- 博客(534)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 【ACL 2025】FEA-Bench：软件是长出来的，不是修出来的——「加新功能」第一次成了可判分基准
【ACL 2025】FEA-Bench：软件是长出来的，不是修出来的——「加新功能」第一次成了可判分基准
2026-10-24 12:22:02
14
原创 【arXiv 2026】DREA：解耦推理与探索智能体的仓库级漏洞检测｜从 AI 代码安全审计视角
DREA 把安全推理交给大模型、把翻代码交给本地小模型：仓库级漏洞检测的配对正确率从 19–26% 提到 30–42%，可计费 API 成本降 16–48 倍，同时发现 26–55% 的真阳其实是蒙对。
2026-10-24 08:21:55
19
原创 【FSE 2026】让自主调试智能体用得起动态分析：函数级调试接口 ADI
【FSE 2026】让自主调试智能体用得起动态分析：函数级调试接口 ADI
2026-10-23 12:20:31
51
原创 【ASE 2026】TraceRepair：让大模型先「看见」再改代码，Defects4J 上多修 101 个缺陷｜从软件工程实证视角
ASE 2026 的 TraceRepair 用运行轨迹约束大模型的补丁假设，Defects4J 上正确修复 392 个缺陷，比最强基线多 101 个，定位退化时只掉 3.39%，每 bug 只要 85k token。
2026-10-23 08:25:24
55
原创 【AACL-IJCNLP 2026】SWE-Adept：仓库级修 bug 拆成两个智能体，先定位准了再动手，端到端解决率最高 +4.3%｜从软件智能体工程视角
SWE-Adept（AACL-IJCNLP 2026）把仓库级修 bug 拆成定位与解题两个智能体：检索只回结构骨架、全文推迟到最后一步。函数级定位从 83.4% 提到 87.8%，端到端解决率 71.3%（SWE-Bench Lite），每实例成本 0.42 美元起。
2026-10-22 18:25:00
196
原创 【ASE 2025】BugCraft：沙盒里的智能体，Minecraft 崩溃 Bug 的端到端自动复现｜从自动化缺陷复现视角
ASE 2025 论文 BugCraft：用「规划器 + 视觉行动器」两级结构，把玩家写的 Minecraft 崩溃报告自动变成可执行复现脚本。86 条基准确认集上端到端成功率 34.9%，超过 OpenAI CUA 的 25.5%，单次尝试成本约 1.16 美元。
2026-10-22 12:24:20
160
原创 【ICSE 2026】RepGen：模仿游戏，让智能体替你复现深度学习 Bug｜从 AI4SE 工程视角
【ICSE 2026】RepGen 把深度学习 Bug 复现从手工试错变成自动流水线：106 条真实缺陷上复现率 80.19%，比最强基线高 19.81 个点，27 人对照实验成功率提升 23.35%。
2026-10-22 08:23:35
58
原创 【ICLR 2026】EoS 几何：稳定边缘之下，数据几何决定隐式正则的强弱｜从泛化理论视角
ICLR 2026 理论论文：把「隐式正则有多强」归结为数据可碎裂性。球面数据的干净误差 1.0249 等于噪声水平，低维并集只有 0.07；混合 m 维球上率是 n 的 -1/(2m+4) 次幂，与周围维数无关。
2026-10-21 18:22:49
172
原创 【EACL 2026】TDFlow：把「修 bug」重写成「跑绿人类写的测试」，四个子智能体的测试驱动工作流
【EACL 2026】TDFlow：把「修 bug」重写成「跑绿人类写的测试」，四个子智能体的测试驱动工作流
2026-10-21 08:20:21
164
原创 【arXiv 2026】Dream-RSI：把发现历史变成可回放世界，让智能体在历史里「做梦」｜从递归自我改进视角
【arXiv 2026】Dream-RSI 把智能体的发现历史改造成可回放模拟器，让探索策略在历史里"做梦"再上线：Lasso 调用 550→317、平均耗时 3587.1→2931.0 ms；KernelBench 少用 2.43× 代；Terminal-Bench 2.1 从 0.7247 提到 0.8090。
2026-10-20 18:25:13
205
原创 【ISSTA 2026】IssueExec：测试即需求，把问题定位变成可执行的检索任务｜从代码智能与自动化修复视角
【ISSTA 2026】IssueExec：把 issue→代码的直接匹配换成 issue→测试→执行轨迹的两跳证据链，函数级 Recall@1 提升 41.57%，接进 Agentless 后多解决 17 个 issue。
