Can Agent Harnesses and Inference Engines Hear Each Other? The HEAR Protocol for Agentic LLM Serving
Harbin Institute of Technology (Shenzhen)(哈尔滨工业大学(深圳))
提出HEAR协议,连接智能体框架与推理引擎,实现工作流感知的高效LLM服务,在多个基准上显著提升速度且不损质量。
2026-10-06 cs.AI
Agentic, Context-Aware Risk Intelligence in the Internet of Value
School of Computer Science, Technological University Dublin(技术大学都柏林计算机科学学院);Rayachain Lab(雷亚链实验室)
本文提出价值互联网中基于五种引擎的风险智能架构,通过实验验证其可行性,并正式陈述验证性分析。
2026-05-07 cs.AI
Small Language Models for Agentic Systems: A Survey of Architectures, Capabilities, and Deployment Trade offs
Northeastern University(东北大学);University of Southern California(南加州大学)
本综述梳理了小语言模型在智能体系统中的架构、能力与部署权衡,提出SLM默认+LLM兜底的系统方案与工程指标,给出适配设计模式,明确适用场景与局限,为低成本可靠智能体构建提供实用蓝图。
2025-10-04 cs.AI cs.LG
Agentic Game Development as a Verifiable Trajectory Data Engine for Scaling World Models
Cardinal AI Lab(卡迪纳尔人工智能实验室);University of California, Berkeley(加州大学伯克利分校);Hong Kong University of Science and Technology(香港科技大学);National University of Singapore(新加坡国立大学);HPC-AI Lab(高性能计算与人工智能实验室)
本文指出扩展世界模型的传统策略效率低,提出将游戏开发作为可验证轨迹数据引擎,构建RLHEV后训练范式,为空间世界模型提供高质量奖励信号与长程轨迹数据。
2026-08-27 cs.AI
Towards Agentic Cloud Engineering: Graph and Loop Engineering with a Zero-Trust Agent Harness
Tata Research Development and Design Centre(塔塔研究开发设计中心)
该研究提出Agentic Cloud Workflow Engineering框架,将自然语言智能体云工程任务转为验证后的代码仓库与云部署,划分三类工程关注点并在Google Cloud验证,为多类智能体云工程领域提供统一架构。
2026-10-19 cs.AI cs.LG cs.SE
Challenges and Future Directions in Agentic Reverse Engineering Systems
本文探讨了基于大语言模型的代理系统在二进制反工程中的表现,分析了静态、动态和混合代理的局限性,指出token限制、反编译困难和缺乏程序防护等挑战,并提出未来发展方向。
2026-04-15 cs.AI cs.CR
A Process Harness for Uplifting Legacy Workflows to Agentic BPM: Design and Realization in CUGA FLO
IBM SIL, Israel(IBM 研究实验室,以色列);Department of Information Systems, Faculty of Computer & Information Sciences, University of Haifa(海法大学计算机与信息科学学院信息系统系)
提出过程驾驭框架,通过策略驱动的智能体层在不替换工作流引擎的情况下将遗留工作流升级为智能体BPM,并基于TDF模型在CUGA FLO中实现,通过三种智能体类型和钩子机制实现指令性与规范性需求的统一。
2026-06-26 cs.AI
Graph, Loop, and Harness Engineering for Zero-Trust Agentic Data Engineering and Analytical Processing
Tata Research Development and Design Centre(塔塔研发与设计中心)
针对云数据工程与分析中智能体协调可靠性问题,提出两个零信任框架,通过图、循环和智能体框架工程实现证据门控、有界恢复与零信任执行,实验验证了完成、恢复、授权及OLAP执行等指标。
2026-09-25 cs.AI cs.LG
