Applying an Agentic Coding Tool for Improving Published Algorithm Implementations
Worasait Suwannik(独立研究者)
本文提出一个两阶段流程,利用AI改进已发表的算法实现。首先,大语言模型识别符合条件的算法,其次通过Claude Code重复基准并迭代改进。研究显示所有实验均取得改进,且需单日完成,同时讨论了人类在选择目标、验证实验有效性等方面不可替代的作用。
2026-04-11 cs.AI cs.SE
Taming Scylla: Understanding the multi-headed agentic daemon of the coding seas
本文提出Scylla框架,用于评估代理编码工具,通过结构化消融研究量化复杂性和效率的权衡,表明架构复杂性不总是提升质量。
2026-02-09 cs.AI cs.SE
ParanoiaEval: Benchmarking Unnecessary Defensive Work in Agentic Coding
New York University(纽约大学);New York University Abu Dhabi(纽约大学阿布扎比分校);The Hong Kong Polytechnic University(香港理工大学)
ParanoiaEval是首个统一评估编码智能体风险处理能力的基准,基于回避-转移-缓解-接受框架,含200个证据控制任务对,发现不必要的防御性工作占11.2%-58.7%,且风险处理是独立于任务能力的关键维度。
2026-10-16 cs.AI cs.SE
Early Adoption of Agentic Coding Tools by GitHub Projects
Rochester Institute of Technology(罗切斯特技术学院)
研究GitHub项目对智能编码工具的早期采用情况,通过分析大量智能PR,探究采用情况、项目生产力及协作模式,发现多数仓库采用少,小项目参与度高,生产力差异大,人机协作以单人监督为主,为相关管理提供实证依据。
2026-07-17 cs.AI cs.CY cs.LG
Position: Coding Benchmarks Are Misaligned with Agentic Software Engineering
Tessl
本文指出当前编程基准在智能体时代存在三大问题:混淆模型与系统框架、单一参考答案惩罚有效替代方案、缺乏组件级信号导致迭代困难,并提出应重新设计基准以对齐智能体软件工程。
2026-07-21 cs.AI cs.CL cs.SE
The Impact of Configuring Agentic AI Coding Tools on Build-vs-Buy Decisions: A Study Protocol
Singapore Management University, Singapore(新加坡管理大学);University of Bamberg, Germany(巴姆堡大学);King’s College London, United Kingdom(伦敦国王学院);Heidelberg University, Germany(海德堡大学)
本研究通过受控实验协议,探讨配置机制如何影响Claude Code和OpenAI Codex等智能体AI编码工具在构建vs购买决策中的行为,并发布可复用的基准数据集和分析流程。
2026-06-02 cs.AI cs.HC cs.SE
Agentic Coding Needs Proactivity, Not Just Autonomy
本文探讨了软件开发中代理编码的主动性与自主性区别,提出主动性分类和评估标准,旨在提升编码代理的洞察力和适应性。
2026-05-07 cs.AI cs.SE
MI9: An Integrated Runtime Governance Framework for Agentic AI
Barclays, Model Risk Management(巴克莱银行,模型风险管理部门);Columbia University(哥伦比亚大学)
针对智能体AI运行时突发行为带来的新型风险,提出首个全集成运行时治理框架MI9,通过六个组件实现实时控制,在异构架构中透明运行,可系统化覆盖现有方法未解决的治理挑战,为智能体AI安全部署奠定基础。
2025-11-18 cs.AI cs.ET cs.MA
Where Do AI Coding Agents Fail? An Empirical Study of Failed Agentic Pull Requests in GitHub
Drexel University(德雷塞尔大学);Missouri University of Science and Technology(密苏里科技大学)
研究分析了 GitHub 上 33k 个代理生成 PRs 的失败原因,发现文档、CI 等任务合并成功率高,而性能和修复任务失败率高,揭示了代理协作中的关键社会技术因素。
2026-01-21 cs.AI cs.SE
CAVA: Canonical Action Verification and Attestation for Runtime Governance of Agentic AI Systems
Ond Holdings Inc(Ond控股公司)
研究智能代理人工智能系统异构运行时带来的治理问题。提出CAVA,将异构代理活动转换为规范动作对象。通过基准参考实现研究,为部署者端人工智能治理提供动作级规范化和语义模式的系统表述。
2026-07-16 cs.AI
Execution-bound advisory automation for agentic AI: a reproducible AIBOM-driven CSAF-VEX framework
University of Oxford(牛津大学);Cisco Systems(思科系统);The Alan Turing Institute(艾伦·图灵研究所);University of Warwick – WMG(沃里克大学 – WMG);University of Hull(哈罗德大学)
