模仓库代码翻译与验证的语言无关性，提升翻译正确率并降低成本，验证其效率和设计影响。

Comments Published in ASE 2026

REVERE: Reflective Evolving Research Engineer

REVERE：面向科学工作流的反思性进化研究工程师

Balaji Dinesh Gangireddi, Aniketh Garikaparthi, Manasi Patwardhan, Arman Cohan

机构 * TCS Research（TCS研究） ； Yale University（耶鲁大学） 纠错

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

AI总结 REVERE通过全局训练上下文学习和反思优化框架，提升科研编码任务性能，实现4.50%、3.51%和4.89%的提升。

Comments Published as a conference paper at COLM 2026

SkillClaw: Let Skills Evolve Collectively with Agentic Evolver

SkillClaw: 让技能与代理进化者共同进化

Ziyu Ma, Shidong Yang, Yuxiang Ji, Xucong Wang, Yong Wang, Yiming Hu, Tongwen Huang, Xiangxiang Chu

机构 * DreamX Team（DreamX团队） 纠错

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

AI总结 SkillClaw通过聚合多用户交互数据，实现技能的集体进化，提升代理在现实场景中的性能。

SkillTrace: Multi-Trace Provenance Auditing for LLM-Agent Skill Reuse

SkillTrace：面向LLM智能体技能复用的多溯源审计

Jialuo Chen, Minghe Wang, Lingqi Jiang, Jianan Ma, Xinhao Deng, Xiaohu Du, Ruixiao Lin, Yunhao Feng, Linkang Du, Jingyi Wang

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

AI总结 本文提出SKILLTRACE框架，通过提取三种溯源审计LLM智能体技能复用，在SKILLTRACE-BENCH上取得高指标，野外审计显示其能生成更具操作性的复用审查队列。

Topology-Aware Reasoning over Incomplete Knowledge Graph with Graph-Based Soft Prompting

基于拓扑的不完整知识图谱推理与图基软提示

Shuai Wang, Xixi Wang, Yinan Yu

机构 * Chalmers University of Technology and University of Gothenburg, Sweden（楚姆勒大学技术学院和哥德堡大学，瑞典） ； Technical University of Denmark, Kgs. Lyngby, Denmark（丹麦技术大学，基斯勒吕辛，丹麦） 纠错

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

AI总结 本文提出基于图的软提示框架，通过图神经网络编码子图生成软提示，使LLM在更丰富的结构上下文中推理，减少缺失边的影响，提升多跳KBQA性能。

Comments 17 pages, 2 figures

Formal Analysis and Supply Chain Security for Agentic AI Skills

代理AI技能的正式分析与供应链安全

Varun Pratap Bhardwaj

机构 * Independent Research（独立研究） 纠错

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

AI总结 SkillFortify是首个用于代理技能供应链的形式化分析框架，通过六大贡献提升安全性和检测效率。

Comments 32 pages, 5 theorems with full proofs, 68 references, open-source tool: https://github.com/qualixar/skillfortify

AgentGUI: An Interface for Observing and Steering Long-Running AI Agents

AgentGUI：用于观测与调控长期运行AI智能体的界面

Xuan Zhao, Jiwoong Sohn, Qinyue Zheng, Michael Moor

机构 * ETH Zürich（苏黎世联邦理工学院） 纠错

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

AI总结 针对AI智能体观测与调控的界面缺失问题，研究人员推出AgentGUI，通过轨迹可视化、手动自动调控等功能提升智能体任务处理效率，成果已开源。

MambaTS: Improved Selective State Space Models for Long-term Time Series Forecasting

MambaTS：用于长期时间序列预测的改进型选择性状态空间模型

Xiuding Cai, Xueyao Wang, Yaoyao Zhu, Yu Yao

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

AI总结 MambaTS是基于线性扫描的改进型选择性状态空间模型，以Mamba为骨干，通过VAST和TMB等技术解决LTSF问题，在8个公开数据集上取得了优异预测性能。