Beyond Retrieval: Modeling Confidence Decay and Deterministic Agentic Platforms in Generative Engine Optimization
National University of Singapore(新加坡国立大学);Yishu Research(艺树研究);Fukuoka Institute of Technology(福冈工业大学)
本文提出通过确定性多代理意图路由替代传统检索增强生成方法,建模置信度衰减并构建代理信任经纪生态系统,实验证明显著降低垂直任务幻觉率。
2026-04-04 cs.AI
M$^3$-ACE: Rectifying Visual Perception in Multimodal Math Reasoning via Multi-Agentic Context Engineering
M3-ACE 通过多智能体上下文工程校正多模态数学推理中的视觉感知问题,提升推理性能。
2026-03-09 cs.AI
SAGE: A Self-Evolving Agentic Graph-Memory Engine for Structure-Aware Associative Memory
Institute for Artificial Intelligence, Peking University(北京大学人工智能研究院);School of Intelligence Science and Technology, Peking University(北京大学智能科学与技术学校);School of Computer Science and Technology, Beijing Institute of Technology(北京理工大学计算机科学与技术学校)
SAGE通过自演化机制和图记忆引擎提升长期记忆能力,在多跳问答、开放领域检索等任务中表现出色,显著提高了证据恢复和检索效率。
2026-09-23 cs.AI
AgenticRepair: Multi-Faceted Program Context Engineering for Agentic Vulnerability Repair
The University of Melbourne(墨尔本大学);Monash University(莫纳什大学)
针对现有智能体漏洞修复方法缺乏多维度程序上下文工程的问题,提出AgenticRepair框架,协调三个LLM子智能体构建三类上下文,在SEC-Bench上取得73%的修复成功率,显著优于基线。
2026-08-03 cs.AI cs.CR cs.SE
Toward Ultra-Long-Horizon Agentic Science: Cognitive Accumulation for Machine Learning Engineering
School of Artificial Intelligence(人工智能学院);DP Technology(DP技术);Shanghai AI Laboratory(上海人工智能实验室)
本文提出ML-Master 2.0,通过认知积累机制解决超长视界自主性问题,实现机器学习工程的高效探索。
2026-03-25 cs.AI
AgentFly: Scaling Agentic Reinforcement Learning with Unified Resource System
Mohamed bin Zayed University of Artificial Intelligence(莫莫德·本·扎耶德人工智能大学)
AgentFly是一个可扩展的Agent-RL框架,通过令牌级掩码、装饰器接口和异步执行机制,为语言模型智能体提供多种强化学习算法支持,并在多个任务上验证了其有效性。
2026-10-14 cs.AI
LLM-Based Agentic Systems for Software Engineering: Challenges and Opportunities
Siemens AG(西门子股份公司);Technical University of Munich(慕尼黑技术大学)
本文探讨了基于大语言模型的多代理系统在软件工程中的应用,分析了其挑战与未来研究方向。
2026-01-19 cs.AI cs.SE
A Practical Guide for Designing, Developing, and Deploying Production-Grade Agentic AI Workflows
Old Dominion University(旧 Dominion 大学);Florida International University(佛罗里达国际大学);Nanyang Technological University(南洋理工大学);University of Colombo(科伦坡大学)
本文提出了一套生产级智能体AI工作流的设计、开发和部署的最佳实践,涵盖架构设计、多智能体模式、模型上下文协议及环境感知部署策略,旨在提升系统的可靠性与可维护性。
2025-12-09 cs.AI
Vibe AIGC: A New Paradigm for Content Generation via Agentic Orchestration