提出一种协议驱动框架,通过绑定SBOM和AIBOM工件与确定性环境捕获及结构化运行时遥测,结合静态与运行时证据生成CSAF VEX公告,经密码签名和确定性重放验证,在合成自主AI工作负载上评估。
2026-06-19 cs.AI cs.SE
SBOMs into Agentic AIBOMs: Schema Extensions, Agentic Orchestration, and Reproducibility Evaluation
针对传统SBOM无法捕获运行时行为等问题,本文提出智能体AIBOM框架,通过三类多智能体架构扩展SBOM模式,在低开销下提升运行时依赖捕获、可复现性与漏洞解释稳定性。
2026-03-09 cs.AI cs.CR cs.SE
Towards Agentic Runtime Healing
Singapore Management University(新加坡国立大学);North Carolina State University(北卡罗来纳州立大学);Monash University(墨尔本大学);Beihang University(北航)
本文提出利用大语言模型实现动态生成错误处理策略,通过Healer框架在四个代码数据集上验证了其在运行时错误恢复中的有效性,展示了LLM在自愈系统中的潜力。
2026-05-02 cs.AI cs.CR cs.SE
"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
TDAD: Test-Driven Agentic Development - Reducing Code Regressions in AI Coding Agents via Graph-Based Impact Analysis
Universidad ORT Uruguay(ORT大学乌拉圭分校);DC, UBA, Argentina(阿根廷布宜诺斯艾利斯大学(DC, UBA))
TDAD通过在AI编码代理提交更改前进行影响分析,减少代码回归。实验表明其将回归率降低70%,优于传统方法。
2026-03-19 cs.AI cs.SE
From Governance Norms to Enforceable Controls: A Layered Translation Method for Runtime Guardrails in Agentic AI
Independent Researcher(独立研究员)
本文提出一种分层翻译方法,将治理标准转化为四层控制机制,通过采购代理案例展示如何将治理目标转化为可执行的运行时防护措施。
2026-04-06 cs.AI cs.HC cs.LG
Agentic AI-assisted coding offers a unique opportunity to instill epistemic grounding during software development
Center for Proteomics and Metabolomics, Leiden University Medical Center(蛋白质组学与代谢组学中心,莱顿大学医学中心);National Institute of Standards and Technology - Charleston(国家标准与技术研究院-查尔斯顿)
研究以蛋白质组学为例,提出社区管理的领域范围认知基础文档用于智能AI辅助编码。核心方法是文档编码硬约束和约定参数。主要贡献是助力非领域专家生成优质代码等,增强各方信心并让领域专家参与定制软件开发。
2026-07-22 cs.AI cs.SE q-bio.BM
Agent psychometrics: Task-level performance prediction in agentic coding benchmarks
Massachusetts Institute of Technology(麻省理工学院);Fulcrum;Carnegie Mellon University(卡内基梅隆大学)
本文提出了一种基于任务级性能预测的代理编码基准评估框架,结合IRT理论与任务特征,区分LLM和支架能力,以更准确预测未见基准和组合的性能。
2026-07-21 cs.AI
One Monitor Does Not Fit All: Formalism-Agnostic Runtime Verification for Agentic AI
University of Modena and Reggio Emilia(摩德纳和雷焦艾米利亚大学)
针对智能体AI系统,提出与监控形式主义无关的AgenticRV运行时验证架构,结合多监控器实现安全控制,支持多框架,实验验证其有效性与复用性。
2026-10-14 cs.AI
Can your AI agent be cheaper? Investigating the effects of task specifications on token spend in agentic coding tasks
Stanford University(斯坦福大学)
本文以Kimi K3模型为对象,探究智能体编码任务中任务规格对token消耗的影响,发现简化任务规格会提升token消耗,拟合的预测器可较优地预测token消耗,为评估AI编码工作流成本提供方法。
2026-08-27 cs.AI
SEW: Self-Evolving Agentic Workflows for Automated Code Generation
University of Aberdeen(阿伯丁大学);University of Glasgow(格拉斯哥大学);University of Cambridge(剑桥大学);MBZUAI(马克斯·普朗克智能系统研究所)
本文提出SEW框架,通过自演化方法自动设计和优化多代理工作流,提升代码生成任务的性能,实验表明在LiveCodeBench上比仅使用基础LLM提升12%。
2026-04-14 cs.AI cs.CL cs.SE
When Agentic Executions Fail: Detecting and Localizing Runtime Faults from Telemetry