Comments Accepted by Pattern Recognition 2026

Skillware: A Software Ontology and Engineering Lifecycle for Persistent Behavioral Artifacts

Skillware：用于持久行为工件的软件本体与工程生命周期

Haodi Fan, Zucong Lan

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

AI总结 研究针对智能体技能成为持久行为工件却缺乏相关软件本体的问题，引入Skillware，通过Skill Artifact和Skillware Unit管理工件，阐述相关条件与证据，为智能体能力提供可识别、可组合、可维护及可演化的软件本体与工程生命周期。

Comments 26 pages, 6 figures, 5 tables

The Hitchhiker's Guide to Monoculture

单一文化的搭便车指南

Gordon Burtch

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

AI总结 研究通过Kaggle竞赛提交代码，探讨人工智能编码助手对代码的影响，采用多种方法在不同层面研究代码同质化，发现句法有显著同质化，语义同质化不明显，表明编码助手规范了实现细节但未使方法和策略趋同。

Posts of Peril: Detecting Information About Hazards in Text

危险帖子：检测文本中的危害信息

Keith Burghardt, Daniel M. T. Fessler, Chyna Tang, Anne Pisor, Kristina Lerman

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

AI总结 研究如何检测文本中的危害信息，开发新模型并基于标注X帖子训练，应用于地缘政治事件数据集，发现危害信息常见，无机账户有特定讨论模式，为信息战环境下危害探索迈出第一步。

Comments 21 pages, 14 figures

Journal ref In: ICWSM 2026, 20(1), 370-390 (2026)

Perception-Aligned AI Outputs: End-to-End Visual Prediction for Uncertainty Communication in Clinical Decision-Making

感知对齐的人工智能输出：临床决策中用于不确定性通信的端到端视觉预测

Mohammad Eslami, Solale Tabarestani, Saber Kazeminasab, Ehsan Adeli, Glyn Elwyn, Tobias Elze, Mengyu Wang, Nazlee Zebardast, Lucia Sobrin, Nassir Navab, Daniel Shu Wei Ting, Malek Adjouadi

机构 * Harvard Ophthalmology AI Lab（哈佛眼科人工智能实验室） ； Schepens Eye Research Institute of Massachusetts Eye and Ear（马萨诸塞眼耳医院施佩恩眼科研究所） ； Harvard Medical School（哈佛医学院） ； Center for Advanced Technology and Education（先进教育技术中心） ； Florida International University（佛罗里达国际大学） ； Dartmouth Institute for Health Policy and Clinical Practice（达特茅斯健康政策与临床实践研究所） ； Dartmouth College（达特茅斯学院） ； Computer Aided Medical Procedures（医学辅助程序） ； Technical University of Munich（慕尼黑技术大学） ； Singapore Eye Research Institute（新加坡眼科研究所） ； Singapore National Eye Centre（新加坡国家眼科中心） ； Department of Ophthalmology, Byers Eye Institute, Stanford University（眼科部门，比尔斯眼科研究所，斯坦福大学） 纠错

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

AI总结 研究针对医疗保健中可解释人工智能的问题，提出以人为本的机器学习可视化学习框架VL4ML，通过直观视觉表示传达模型预测与不确定性，经多临床任务验证及评估，结果显示其能有效支持临床决策，具有广泛可及性。

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。

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

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。

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。

The Reciprocal Impact of Science and Software: A Cross-Corpus Analysis of How Research Shapes Software and Software Enables Research

科学与软件的相互影响：跨语料库分析研究如何塑造软件以及软件如何赋能研究

Audris Mockus

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

AI总结 通过构建包含6980万条边的跨语料库图，链接软件仓库与学术文献，分析科学对软件的影响（如可重复性工具）和软件对科学的影响（如机器学习基础设施），发现直接引用稀疏且依赖复用与引用计数的相关性较弱。