NJU-LINK Team, Nanjing University(南京大学NJU-LINK团队);Kling Team, Kuaishou Technology(快手科技Kling团队)
Vibe AIGC通过代理编排实现内容生成,解决意图-执行差距问题,推动人机协作经济变革。
2026-02-05 cs.AI
Reproducible, Explainable, and Effective Evaluations of Agentic AI for Software Engineering
Norwegian University of Science and Technology(挪威科技大学)
本文分析了18篇关于代理AI在软件工程中评估的论文,提出指南以提升评估的可重复性、可解释性和有效性,通过公开TAR轨迹和LLM交互数据促进不同方法的系统比较。
2026-04-01 cs.AI cs.SE
Agentic Design Patterns: A System-Theoretic Framework
University College Cork;Vietnam National University(越南国家大学);IBM Research Ireland(IBM爱尔兰研究);Trinity College Dublin(都柏林三一学院)
本文提出了一种系统理论框架,通过分解代理AI系统为五个核心功能子系统,提出12种代理设计模式,以解决代理设计中的重复问题,提升自主系统的模块化和可靠性。
2026-01-27 cs.AI
Cheap Code, Costly Judgment: A Case Study on Governable Agentic Software Engineering
通过12周案例研究,提出治理转换理论模型,解释专家工程师如何利用AI编码代理实现高速开发并保持可控性。
2026-07-07 cs.AI cs.SE
EvoTrainer: Co-Evolving LLM Policies and Training Harnesses for Autonomous Agentic Reinforcement Learning
Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences(深圳先进技术研究院,中国科学院);Tongyi Lab , Alibaba Group(通义实验室,阿里巴巴集团);Alibaba Group(阿里巴巴集团);SUAT(深圳大学)
提出EvoTrainer框架,通过协同进化LLM策略和训练端框架,基于经验反馈自动诊断、修正并积累可复用技能,在数学推理、编程竞赛和仓库级软件工程任务上匹配或超越人工设计的RL基线。
2026-06-15 cs.AI
AI Control Scientist: LLM-driven Agentic System for Automated Control Design
本文提出首个LLM驱动的智能体系统AI控制科学家,通过任务建模、控制器设计、参数调优三个智能体自动生成优化控制器,性能优于现有基线,有望推动控制系统设计从人类驱动转向智能体驱动。
2026-08-28 cs.AI
CEDAR: Context Engineering for Agentic Data Science
Department of Generative AI, Fraunhofer IIS(生成人工智能系,弗劳恩霍夫研究所)
CEDAR通过有效的上下文工程解决数据科学任务中的复杂性、数据规模、计算限制和上下文限制问题,采用分步生成计划和代码块的方式提升数据科学任务自动化水平。
2026-04-22 cs.AI cs.LG
AgenticGEO: A Self-Evolving Agentic System for Generative Engine Optimization
School of Computer Science and Engineering, Beihang University(北京航空航天大学计算机科学与工程学院)
本文提出AgenticGEO,通过将优化问题建模为内容条件控制问题,提升内容质量以适应生成引擎的不可预测行为,采用MAP-Elites档案进化多样策略,并引入Co-Evolving Critic降低交互成本,实验证明其在多个数据集上优于14个基线方法。
2026-03-02 cs.AI cs.CL cs.LG
Beyond Human-Readable: Rethinking Software Engineering Conventions for the Agentic Development Era
Military Institute of Telecommunications and Information Technologies (MITIT)(军事电信与信息技术研究所)
本文探讨代理开发时代软件工程惯例的变革,提出语义密度优化原则,通过实验验证压缩对开发成本的影响,并提出程序骨架概念和语义意图与可读性分离的主张。
2026-04-08 cs.AI cs.SE
Skills for the future software profession: beyond agentic AI!