University of Toronto(多伦多大学)
该研究提出 AGENTCHAOSBENCH 基准,在智能体系统遥测数据中检测定位运行时故障,实验显示现有 LLM 基线对该任务的解决效果仍远未达标。
2026-08-18 cs.AI cs.SE
Mise en Place for Agentic Coding: Deliberate Preparation as Context Engineering Methodology
LinearB
本文提出了一种三阶段的代理编程准备方法,通过情境 grounding、协作规范和任务分解,提升 AI 编程的效率与质量,通过 hackathon 实验验证了准备阶段的重要性。
2026-05-06 cs.AI cs.HC cs.SE
Fail Loudly: An Auditable Runtime for Agentic Data Analysis
RADAR是一个可审计运行时,通过保留证据的探索、类型化操作符记录和运行时验证,使智能体分析选择可检查并支持修订,实现大声失败,在KramaBench等基准上显著提升性能。
2026-09-29 cs.AI
Zero-Trust Runtime Verification for Agentic Payment Protocols: Mitigating Replay and Context-Binding Failures in AP2
eBay Inc(eBay公司)
本文提出了一种零信任运行时验证框架,通过动态生成非ces强制显式上下文绑定和一次性使用命令语义,以缓解AP2中的重放和上下文重定向攻击。
2026-02-06 cs.AI cs.CR
SOK: A Taxonomy of Attack Vectors and Defense Strategies for Agentic Supply Chain Runtime
Independent Researcher(独立研究者)
本文系统化了现有研究,提出统一的运行时框架,区分数据和工具供应链攻击,并识别出病毒代理循环现象,主张采用零信任运行时架构。
2026-04-19 cs.AI cs.CR
DeepCode: Open Agentic Coding
The University of Hong Kong(香港大学)
DeepCode通过系统信息流管理,实现文档到代码库的高保真合成,超越现有商业代理和人类专家,推动自主科学复现的发展。
2025-12-08 cs.AI cs.SE
Why Does CLAUDE.md Keep Growing? Catastrophic Remembering in Agentic Coding
South Park Commons(南公园社区)
该研究针对智能体编码中提示文件无限制膨胀的问题,提出通过提示注释消除多余指令,可使现实中智能体指令遵循能力提升多达23.1%。
2026-08-12 cs.AI cs.LG cs.SE
ABC-Bench: Benchmarking Agentic Backend Coding in Real-World Development
Fudan University(复旦大学);Shanghai Qiji Zhifeng Co., Ltd.(上海启济智风有限公司);Shanghai Innovation Institute(上海创新研究院)
ABC-Bench是一个评估自主后端编码在真实可执行工作流中性能的基准测试,通过224个实际任务揭示了当前模型在复杂后端工程任务中的不足。
2026-01-16 cs.AI cs.CL cs.SE
TestJack: Should you trust the results in coding benchmarks? Agentic Coding Benchmarks Auditing via Evaluator Evolution
本研究提出 TestJack 框架,通过审计编码基准中智能体试例的测试合规性,发现约 34.4%被判定正确的试例违反任务要求,凸显现有编码评估器需更具适应性的局限。
2026-10-09 cs.AI cs.SE
Do These Violent Delights Have Violent Ends? Measuring the Post-Merge Fate of Agentic Code
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);George Washington University(乔治华盛顿大学)
研究代理代码合并后的命运,通过对182个仓库实证分析,发现其虽与人工维护率相似,但需更高纠正性维护率,还引入更多问题,且维护负担与仓库特征有关,强调评估设计代理工具要兼顾安全性与可维护性。
2026-07-14 cs.AI cs.SE
OctoBench: Benchmarking Scaffold-Aware Instruction Following in Repository-Grounded Agentic Coding
Fudan University(复旦大学);MiniMax;Peking University(北京大学)
OctoBench通过评估仓库基础代理编程中的支架意识指令遵循能力,揭示了任务解决与合规性之间的差距,推动更高效的编码代理发展。
2026-01-16 cs.AI cs.CL
Beyond the 'Diff': Addressing Agentic Entropy in Agentic Software Development
Dipartimento Tecnologie Innovative, SUPSI(技术创新部,SUPSI);Dalle Molle Institute for Artificial Intelligence (IDSIA), SUPSI(达勒莫利人工智能研究所(IDSIA),SUPSI);Management in Networked and Digital Societies (MINDS) Department, Kozminski University(网络化与数字化社会管理(MINDS)系,科津斯基大学);Institute of Biomedical Ethics and History of Medicine, University of Zurich(生物医学伦理与医学史研究所,苏黎世大学);ETH Zurich(苏黎世联邦理工学院)