2026-10-19 18:24:21
190
原创 【EMNLP 2025】CodeRAG：检索增强的仓库级代码补全，既要找到相关知识，更要找到必要知识｜从代码大模型检索视角
【EMNLP 2025】CodeRAG 把「查什么、从哪查、查到的排第几」三件事一次做对：仓库级代码补全里，Qwen2.5-Coder-7B 的代码精确匹配从最强基线 39.99 提到 47.48，四个代码大模型两个基准全部第一，单次查询检索开销 0.23 秒。
2026-10-19 08:22:26
245
原创 【ICLR 2026】SweRank：把“改哪里“变成排序问题，面向软件问题定位的代码排序框架｜从软件工程与代码智能视角
ICLR 2026 的 SweRank 把软件问题定位做成排序任务：SWE-Bench-Lite 函数级 Acc@10 达 88.69%，每实例重排成本 0.011 美元，比 LocAgent 配 Claude-3.5 的 77.37% / 0.66 美元又快又准又便宜。
2026-10-18 12:26:03
92
原创 【ICLR 2025】RepoGraph：把代码仓库变成一张图｜从AI软件工程视角
ICLR 2025 的 RepoGraph 把代码仓库切成行级代码图，作为可插拔模块接进四个已有框架，SWE-bench-Lite 上解决率全面上涨，平均相对提升 32.8%，token 只多花约 11%。
2026-10-18 08:24:54
166
原创 【ACL 2026】ReasonIF：推理模型「答案对了、过程没听话」，思维链里的指令遵循平均只有 15.6%｜从大模型可控性与评测视角
Findings of ACL 2026 的 ReasonIF 把模型输出拆成思维链与主回答分别打分：主回答的指令遵循率平均 57.3%，思维链里只有 15.6%；JSON 格式化和全大写两类指令在六个开源推理模型上全部归零，推理遵循率与准确率平均相关 0.784。
2026-10-17 18:23:34
241
原创 【IEEE TSE 2026】TCFL：跑失败的锅不一定在系统，用大模型免执行定位系统级测试代码里的故障｜从软件测试与 CI 工程视角
IEEE TSE 2026 论文：只吃一条失败日志，静态估计测试代码的执行轨迹并剪枝，再用大模型排序可疑位置——轨迹精度 89.6%，比最新 LLM 定位方法省 85% 以上推理时间、93% token。
2026-10-17 12:22:32
206
原创 【SANER 2024】FuseFL：用大模型逐步推理实现可解释故障定位｜从软件测试与调试工程视角
【SANER 2024】FuseFL 论文解读：把 SBFL 可疑度排名、测试执行结果与代码描述一起交给 ChatGPT 逐步推理，做可解释的故障定位；Top-1 定位 197 例，比 Ochiai 的 117 高 68.4%，另附 600 条人工逐步推理解释数据集与十人人工评测。
2026-10-17 08:22:11
149
原创 【NeurIPS 2025】AAWR：用特权传感器在真实世界训练主动感知机器人｜从机器人强化学习视角
AAWR（NeurIPS 2025）训练时让价值网络多看几个特权传感器、部署时全部撤掉，让机器人在 8 个任务上学会主动搜索：真机抓取率从 47% 提到 94%，时间归一化后比穷举搜索快 2–8 倍。
2026-10-16 01:06:55
66
原创 【arXiv 2026】ActiveArena：主动感知怎么测，可控视角模拟器、35 个操作任务与 13 种 VLA 配置｜从机器人主动感知评测视角
arXiv 2026 的 ActiveArena 把机器人主动感知拆成「主动获取」与「记忆维持」两条轴：35 个任务、581.2k 帧训练数据、13 种 VLA 配置。最强配置同分布 62.97%、分布外 47.60%，而去掉主动视角动作维度后只剩 0.34%。
2026-10-16 01:03:57
130
原创 【IROS 2026】SHM-POMDP：把科学假设图接进 POMDP 的在线规划｜从机器人自主探测视角
IROS 2026 论文 SHM-POMDP：把规划树的分支对象从原始高维观测换成推断物理属性，15×15 网格 50 维观测上回报 +18.6%、每步计算时间 -32.9%，真实高光谱数据信息增益是最强基线的 2.5 倍。
2026-10-16 01:03:21
85
原创 【RSS 2024】Explore-EQA：探索到置信为止，面向具身问答的高效主动探索｜从具身智能主动感知视角
RSS 2024 的 Explore-EQA 用外部语义地图补上 VLM 的空间记忆，再用共形预测校准置信度：达到 58% 成功率时它只用 71% 的最大步数，而相关度阈值基线要 85%。
