语言大模型 / LLM

Geopolitical Barriers to Globalization

地缘政治对全球化的影响

Tianyu Fan, Mai Wo, Wei Xiang

专题命中 其他LLM ：large language model(abstract)；language model(abstract)

AI总结 地缘政治恶化抵消了关税自由化促进贸易的效果，导致2007年后贸易全球化放缓，双边地缘政治对齐提升可使贸易增长22%，福利效应不均。

Can LLMs be Effective Code Contributors? A Study on Open-source Projects

LLMs能否成为有效的代码贡献者？对开源项目的研究

Chun Jie Chong, Muyeed Ahmed, Zhihao, Yao, Iulian Neamtiu

专题命中 其他LLM ：LLM(abstract,abstract_cn)

AI总结 本文研究了LLMs在开源项目中的代码贡献效果，通过评估框架发现LLMs在修复bug和添加功能时成功率低，存在语法错误和测试失败等问题，主要贡献是提出评估方法和改进建议。

Proteus: Shapeshifting Desktop Visualizations for Mobile via Multi-level Intelligent Adaptation

Proteus：通过多级智能适应实现移动端的桌面可视化变形

Can Liu, Sizhe Cheng, Feng Liang, Zhibang Jiang, Lingru Huang, Kavinda Athapaththu, Yong Wang

专题命中 其他LLM ：large language model(abstract)；language model(abstract)

AI总结 Proteus通过多级智能适应技术，自动将桌面可视化转换为移动端可读的可视化，解决移动端屏幕尺寸和交互方式差异导致的显示问题。

Comments accepted by ACM Designing Interactive Systems Conference

Does AI Code Review Lead to Code Changes? A Case Study of GitHub Actions

AI代码审查是否导致代码更改？GitHub动作的案例研究

Kexin Sun, Hongyu Kuang, Sebastian Baltes, Xin Zhou, He Zhang, Xiaoxing Ma, Guoping Rong, Dong Shao, Christoph Treude

专题命中 其他LLM ：LLM(abstract,abstract_cn)

AI总结 本文通过分析GitHub动作中的16种AI代码审查工具，探讨其使用情况、评论是否引发代码更改以及影响有效性因素，发现简洁、包含代码片段且手动触发的评论更可能引发更改。

Residual Feature Integration is Sufficient to Prevent Negative Transfer

残差特征整合足以防止负迁移

Yichen Xu, Ryumei Nakada, Linjun Zhang, Lexin Li

机构 * University of California, Berkeley（加州大学伯克利分校） ； Harvard University（哈佛大学） ； Rutgers University（罗格斯大学） 纠错

专题命中 其他LLM ：foundation model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出通过整合冻结的预训练源特征与可训练的目标编码器，有效防止负迁移，理论证明其收敛率不低于从头训练，并在多个数据集上验证了方法的鲁棒性与广泛适用性。

Journal ref The Fourteenth International Conference on Learning Representations (ICLR 2026)

SAGE: Sparse Adaptive Guidance for Dependency-Aware Tabular Data Generation

SAGE：用于依赖感知表格数据生成的稀疏自适应指导

Shuo Yang, Zheyu Zhang, Bardh Prenkaj, Gjergji Kasneci

机构 * Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） 纠错

专题命中 其他LLM ：LLM(abstract)；分类 cs.LG

AI总结 SAGE通过稀疏动态依赖指导提升表格数据生成的准确性和实用性，实验显示其在多个任务中提升了F1分数10%并减少政策违规。

Comments Accepted by ACL 2026

BiMol-Diff: A Unified Diffusion Framework for Molecular Generation and Captioning

BiMol-Diff：一种用于分子生成和描述的统一扩散框架

Aditya Hemant Shahane, Anuj Kumar Sirohi, Devansh Arora, Nitin Kumar, Prathosh A P, Sandeep Kumar

机构 * Indian Institute of Technology Delhi（印度理工学院德里） ； Indian Institute of Technology Ropar（印度理工学院罗帕尔） ； Indian Institute of Science Bengaluru（班加罗尔印度科学研究院） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.CL

AI总结 本文提出BiMol-Diff，一种统一的扩散框架，用于文本条件分子生成和分子描述任务，通过token-aware噪声调度提升分子结构-语言建模的保真度。

MAS-SZZ: Multi-Agentic SZZ Algorithm for Vulnerability-Inducing Commit Identification

MAS-SZZ：多智能体SZZ算法用于漏洞引发提交识别

Sicong Cao, Jinxuan Xu, Le Yu, Jing Yang, Xingwei Lin, Linlin Zhu, Fu Xiao

专题命中 其他LLM ：prompting(abstract)

AI总结 本文提出MAS-SZZ算法，通过多智能体协作识别漏洞引发提交，通过结构化向前提示策略定位漏洞相关代码，提升漏洞检测准确性。

BurstGP: Enhancing Raw Burst Image Super Resolution with Generative Priors

BurstGP: 通过生成先验增强原始burst图像超分辨率

Dong Huo, Tristan Aumentado-Armstrong, Samrudhdhi B. Rangrej, Maitreya Suin, Angela Ning Ye, Zhiming Hu, Amanpreet Walia, Amirhossein Kazerouni, Konstantinos G. Derpanis, Iqbal Mohomed, Alex Levinshtein

机构 * AI Center - Toronto, Samsung Electronics（多伦多AI中心、三星电子） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； University Health Network（大学健康网络） ； York University（约克大学） 纠错

专题命中 其他LLM ：foundation model(abstract)

AI总结 本文提出BurstGP，一种基于扩散模型的burst图像超分辨率方法，利用生成先验解决传统方法在复杂纹理和过度平滑上的不足，通过多帧感知扩散模型和降质感知条件机制提升图像质量。

Comments 37 pages, 13 figures