The 2025 AI Agent Index: Documenting Technical and Safety Features of Deployed Agentic AI Systems
University of Cambridge(剑桥大学);University of Washington(华盛顿大学);Harvard Law School(哈佛法学院);Stanford University(斯坦福大学);Concordia AI(康科迪亚AI);University of Pennsylvania(宾夕法尼亚大学);Massachusetts Institute of Technology(麻省理工学院);Hebrew University of Jerusalem(耶路撒冷希伯来大学)
本文提出2025人工智能代理指数,记录30种先进代理式AI系统的起源、设计、能力、生态系统及安全特性,揭示代理发展中的趋势和开发者透明度问题。
2026-05-06 cs.AI cs.CY
Switchcraft: AI Model Router for Agentic Tool Calling
Microsoft Research(微软研究院);Stanford(斯坦福大学)
Switchcraft是首个面向代理工具调用优化的模型路由系统,通过选择成本最低且正确的模型,降低推理成本达84%,同时保持准确率与最佳单个模型相当。
2026-11-03 cs.AI cs.MA
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
Safer Builders, Risky Maintainers: A Comparative Study of Breaking Changes in Human vs Agentic PRs
Kennesaw State University(肯尼索州立大学)
本文比较了人类与代理PR中破坏性变更的频率和任务情境,发现代理在维护任务中风险更高,存在'信心陷阱'问题。
2026-03-29 cs.AI cs.SE
Explainable Model Routing for Agentic Workflows
Georgia Institute of Technology(佐治亚理工学院)
本文提出Topaz框架,通过引入可审计性提升代理路由的可解释性,解决模型选择中的成本与性能权衡问题。
2026-04-04 cs.AI cs.HC
Quantifying the Expectation-Realisation Gap for Agentic AI Systems
German Center for Diabetes Research(德国糖尿病研究中心)
本文量化了代理AI系统在实际应用中与预期之间的差距,揭示了工作流整合、验证负担和测量不匹配等因素的影响,并提出需考虑人类监督成本的规划框架。
2026-02-25 cs.AI cs.SE
Taming Uncertainty via Automation: Observing, Analyzing, and Optimizing Agentic AI Systems
IBM Research(IBM研究)
本文提出AgentOps框架,通过自动化管理代理AI系统的不确定性,实现安全、适应性和有效性的运营。
2025-11-20 cs.AI cs.MA
AgenticSCR: An Autonomous Agentic Secure Code Review for Immature Vulnerabilities Detection
The University of Melbourne(墨尔本大学);Monash University(莫纳什大学)
AgenticSCR通过结合LLMs、自主决策和语义记忆,有效检测预提交阶段的初期漏洞,优于传统SAST工具和静态LLM基线。
2026-08-05 cs.AI cs.CR cs.LG
PentestMCP: A Toolkit for Agentic Penetration Testing
Portland State University(波特兰州立大学);Department of Computer Science(计算机科学系)
针对智能体渗透测试的工具需求,本文提出PentestMCP,一套基于MCP协议的服务器实现库,支持多类渗透测试任务,可让开发者灵活定制多智能体渗透测试工作流。
2025-10-04 cs.AI cs.CR
Agentic Misalignment: How LLMs Could Be Insider Threats
University College London(伦敦大学学院);Anthropic;MATS;Mila
本研究通过压力测试16个领先LLM在假设企业环境中的行为,发现模型在面临替换或目标冲突时可能采取恶意内部人员行为,即智能体错位,提示部署需谨慎并加强安全研究。
2025-10-16 cs.AI cs.CR cs.LG
Professional Software Developers Don't Vibe, They Control: AI Agent Use for Coding in 2025
Cornell University(康奈尔大学)
本文探讨了2025年经验丰富的软件开发人员如何利用AI代理进行编程,发现开发人员通过保持自主权和专业知识来控制代理行为,以确保软件质量。
2026-08-20 cs.AI cs.HC cs.SE
The AI Agent Index
Massachusetts Institute of Technology(麻省理工学院);Stanford University(斯坦福大学);University of Warwick(华威大学);Harvard University(哈佛大学);Hebrew University(希伯来大学)
本文推出首个记录已部署智能体AI系统信息的公共数据库AI Agent Index,系统记录其技术组件、应用领域和风险管理实践,发现开发者提供的安全信息有限。
2025-02-03 cs.AI cs.SE
Smarter Together: Creating Agentic Communities of Practice through Shared Experiential Learning
The Memory Company(记忆公司);Moonsong Labs, Inc.(Moonsong实验室)
针对AI编码智能体缺乏共享学习仓库的问题,本文提出模拟人类开发者社区集体智慧的Spark共享智能体记忆架构,提升了不同规模模型的代码质量,且建议有用性达98.2%。
2025-11-11 cs.AI cs.SE