2026-10-16 00:35:58
84
原创 【NeurIPS 2025】VAGEN 论文解读：让 VLM 智能体写出世界模型推理，3B 模型以 0.82 超过 GPT-5｜从多轮智能体 RL 训练视角
VAGEN 让 3B 的 Qwen2.5-VL 在多轮视觉智能体任务上从 0.21 提到 0.82，超过 GPT-5 的 0.75。做法是把推理拆成状态估计与状态转移预测，用 LLM-as-a-Judge 打密集奖励、两级 GAE 分配信用。NeurIPS 2025 论文解读。
2026-10-16 00:34:13
192
原创 【CoRL 2025】X-Sim：用「真实—仿真—真实」闭环从人类视频学会机器人操作｜从机器人数据采集成本视角
CoRL 2025 Oral 论文 X-Sim 提出真实—仿真—真实框架，用人类视频中被跟踪的物体运动当作稠密奖励，在照片级仿真中训练强化学习策略并蒸馏成图像扩散策略，全程零机器人遥操作数据；5 个任务平均任务进度达 83.3%，标定后 90.7%，比手部跟踪基线高出 30 个百分点以上，并以 10 倍更少的采集时间媲美行为克隆。
2026-10-16 00:31:38
15
原创 【ICML 2026】SC²-WM：导航智能体不再「闭眼往前冲」，把世界模型的前瞻差当成内部反馈｜从具身导航世界模型视角
ICML 2026 的 SC²-WM 用世界模型的前瞻差当内部反馈，R2R-CE 单目成功率 43.8%→50.9%，轨迹长度 26.16→17.65 米，真机成功率 70%→85%
2026-10-16 00:25:03
147
原创 【ICRA ‘26 ROSE Workshop】CrossMaps：让地图知道自己有多可信，巡视器的开放词汇语义建图与双记忆门控｜从机器人语义建图的可信度视角
CrossMaps 把几何、语义、时序 3 类置信度直接写进栅格地图的融合权重，并用 STM/LTM 双记忆把瞬时噪声与长期地标分开；在 Jetson Orin 巡视器上与 RTAB-Map 同机实时运行，支持自然语言查询。含 7 张论文配图、3 张流程图与 B 站讲解视频。
2026-10-16 00:21:09
88
原创 【ICLR 2026】ToS：空间也需要一种「心智理论」，基础模型能靠主动探索建起空间信念吗？｜从具身空间智能评测视角
ICLR 2026 论文 ToS 用文本 + 视觉双世界测了 6 个主流多模态模型：GPT-5.2 被动答题 57.1 分，改成自己探索只剩 46.0 分；位置感知 72.4% 的模型终局地图正确率只有 32.2%；视觉侧朝向「信念惯性」高达 68.9%。
2026-10-16 00:19:31
169
原创 【ACL 2025】Agentic Reasoning 论文解读：用智能体工具强化 LLM 推理的极简框架｜从大模型智能体与深度研究视角
【ACL 2025】Agentic Reasoning 用 Web-Search、Code 与 Mind-Map 三件套把工具接入推理链：Humanity's Last Exam 从 9.4% 升到 23.8%（+14.4），GPQA 81.2% 超越 o3-mini-high，GAIA 平均 66.13 刷新公开方法 SOTA。无需重训基座，工具质量远大于数量。
2026-10-16 00:08:46
178
原创 【ICML 2026】GLANCE：智能体「想到的」和「看到的」对不上时，它才会去探索｜从 VLM 智能体的探索机制视角
【ICML 2026】GLANCE 把 VLM 智能体的语言预测投影进视觉表征空间，用预测误差既训练表示又当好奇心奖励：五个任务总评从 0.81 提到 0.86，稀疏奖励下推箱子成功率从 0.61 提到 0.74。
2026-10-15 19:50:41
83
原创 【ICLR 2026】Rolling Forcing：实时长视频扩散，质量漂移降至0.01｜从世界模型流式推理视角
Rolling Forcing（ICLR 2026）论文解读：实时自回归长视频扩散，15.79 FPS 单 GPU 实时生成、稳态延迟 0.76 秒、首尾五秒质量漂移仅 0.01。
2026-10-15 19:38:06
57
原创 【arXiv 2026】EFM-10 & BAP：让机械臂自己找视角，探索与聚焦操作的新问题、基准与双臂主动感知策略｜从具身操作感知视角
把「视觉遮挡」重新定义为「任务所需信息缺失」——不必加装 6/7 自由度主动颈，改用闲置的那条手臂架起相机。EFM-10 基准含 10 个任务，BAPData 有 1850 条真机示范；执行器入镜后敲钉成功率 6.67% → 43.3%，接入力觉后插 USB 灯 20% → 36.7%。
