-
基于神经网络的代码LLM解释方法:背景、原因与实现方式?
摘要AI总结要查看此由AI生成的总结,您需要拥有高级访问权限。了解更多登录摘要摘要代码语言模型在各种代码智能任务中展现出了强大的能力。尽管现有研究大多致力于在基准数据集上提升性能,但很少有研究关注模型的内部可解释性——即特定神经元如何影响语法和语义等语言特征,而这对于确保模型的透
来源:Proceedings of the ACM on Software Engineering
时间:2026-07-06
-
ProofFusion:通过自适应检索增强推理提升神经定理证明性能
摘要AI总结要查看此由AI生成的总结,您需要拥有高级访问权限。了解更多登录摘要摘要交互式定理证明是一种确保复杂软件系统正确性的强大方法。然而,它通常需要大量的人工工作,因此在实际应用中成本较高。最近,基于神经网络的方法在自动生成证明策略方面显示出潜力。不过,现有方法存在训练数据中
来源:Proceedings of the ACM on Software Engineering
时间:2026-07-06
-
TestTailor:利用大语言模型通过路径近似测试生成高覆盖率的测试用例
摘要AI总结要查看此由AI生成的总结,您需要拥有高级访问权限。了解更多登录摘要摘要自动化单元测试对于确保软件质量至关重要。通过自动化单元测试生成来实现高代码覆盖率仍然具有挑战性,尤其是对于那些由复杂或深度嵌套的条件所保护的难以覆盖的分支。传统的基于搜索的方法往往会在性能上达到瓶颈
来源:Proceedings of the ACM on Software Engineering
时间:2026-07-06
-
具有统计保证的深度神经网络前提条件综合
摘要AI总结要查看此由AI生成的总结,您需要拥有高级访问权限。了解更多信息登录摘要摘要深度神经网络越来越被应用于对安全性要求较高的系统中。然而,现有的形式化验证方法难以为其可靠性的规范提供充分的定量保障,而新兴的前提条件生成技术也受到深度神经网络在可扩展性和架构方面的限制。在本文
来源:Proceedings of the ACM on Software Engineering
时间:2026-07-06
-
GadgetHunter:基于区域的Java反序列化漏洞神经符号检测方法
摘要AI总结要查看此由AI生成的总结,您需要拥有高级访问权限。了解更多信息登录摘要摘要Java反序列化漏洞使得攻击者能够通过构造恶意序列化对象来执行任意代码,这些对象会触发一系列方法调用,从而引发危险操作。现有的检测方法存在根本性的权衡:静态分析虽然具备可扩展性,但由于路径不可行
来源:Proceedings of the ACM on Software Engineering
时间:2026-07-06
-
用于3D高斯飞溅效果高效混合的变形级筛选技术
摘要
AI总结:要查看此由AI生成的总结,您需要拥有高级访问权限。了解更多信息并登录。
摘要
3D高斯溅射技术是实时捕捉和渲染辐射场的事实标准,在众多应用中得到了广泛应用。近期有一些方法被提出用于提升渲染速度,但这些方案往往会导致模型分辨率下降、依赖会降低图像质量的
来源:Proceedings of the ACM on Computer Graphics and Interactive Techniques
时间:2026-07-06
-
光线追踪大量动态几何体
摘要
我们提出了一种高效处理大量具有独特动画效果的复杂网格几何体的光线追踪方法。该方法利用四面体笼将原始的静态三角形几何体分割成互不重叠的三角形集合。对于每个四面体,会在其包含的三角形上构建加速结构,同时为所有四面体单独构建加速结构。我们并非对实际三角形几何体应用动画变换,而
来源:Proceedings of the ACM on Computer Graphics and Interactive Techniques
时间:2026-07-06
-
在临床应用机器人技术时,外科医生仪表板对比较质量与安全结果的重要性
摘要通俗版总结 研究设计。 回顾性队列研究。 研究目的。 探讨在手术中应用机器人技术时,手术监控系统的作用与价值。 背景数据概述
-
自动化图机器学习
摘要AI总结要查看此AI生成的总结,您需要拥有高级访问权限。了解更多登录摘要摘要图机器学习在学术界和工业界都得到了广泛研究。然而,随着关于图学习的文献数量不断增加,出现了大量新的方法和技术,手动设计适用于不同图相关任务的最佳机器学习算法变得越来越困难。为了解决这一挑战,自动图机器
来源:ACM Transactions on Knowledge Discovery from Data
时间:2026-07-06
-
面向CPS安全优化的基于控制器感知的神经网络剪枝技术
摘要AI总结要查看此由AI生成的总结,您需要拥有高级访问权限。了解更多登录摘要摘要传统的神经网络架构剪枝方法主要关注推理精度与计算成本(例如FLOPs)之间的权衡,而没有考虑系统级行为。在网络物理系统领域,感知模型以及依赖其输出的下游控制器通常是独立设计的。在本文中,我们研究了神
来源:ACM Transactions on Cyber-Physical Systems
时间:2026-07-06