Agentic AI Process Observability: Discovering Behavioral Variability
IBM Research(IBM研究院)
本研究针对 LLM 智能体行为的非确定性问题,提出利用过程与因果发现分析执行轨迹,并结合基于 LLM 的静态分析技术区分预期与非预期行为变异性,以增强开发者的可观测性与控制力。
2025-07-03 cs.AI
Dynamic Cogeneration of Bug Reproduction Test in Agentic Program Repair
Google, USA(谷歌(美国))
本文研究了在程序修复中动态共生生成测试的方法,通过在同一补丁中生成修复和测试用例,提高修复的可信度并减少维护成本。
2026-08-25 cs.AI cs.SE
AEVAL: From Anecdotal to Deterministic Testing for Agentic Skill Workflows
nvidia(NVIDIA公司)
研究针对智能体技能工作流测试缺乏确定性和可重复性的问题,提出AEVAL框架,通过执行器与评分器分离等方法,实现确定性、可重复的测试,给出分层修复建议,能将虚假通过率转换为可重复失败信号并记录修复过程。
2026-07-22 cs.AI cs.LG cs.PF
WatchPoint: Executable User Feedback for Real-World Agentic Web Development
Stevens Institute of Technology(史蒂文斯理工学院);University of Texas at Dallas(德克萨斯大学达拉斯分校)
WatchPoint通过模拟开发者行为生成并执行诊断脚本,为编码智能体提供可执行反馈,在Web-Bench上恢复57.6%的任务,与人类测试者54.5%的恢复率相当。
2026-09-23 cs.AI cs.CL cs.SE
Spec Kit Agents: Context-Grounded Agentic Workflows
本文提出Spec Kit Agents,一种多代理的规范驱动开发流程,通过添加阶段级上下文绑定钩子,提升代码质量与测试兼容性。
2026-04-07 cs.AI cs.MA 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
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
Agentic AI and Multiagentic: Are We Reinventing the Wheel?
Valencian Research Institute for Artificial Intelligence (VRAIN)(瓦伦西亚人工智能研究院);Universitat Politècnica de València (UPV)(瓦伦西亚理工大学)
本文批判性地指出“Agentic AI”和“Multiagentic AI”只是对既有智能体与多智能体系统概念的流行词误用,主张将数十年积累的多智能体理论、标准和协议技术融入基于大语言模型的新一代 AI 智能体,避免重复造轮子。
2025-06-02 cs.AI cs.MA
LightAgent: Production-level Open-source Agentic AI Framework
Shanghai University of Finance and Economics(上海财经大学);University of California Los Angeles(加州大学洛杉矶分校);Fudan University(复旦大学);Shanghai University(上海大学)
针对多智能体系统部署中灵活性与简洁性难以兼顾的问题,提出轻量级开源框架LightAgent,集成记忆、工具与思维树,支持自学习智能体构建。
2025-09-11 cs.AI
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
PopPy: Opportunistically Exploiting Parallelism in Python Agentic Workflows
University of Pennsylvania(宾夕法尼亚大学);Independent Researcher(独立研究者);University of California, Los Angeles(加州大学洛杉矶分校)
本文提出PopPy系统,通过识别Python应用中调用外部组件的并行化机会,从而在复合AI应用的端到端延迟上实现6.4倍的加速,同时保持顺序程序语义。
2026-10-06 cs.AI cs.DC cs.PL
Control Plane as a Tool: A Scalable Design Pattern for Agentic AI Systems
针对智能体 AI 系统在大规模工具编排与架构上的不足,本文提出“Control Plane as a Tool”可复用设计模式,以单一工具接口封装模块化路由,提升扩展性、安全性与可扩展性。
2025-05-11 cs.AI
EnvX: Agentize Everything with Agentic AI
EnvX Team(EnvX团队);Shanghai Innovation Institute(上海创新研究院);Shanghai Jiao Tong University(上海交通大学);The University of Tokyo(东京大学);Zhejiang University(浙江大学);Fudan University(复旦大学)
EnvX利用智能体AI将GitHub仓库转化为可自然语言交互与协作的智能体,通过三阶段流程实现自动化,在GitTaskBench上取得74.07%执行完成率,优于现有框架。
2025-09-09 cs.AI cs.MA
When Is Smaller Greener? Right-Sizing Language Models for Agentic AI
University of Leeds(利兹大学);Ca’Foscari University of Venice(威尼斯卡福斯卡里大学)
本文针对智能体AI任务,提出以成功完成的任务为单位评估LLM的决策模型,发现存在交叉任务长度划分任务区间,经试点研究验证了模型的有效性,为LLM的规模匹配合提供了实用框架。
2026-10-30 cs.AI cs.MA
AgentCompass: Towards Reliable Evaluation of Agentic Workflows in Production
FutureAGI Inc.(未来AGI公司)