National University of Singapore(新加坡国立大学);Columbia University(哥伦比亚大学)
本文通过2026年在纽约和新加坡举行的两场圆桌会议,总结未来软件工程师所需的核心技能,强调验证与确认在智能体处理实现时的重要性。
2026-09-01 cs.AI cs.SE
Meta Context Engineering via Agentic Skill Evolution
本文提出元上下文工程(MCE),通过代理技能进化提升上下文优化效果,实现更灵活的上下文生成与适应性。
2026-02-11 cs.AI cs.NE
Agentic AI for Software: thoughts from Software Engineering community
NUS(国立新加坡大学);SonarSource SA
针对AI智能体在软件工程领域的应用,分析其在代码及设计层面任务中的作用,指出解读开发者意图是核心难题,提出需通过智能体推进意图推断,并认为未来工作流应包含AI生成代码的验证与确认。
2025-09-22 cs.AI cs.SE
Agentic AI Software Engineers: Programming with Trust
National University of Singapore(新加坡国立大学);Carnegie Mellon University, KBR Inc., NASA Ames(卡内基梅隆大学、KBR公司、NASA阿姆斯特朗实验室);CISPA Helmholtz Center for Information Security, University of Stuttgart(CISPA海姆霍兹信息安全中心、斯图加特大学);Columbia University(哥伦比亚大学)
本文探讨了LLM智能体在软件工程中的应用前景,提出成功部署AI软件工程师需要建立不低于人类实践水平的信任,并主张编程重心应从规模化转向以信任为核心。
2025-09-21 cs.AI cs.SE
Agentic Software Engineering: Foundational Pillars and a Research Roadmap
Queen's University(女王大学);Concordia University(Concordia大学);Nara Institute of Science and Technology(奈ara科学和技术研究院);Huawei Canada(华为加拿大)
提出代理软件工程(SE 3.0)时代,以“面向人类的SE”和“面向代理的SE”双重模式为基础,重新定义软件工程支柱,并设计代理命令环境(ACE)和代理执行环境(AEE)两种工作台,实现双向人机协作,推动从代理编码到真正代理软件工程的演进。
2026-11-03 cs.AI cs.SE
BC-Bench: Evaluating Agentic Engineering in a Domain-Specific Language for ERP
Microsoft(微软公司)
该研究推出BC-Bench基准,评估智能体工程在ERP领域DSL(AL)上的表现,发现通用基准的改进未一致迁移到AL,凸显领域特定评估的必要性。
2026-08-24 cs.AI cs.SE
Agentic AI in Engineering and Manufacturing: Industry Perspectives on Utility, Adoption, Challenges, and Opportunities
MIT Initiative for New Manufacturing(麻省理工学院新制造倡议)
本文通过30多次访谈探讨AI在工程和制造中的应用,发现代理系统在结构化和重复性工作中的价值,以及多步骤工作流协同的潜力,指出数据碎片化、安全要求和工具链限制是主要障碍,强调可靠性、验证和审计性对AI采用的重要性。
2026-03-19 cs.AI cs.CY
Specifying the Delegated-Autonomy Boundary: Requirements Engineering for Agentic AI
Faculty of IT, Monash University(莫纳什大学信息科技学院);University of Duisburg-Essen(杜伊斯堡-埃森大学)
研究智能体人工智能系统带来的需求工程问题,提出机构理由记录和智能体委托策略两个互补工件,通过分级建模权限,以医院出院协调智能体和自动代码审查智能体为例阐释框架,解决委托自治边界相关需求工程问题。
2026-07-21 cs.AI cs.SE
Decoding ML Decision: An Agentic Reasoning Framework for Large-Scale Ranking System
Meta
提出GEARS框架,通过智能体技能封装排序专家知识,将排序优化转化为自主发现过程,实现高层意图驱动的系统调控并保证生产可靠性。
2026-09-28 cs.AI
Procedural Knowledge Improves Agentic LLM Workflows
Naval Research Laboratory(海军研究实验室);Navy Center for Applied Research in AI, Naval Research Laboratory(海军人工智能应用研究中心,海军研究实验室)
针对LLM在无工具支持等条件下执行智能体任务的不足,提出利用分层任务网络(HTN)形式的过程性知识的工作流,实验显示手工编码HTN可显著提升性能,使小参数模型超过大参数基线,为LLM工作流优化提供新工具。