本文提出一种过程导向的可解释框架,通过时间、工具调用和架构边界揭示代理决策过程,解决代理行为与架构意图的偏离问题,为代理监控提供意图层面的 telemetry。
2026-04-21 cs.AI cs.SE
Symphony for Medical Coding: A Next-Generation Agentic System for Scalable and Explainable Medical Coding
Corti
本文提出Symphony系统,通过直接访问编码指南进行临床文本推理,实现跨编码系统和可解释的医疗编码,取得最佳性能。
2026-03-31 cs.AI cs.LG
SafeAgent: A Runtime Protection Architecture for Agentic Systems
Lomonosov Moscow State University(莫斯科罗蒙诺索夫国立大学)
本文提出SafeAgent,一种运行时安全架构,通过分离执行治理与语义风险推理,提升代理系统在多步骤流程中的安全性。
2026-04-19 cs.AI cs.MA
Understanding the Limits of Agentic ICD Coding
Nanyang Technological University(南洋理工大学);ASUS Intelligent Cloud Services (AICS)(华硕智能云服务)
本研究评估神经、工作流和智能体系统在稀有度分层的MIMIC-IV数据上的ICD-10-CM编码性能,发现神经分类器在稀有代码上存在0.43微F1差距,工作流系统在损伤代码上近乎失败,而工具增强的智能体配置可恢复0.34微F1,但无单一系统全面占优。
2026-09-15 cs.AI cs.CL cs.LG
A-JIT: Agentic Just-In-Time Software Construction
University of Kentucky(肯塔基大学);University College London(伦敦大学学院)
A-JIT提出以嵌入式AI智能体持续观察运行轨迹、动态构建缺失功能并适应终端用户行为的软件范式,取代静态二进制部署,支持自演化软件设计。
2026-09-10 cs.AI cs.SE
MedDCR: Learning to Design Agentic Workflows for Medical Coding
Oracle Health and AI(Oracle健康与AI);Sydney AI Center, The University of Sydney(悉尼AI中心,悉尼大学)
针对医疗编码需多步推理但现有智能体工作流僵化的问题,提出闭环框架MedDCR,通过设计者、编码者、反思者协作学习工作流,在基准数据集上优于基线,提升系统可靠性与可信度。
2025-11-17 cs.AI cs.MA
Runtime Burden Allocation for Structured LLM Routing in Agentic Expert Systems: A Full-Factorial Cross-Backend Methodology
School of Computer Sciences, Universiti Sains Malaysia (USM)(马来西亚理科大学计算机科学学院);Xiamen Software Vocational & Technical College(厦门软件职业技术学院)
本文探讨了结构化LLM路由在代理专家系统中的负担分配问题,提出了一种全因子跨后端方法论,通过全面评估不同后端配置下的性能,揭示了后端特定交互效应对性能的主导作用。
2026-03-26 cs.AI
Ethical Hyper-Velocity (EHV): A Hardware-Rooted Zero-Trust Runtime Enforcement Architecture for Agentic AI Systems
Senior Member, IEEE(IEEE高级会员)
提出伦理超高速 (EHV) 架构,通过结合语法约束解码、因果图CRDT、可信执行环境和OSCAL审计日志,实现硬件根的零信任运行时强制,将策略执行点嵌入推理管线,显著降低治理延迟并支持形式化验证。
2026-05-31 cs.AI cs.LO
A2AS: Agentic AI Runtime Security and Self-Defense
本文提出A2AS框架作为AI智能体的安全层,通过BASIC安全模型实现行为强制、上下文完整性和纵深防御,旨在建立行业标准。
2025-10-08 cs.AI cs.CR
Multi-Perspective Agentic Program Repair via Code Property Graphs and Temporal Execution Graphs
研究针对大语言模型在自动程序修复中的局限,提出CT-Repair框架,通过代码属性图和时间执行图表示证据,利用三阶段过滤管道及多视角智能体分析错误并生成修复策略,实验证明该方法能有效提高修复有效性。
2026-07-15 cs.AI cs.SE
Selective Agentic Recovery for UAV Autonomy with a Persistent Mission Runtime
Department of Electrical and Electronic Engineering, Korea University(高丽大学电气与电子工程系)
提出持久任务运行时(PMR)框架,通过选择性调用外部代理推理器实现无人机恢复,引入学习型调用认知价值(learned-CVI)门控机制,在Gazebo/PX4基准测试中将硬/模糊场景成功率从5.0%提升至95.0%,同时减少16.7%的远程调用和29.2%的令牌消耗。
2026-06-15 cs.AI cs.RO
The Agentic Scientist: Orchestrating Coding Agents for Automated Scientific (Co-)Discovery
Sakana AI