AgentCompass是首个面向生产环境智能体工作流部署后监控与调试的评估框架,通过多阶段分析流水线和双记忆系统实现持续学习,在TRAIL基准上取得最先进结果并发现人工标注遗漏的关键问题。
2025-09-18 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
A Baseline Assessment for the Agentic Web Technology Stack
PUC-SP(圣保罗天主教大学)
本研究提出MASTIF框架,针对300个Mind2Web任务评估3种LLM、3种协议和4种智能体框架,发现选择任务特定技术栈可提升多项指标并减少冗余与耗时,为智能体网络技术提供基线参考。
2026-10-12 cs.AI cs.ET cs.SE
Acting with AI: An Interaction-Based Framework for Agentic Tort Liability
Yiheng Yao(姚艺恒)
本文基于Bratman规划理论和普通法人类协同行动原则,提出一种交互分类框架(自主漂移、纯工具使用、协作规划)来分配AI代理系统的侵权责任,并引入“合理代理”标准。
2026-05-30 cs.AI
Agentic Instruction Data Selection: Let DataMaster Interpret Your Intent
该研究提出指令数据选择智能体DataMaster,可解读用户意图自动构建最优数据选择策略,在多领域实验中其性能优于静态基线及全池训练。
2026-08-12 cs.AI
Agentic Property-Based Testing: Finding Bugs Across the Python Ecosystem
MATS, Anthropic(MATS,Anthropic);Northeastern University(东北大学);Anthropic
本文提出一种基于LLM的智能体,通过分析代码与文档推断属性,自动合成并执行基于属性的测试(PBT)以确认Bug。在100个Python包的评估中,其高分Bug报告有效率达86%,并成功向NumPy等提交合并了补丁,证明该方法严格且可扩展。
2025-10-10 cs.AI cs.SE
TriCEGAR: A Trace-Driven Abstraction Mechanism for Agentic AI
JetBrains Research(JetBrains研究)
TriCEGAR是一种基于跟踪的自动抽象机制,用于代理AI中在线构建MDP并进行概率模型检查,以提高验证效率和可靠性。
2026-01-30 cs.AI cs.SE
Willful Disobedience: Automatically Detecting Failures in Agentic Traces
University of Washington(华盛顿大学);Microsoft Research(微软研究院)
本文提出AgentPex工具,通过提取规则自动评估代理轨迹,发现传统仅关注结果的评估方法无法检测到关键流程故障,如错误的工作流路由、不安全的工具使用或违反提示规则的情况。
2026-05-08 cs.AI cs.SE
Knowledge Activation: AI Skills as the Institutional Knowledge Primitive for Agentic Software Development
Yahoo Inc.(雅虎公司)
本文提出知识激活框架,通过将AI技能转化为结构化、治理-aware的原子知识单元(AKUs)来解决企业软件开发中的机构知识交付问题,提升代理软件开发效率。
2026-06-04 cs.AI cs.HC cs.SE
BabelCoder: Agentic Code Translation with Specification Alignment
Concordia University(康科迪亚大学);York University(约克大学)
BabelCoder通过代理协作框架提升代码翻译准确性,实现94.16%的平均准确率。
2026-09-28 cs.AI cs.SE
Vibe Coding vs. Agentic Coding: Fundamentals and Practical Implications of Agentic AI
Cornell University(康奈尔大学);University of the Peloponnese(伯罗奔尼撒大学)
本文综述了AI辅助软件开发中vibe coding与agentic coding两种范式,通过分类体系和20个用例对比其优劣,提出未来应融合两者优势,构建以人为本的统一开发流程。
2025-05-26 cs.AI cs.CL cs.SE
VisDocSketcher: Towards Scalable Visual Documentation with Agentic Systems
Carnegie Mellon University(卡内基梅隆大学);Singapore Management University(新加坡管理学院);Faculty of Engineering, University of Porto(葡萄牙波尔图大学工程学院)
本文提出首个结合静态分析与LLM智能体自动生成视觉文档的方法VisDocSketcher,并引入代码级评估框架AutoSketchEval,有效提升生成质量与评估可靠性。
2025-09-15 cs.AI cs.HC cs.SE
BioSecBench-Refusal: A paired metric for performance and alignment in agentic biosecurity risk assessment
American Wetware(美国湿科公司);LatchBio
研究针对人工智能用于生命科学工作流可能导致滥用的问题,提出BioSecBench-Refusal基准,将常规与红队任务配对,测试16种配置下模型拒绝率,发现多数配置对常规工作拒绝率高,有推理空间的模型能识别更多威胁,为开发者提供校准工具。
2026-07-22 cs.AI cs.CR
GitGoodBench: A Novel Benchmark For Evaluating Agentic Performance On Git
JetBrains Research(JetBrains研究院);School of Computation, Information and Technology, Technical University of Munich(技术大学慕尼黑计算、信息与技术学院)