2025-11-10 cs.AI
AIDev: Studying AI Coding Agents on GitHub
Queen's University(女王大学)
AIDev是一个大规模数据集,包含来自五个AI代理的GitHub pull requests,用于研究AI在软件工程中的应用、开发者生产力及人机协作。
2026-02-09 cs.AI cs.SE
Toward Agentic Software Engineering Beyond Code: Framing Vision, Values, and Vocabulary
Monash University(墨尔本大学)
本文提出代理软件工程应超越代码,构建全过程愿景,基于SE基础和新兴框架,提出价值观和原则,并指导词汇设计,推动SE范式转变。
2026-02-17 cs.AI cs.MA cs.SE
DUCTILE: Agentic LLM Orchestration of Engineering Analysis in Product Development Practice
Product Development Division, Department of Mechanical Engineering, Chalmers University of Technology, Gothenburg, Sweden(产品开发部门,机械工程系,楚姆勒斯技术大学,哥德堡,瑞典);GKN Aerospace Engine Systems, Trollhättan, Sweden(GKN航空发动机系统,特罗尔哈塔纳,瑞典)
DUCTILE通过代理LLM协调工程分析任务,分离自适应协调与确定性执行,解决工具接口变化导致的自动化失效问题,验证了其在航空制造中的有效性。
2026-03-17 cs.AI cs.HC cs.SE
AgentReputation: A Decentralized Agentic AI Reputation Framework
Department of Computer Science(计算机科学系)
本文提出AgentReputation框架,旨在解决去中心化代理AI市场中声誉机制失效的问题,通过分层架构和上下文感知声誉卡片实现声誉管理,同时提供风险驱动的决策引擎。
2026-04-30 cs.AI
Agent^2 RL-Bench: Can LLM Agents Engineer Agentic RL Post-Training?
Soochow University(苏州大学);Microsoft Research Asia(微软亚洲研究院);Peking University(北京大学);Stony Brook University(石溪大学);The University of Chicago(芝加哥大学)
Agent2 RL-Bench评估LLM代理在训练后自主设计、实现、调试和执行提升基础模型的管道能力,展示代理在强化学习中的智能行为与局限性。
2026-11-20 cs.AI
Demonstration of Pneuma-Seeker: Agentic System for Reifying and Fulfilling Information Needs on Tabular Data
The University of Chicago(芝加哥大学)
本文提出Pneuma-Seeker系统,通过将用户信息需求转化为显式关系规范,支持迭代细化、目标数据发现和溯源执行,利用LLM作为透明交互分析伙伴。
2026-04-15 cs.AI
Haystack Engineering: Context Engineering for Heterogeneous and Agentic Long-Context Evaluation
Georgia Institute of Technology(佐治亚理工学院);Meta AI;University of Illinois Urbana–Champaign(伊利诺伊大学厄巴纳-香槟分校);National University of Singapore(新加坡国立大学)
针对现有长上下文基准忽视噪声与智能体场景的问题,提出干草堆工程及HaystackCraft基准,通过异构检索和智能体操作测试15个模型,发现图重排序可减轻干扰,但先进模型仍面临级联失败。
2025-10-10 cs.AI cs.CL cs.IR
From Code-Centric to Intent-Centric Software Engineering: A Reflexive Thematic Analysis of Generative AI, Agentic Systems, and Engineering Accountability
University of the Cumberlands(卡姆伯兰大学)
本文通过反思性主题分析和解释现象学分析,探讨生成式人工智能、代理系统如何推动软件工程从代码导向转向意图导向,强调意图指定、上下文整理、架构知识和问责的重要性。
2026-05-10 cs.AI cs.SE
Engineering Trustworthy Agentic AI for Critical Systems
Texas A&M University(德克萨斯A&M大学);Innovations in Systems Trust and Resilience (iSTAR) Laboratory(系统信任与弹性创新(iSTAR)实验室);Texas A&M Institute of Data Science - Security, Privacy and Resilience for Trusted AI (SPARTA) Thematic Lab.(德克萨斯A&M大学数据科学研究所 - 可信人工智能的安全、隐私与弹性(SPARTA)主题实验室);Texas A&M Global Cyber Research Institute (GCRI)(德克萨斯A&M大学全球网络研究所)