本研究推出The Agentic Scientist系统,通过元控制器编排编码智能体,可作为协同工具或自主系统开展多领域计算研究,其开发版本论文已被ALIFE 2026接收。
2026-10-15 cs.AI cs.CL cs.LG
Agentic Coding in the Wild: Characterizing GitHub Copilot Traces at Production Scale
Microsoft Azure Research(微软Azure研究院);Microsoft Azure(微软Azure)
该研究对GitHub Copilot等AI编码智能体的生产规模轨迹进行特征分析,揭示其工作负载特性,设计轻量级空闲预测器,为智能体原生LLM服务基础设施提供实证基础。
2026-08-04 cs.AI cs.LG
Terminal-Bench-LILT: Multilingual Agentic Coding Benchmark Grounded in Language, Region, and Culture
LILT, Inc.(LILT公司)
本文提出Terminal-Bench-LILT多语言编码基准,含10种语言300个任务,评估6个前沿模型发现其通过率仅63.1%,凸显多语言编码能力是未被充分探索的维度。
2026-09-01 cs.AI cs.CL
SARC-DQ: Runtime Data-Quality Gating for Agentic AI: Silent Evidence Defects, the Incompetence Shield, and Downstream-Only Remediation
Universidad Torcuato Di Tella(托库阿托·迪·特拉大学)
该研究针对智能体AI的元数据缺陷问题,提出SARC-DQ运行时数据质量门控机制,实验显示模型能力未提升怀疑能力,所提门控结合下游修复可恢复部分损失,无模型预言机能精准跟踪缺陷率。
2026-07-30 cs.AI cs.CY cs.SE
CentaurEval: Benchmarking Human-in-the-Loop Value in Agentic Coding
New York University Abu Dhabi(纽约大学阿布扎克校区);Nanyang Technological University(南洋理工大学);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Harvard University(哈佛大学);Zhejiang University(浙江大学);University of Electronic Science and Technology of China(电子科技大学);Beijing University of Technology(北京理工大学);The Hong Kong Polytechnic University(香港理工大学)
本文提出CentaurEval基准测试,用于评估人机协同在编程中的价值。该基准测试通过协作必要问题模板,结合人类推理和AI效率,展示了人机协作在编程任务中的显著优势。
2026-05-21 cs.AI cs.HC cs.SE
Runtime Governance for Agentic AI: Action-Boundary Control with Trusted Provenance and Fail-Closed Execution
SPQR Technologies Inc.(SPQR科技公司)
该研究提出Aegis运行时治理系统,通过可信决策层调解智能体AI的工具行动提案,在沙堡语料库评估中成功阻止风险提案转化为治理副作用。
2026-08-19 cs.AI cs.CE cs.CR
AgentGuard: Runtime Verification of AI Agents
JetBrains Research, The Netherlands(JetBrains研究院,荷兰)
针对自主智能体行为不可预测、传统验证失效的问题,本文提出 AgentGuard 运行时验证框架,通过 I/O 事件抽象、在线学习 MDP 与概率模型检查实现动态定量保证。
2025-09-28 cs.AI cs.SE
Just-In-Time Agent Memory with Runtime Agentic Research
Beijing Academy of Artificial Intelligence(北京人工智能研究院);Peking University(北京大学);Hong Kong Polytechnic University(香港理工大学)
针对现有代理记忆系统提前构建记忆可能丢失重要信息的问题,本文提出即时代理记忆(JAM)框架,通过运行时查询条件化上下文构建,并在多个基准上实现优于AOT系统且更高效的任务性能。
2026-09-29 cs.AI cs.CL cs.IR
Adversarial Review: Structured Disagreement for Grounded Agentic Code Review
Cornell University(康奈尔大学);Stanford University(斯坦福大学)
本文提出对抗评审(AR)协议,仅用3个智能体实现结构化分歧的协作代码评审,在LiveCodeBench、SWE-PRBench等基准上优于多智能体基线,证明无需大量智能体即可完成高效代码评审。
2026-08-20 cs.AI cs.SE
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
CodeMidas: Scaling Agentic Coding RL Environments from Code Itself
Xiaomi(小米);Peking University(北京大学);University of Hong Kong(香港大学);Renmin University of China(中国人民大学)
CodeMidas提出从源代码自动构建编码RL环境的智能体流水线,生成5,545个跨23种语言的任务,训练后显著提升多种编码基准性能。
2026-09-21 cs.AI