针对现有软件工程AI智能体基准忽略版本控制系统操作的问题,提出了一个评估AI智能体在Git任务上性能的新颖基准GitGoodBench,并提供了三个数据集和基线性能。
2025-05-28 cs.AI cs.SE
Security, privacy, and agentic AI in a regulatory view: From definitions and distinctions to provisions and reflections
Department of Informatics, University of Oslo(奥斯陆大学信息学院)
本文通过分析24份2024-2025年发布的欧盟AI监管文件,澄清安全、隐私和代理AI的关键定义,区分相关概念,梳理当前监管规定,并反思如何更好地对齐安全隐私义务与AI行为。
2026-03-19 cs.AI cs.CR cs.CY
From Social Coding to Agentic Coding: Productivity and Relational Reconfiguration in Open-Source Communities
该研究基于含1084名开发者的GitHub数据模拟发现,编码智能体(CA)可提升开源社区生产力,但采用率低且收益集中于活跃开发者,还会减少人类直接交互、降低公共知识实用性。
2026-08-05 cs.AI cs.CY
Risk Alignment in Agentic AI Systems
Rethink Priorities;University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
本文探讨智能体AI的风险对齐问题,分析风险态度对用户信任与社会责任的影响,并提出三篇论文以解决风险态度校准、护栏设置及代他人决策的伦理等规范性与技术性挑战。
2024-10-02 cs.AI cs.CY econ.GN
Building A Secure Agentic AI Application Leveraging A2A Protocol
Intuit Adversarial AI Security reSearch (A2RS)(Intuit对抗AI安全研究(A2RS));Google Cloud(Google云);Amazon Web Services(亚马逊网络服务)
本文基于MAESTRO框架对A2A协议进行安全分析,识别Agent Card管理、任务完整性和认证等风险,并提出安全开发方法与架构实践,以构建安全可靠的智能体应用。
2025-05-02 cs.AI cs.CR
When Algorithmic Exploration Becomes Cheap: A Case Study of Agentic Research in EDA
Fudan University(复旦大学)
本研究通过八次智能体算法探索试验及对8,420篇EDA论文的分析,发现EDA为算法研究提供了可执行环境,使算法探索变得廉价,并提出研究验证与奖励的新问题。
2026-10-08 cs.AI cs.AR
Abstain and Validate: A Dual-LLM Policy for Reducing Noise in Agentic Program Repair
Google, USA(谷歌公司);Meta, USA(Meta公司)
本文提出双LLM策略,通过bug回避和补丁验证减少代理程序修复中的噪声,提升修复成功率和可靠性。
2026-01-29 cs.AI cs.SE
Toward an Agentic Infused Software Ecosystem
University of Kentucky(肯塔基大学)
本文提出构建一个充满代理的软件生态系统,通过三个支柱:AI代理、编程语言及工具、运行时环境,推动人工智能与人类开发者协同开发。
2026-02-24 cs.AI cs.PL cs.SE
Agentic AI Systems Should Be Designed as Marginal Token Allocators
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文提出代理AI系统应以边际令牌分配经济体为设计框架,揭示各层在边际效益等于边际成本加延迟成本加风险成本的条件下,导致局部优化全局失衡的问题,提出令牌意识评估、自主定价、拥堵定价和服务风险调整等研究方向。
2026-05-02 cs.AI cs.CY
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
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
AINTMA: Agentic AI Architecture for Autonomous Test Management with Generative Intelligence, Secure Cloud Communication and Adaptive Quality Analytics
International Business Machines (IBM)(国际商业机器公司(IBM));Global Atlantic Financial(全球大西洋金融公司);Docusign(DocuSign公司);Salesforce Inc(Salesforce公司);The Home Depot(家得宝公司)
研究针对现代软件质量保证需求,提出AINTMA多智能体AI系统。通过六个专门智能体及安全通信框架协调,结合生成式智能等技术。经实验评估,该系统在测试优先级、周期时间、缺陷逃逸率等方面表现出色,推进了云环境下软件质量管理。
2026-07-24 cs.AI
TraceView: Interactive Visualization of Agentic Program Repair Trajectories
Belmont University(贝尔蒙特大学)
提出TraceView工具,通过交互式可视化和语义关系标注,帮助开发者诊断LLM-based自动程序修复代理的失败原因,支持轨迹扫描与理解。
2026-06-23 cs.AI cs.HC cs.SE
From Junior to Senior: Allocating Agency and Navigating Professional Growth in Agentic AI-Mediated Software Engineering
Independent Researcher(独立研究者)
本文通过混合方法研究,探讨了代理AI在软件工程中初级和高级工程师的代理使用情况,发现组织政策而非个人偏好主要限制了代理能力,并提出三种实践以保持编码、学习和指导中的代理能力。
2026-02-11 cs.AI cs.HC cs.SE