研究针对关键工程领域智能体人工智能,将可靠性作为首要工程属性,采用围绕五个维度的可靠性模型及保证工作流程,综述相关架构、机制等,经多领域检验,指出其可靠性是单一问题并勾勒跨域保证框架路径。
2026-07-22 cs.AI cs.MA cs.SY
Agentic Service-Oriented Computing: A Manifesto for the Next Frontier of Service-Oriented Computing
研究LLM驱动的智能体融入复杂工作流面临的挑战,提出面向智能体的面向服务计算(ASOC)。阐述其六个基本原则,组织五维研究议程,旨在将智能体AI从零散演示转变为可靠的基于服务的系统,为新兴领域提供支撑。
2026-07-15 cs.AI cs.ET
"I'm Not Reading All of That": Understanding Software Engineers' Level of Cognitive Engagement with Agentic Coding Assistants
York University(约克大学)
研究探讨软件工程师在使用代理编码助手时的认知参与度变化,指出当前设计缺乏反思和验证机制,提出通过更丰富的交互方式和认知强制机制来提升深度思考。
2026-03-18 cs.AI cs.HC cs.SE
SWE-Router: Routing in Multi-turn Agentic Software Engineering Tasks
提出SWE-Router,一种基于价值的时间路由方法,通过让廉价模型探索几轮后根据部分轨迹决定是否升级到昂贵模型,在保持强模型大部分性能的同时大幅提升成本效率。
2026-07-02 cs.AI cs.SE
TadA-Bench: A Million-Variant Benchmark for Future-Round Discovery Toward Agentic Protein Engineering
Tsinghua University(清华大学)
TadA-Bench 是一个基于31轮TadA定向进化的百万变异湿实验回放基准,通过定义固定数据回放任务来评估模型在未见过的未来轮次中排序变异的能力,并引入Seq2Graph统一标签,揭示进化覆盖度比局部数据密度更重要。
2026-05-29 cs.AI cs.LG q-bio.QM
From Code to Requirements: Agentic Reverse Engineering of Business Rules at Enterprise Scale
Cognizant(高知特)
本文提出一个七智能体协作框架,通过逆向工程企业软件自动生成业务需求文档,在九分钟内完成每项服务,成本降低超过98%。
2026-09-22 cs.AI cs.SE
Agentic AI Systems in Electrical Power Systems Engineering: Current State-of-the-Art and Challenges
本文探讨了代理AI在电气电力系统中的应用现状与挑战,通过四个案例研究展示其在电力系统优化和动态定价策略中的实际影响,并提出设计安全可靠代理AI系统的建议。
2026-02-20 cs.AI cs.ET cs.SY
Agentic Software: How AI Agents Are Restructuring the Software Paradigm
Lingxi Intelligent Investment (Shenzhen) Development Co., Ltd.(灵犀智能投资(深圳)发展有限公司)
本文通过第一性原理分析,论证了以LLM为推理引擎的AI代理系统正在根本性地重构软件范式,从传统软件(代码承载决策逻辑)转向代理系统(代码作为临时工具),并提出了代理工程作为新兴学科。
2026-06-11 cs.AI cs.SE
Risk Architecture for AI-Native Engineering Teams: An Organizational Framework for Agentic System Governance
针对AI原生团队违反传统软件工程假设的问题,提出七维团队画像、六类故障模式(含依赖边界确定性失配)和框架充分性评估方法,发现风险覆盖随AI原生程度单调下降,最严重故障出现在组织边界。
2026-07-03 cs.AI cs.SE
daVinci-Dev: Agent-native Mid-training for Software Engineering
SII(上海人工智能研究院);SJTU(上海交通大学);GAIR(通用人工智能研究院)
daVinci-Dev通过代理原生数据合成和中训练方法,在软件工程中实现了更高效的代理能力,优于现有方法。
2026-01-27 cs.AI cs.SE
Robust, Observable, and Evolvable Agentic Systems Engineering: A Principled Framework Validated via the Fairy GUI Agent
Fudan University(复旦大学)
本文提出了一种原则性框架,通过Fairy GUI代理验证,解决了代理系统在鲁棒性、可观测性和可进化性方面的不足,提供了可维护和可扩展的代理AI系统设计方法。
2025-12-01 cs.AI cs.HC cs.MA