IBM

SemanticOpt: Towards LLM-Based Semantic Black-Box Optimization

SemanticOpt: 向基于LLM的语义黑盒优化迈进

Jamison Meindl, Yunsheng Tian, Tony Cui, Veronika Thost, Zhang-Wei Hong, Jie Chen, Wojciech Matusik, Mina Konaković Luković

机构 * MIT（麻省理工学院） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室） 纠错

AI总结 SemanticOpt利用LLM处理语义信息，通过微调结构化贝叶斯优化轨迹与自然语言上下文，提升黑盒优化性能，在多个实际问题中优于传统方法和现有LLM方法。

Runtime-Structured Task Decomposition for Agentic Coding Systems

运行时结构化任务分解用于代理编码系统

Shubhi Asthana, Bing Zhang, Chad DeLuca, Hima Patel, Ruchi Mahindru

机构 * IBM Research（IBM研究院） 纠错

AI总结 本文提出运行时结构化任务分解方法，通过可执行控制逻辑管理任务分解与执行流程，降低重试成本，提升代理编码系统的效率和可靠性。

Comments Paper presented at ACM Conference on AI and Agentic Systems 2026 at the Agentic Software Engineering workshop

Autonomous Intelligent Agents for Natural-Language-Driven Web Execution with Integrated Security Assurance

自然语言驱动的网页执行自主智能体与集成安全保障

Vinil Pasupuleti, Siva Rama Krishna Varma Bayyavarapu, Shrey Tyagi

机构 * International Business Machines (IBM)（国际商业机器公司（IBM）） ； Salesforce Inc（Salesforce公司） 纠错

AI总结 本文提出一种AI驱动的自动化测试框架，通过五个集成策略提升测试脚本生成成功率和导航可靠性，同时实现安全验证，检测认证绕过漏洞和输入验证缺陷。

Comments 6 pages, 4 figures, 5 tables, IEEE conference format