2026-10-15 18:55:48
80
原创 【ICRA 2026】COMPASS：狭小空间里的主动感知与操作，先扫近场保命，再按操作效用探索找目标｜从机械臂受限空间探索视角
ICRA 2026 论文 COMPASS 把狭小空间里的机械臂操作拆成三段——近场扫视保安全、操作效用挑下一视点、约束优化筛抓取。四档基准平均成功率 69.9%（最强基线 45.6%），Franka FR3 实机 80%，评测只跑在消费级工作站上。
2026-10-15 18:52:47
60
原创 【arXiv 2026】TurboVLA：＜1 GB 显存、RTX 4090 上 32 Hz 实时运行的视觉-语言-动作模型｜从实时机器人系统部署视角
【arXiv 2026】TurboVLA：<1 GB 显存、RTX 4090 上 32 Hz 实时运行的视觉-语言-动作模型
2026-10-15 18:31:50
160
原创 【ICRA 2026】VOPP 论文解读：首个全向量化在线 POMDP 求解器｜从机器人规划算法视角
【ICRA 2026】VOPP 论文解读：首个完全向量化的在线 POMDP 求解器，用三张量表示信念树、以批量张量运算替代同步，实测比 HyP-DESPOT 至少快 20 倍（部分基准超过 100 倍），可并行 60,000 条 episode，是唯一能处理 3025 个动作的 MARS(50,50) 的求解器。
2026-10-10 00:00:07
88
原创 【arXiv 2024】接触式主动定位的分层 POMDP 规划框架｜从机器人操作规划视角
CMU 机器人研究所的分层 POMDP 规划框架：用二值接触信号在视觉失效场景下定位目标物体，先在 3D 体素空间粗推理、再切到粒子空间精修，把百万级粒子的在线规划从不可行变为可行。真实世界 30 次运行成功率 93%（货架 28/30、可移动底座 27/30，平均 33.2s / 42.3s），累计成本较 TBL、Frontier 等贪心基线降低超过 50%。
2026-10-09 01:56:05
76
原创 【EMNLP 2024】GoG 论文解读：让大模型同时充当智能体与知识图谱，破解不完整知识图谱问答｜从知识图谱问答与大模型知识融合视角
【EMNLP 2024】GoG 论文解读：提出 IKGQA 不完整知识图谱问答新任务与训练-free 框架 GoG，让 LLM 同时当智能体探索图谱、当 KG 生成缺失三元组。GPT-4 底座下完整 KG 达 75.2/84.4 Hits@1，缺失 40% 关键三元组时仍达 60.4/80.3。
2026-10-09 01:21:37
170
原创 【EMNLP 2025】VistaWise 论文解读：跨模态知识图谱让 Minecraft 智能体成本降两个数量级｜从游戏AI与开放世界智能体视角
EMNLP 2025 论文 VistaWise 解读：只用 471 帧微调目标检测模型，配合跨模态知识图谱与桌面级键鼠技能库，让大模型不微调、不依赖环境 API 直接玩 Minecraft，取得 33% 钻石成功率。
2026-10-09 01:01:08
187
原创 【EMNLP 2025】VistaWise 论文解读：跨模态知识图谱让 Minecraft 智能体成本降两个数量级｜从游戏AI与开放世界智能体视角
EMNLP 2025 论文 VistaWise 解读：只用 471 帧微调目标检测模型，配合跨模态知识图谱与桌面级键鼠技能库，让大模型不微调、不依赖环境 API 直接玩 Minecraft，取得 33% 钻石成功率。
2026-10-09 00:48:53
32
原创 【CVPR 2026】Graph2Eval：以知识图谱为任务空间的多模态 Agent 任务自动生成｜从智能体自动评测视角
CVPR 2026 论文 Graph2Eval 解读：以知识图谱作为任务空间自动生成多模态智能体评测任务，任务语义一致性 +20%、可解性 +17%，并构建 1,319 道题的 Graph2Eval-Bench。
2026-10-09 00:40:01
175
原创 【RA-L 2025】DovSG：面向长期语言引导移动操作的动态开放词汇 3D 场景图｜从长期记忆与动态建图视角
【RA-L 2025】DovSG 论文解读：把动态开放词汇 3D 场景图当作机器人长期记忆，只局部重算被动过的物体——长期任务成功率 35% 对静态假设基线 5%，更新快 27 倍、内存省 13 倍。
2026-10-08 01:35:09
70
空空如也
如何分割出音频中的每一个字？
2021-09-11
TA创建的收藏夹 TA关注的收藏夹
TA关注的人