AI Agent

Security in the Age of AI Teammates: An Empirical Study of Agentic Pull Requests on GitHub

AI队友时代的安全：对GitHub上代理拉取请求的实证研究

Mohammed Latif Siddiq, Xinye Zhao, Vinicius Carvalho Lopes, Beatrice Casey, Joanna C. S. Santos

专题命中 软件智能体 ：agentic(title,abstract)；agent(abstract)；autonomous agent(abstract)；分类 cs.SE

AI总结 研究分析了GitHub上代理撰写的PR在安全方面的贡献，发现其主要进行支持性的安全加固活动，且PR被拒绝与复杂性和冗长性相关。

Comments Submitted to Information and Software Technology Journal

An Empirical Evaluation of LLM-Based Approaches for Code Vulnerability Detection: RAG, SFT, and Dual-Agent Systems

基于大型语言模型的代码漏洞检测方法实证评估：RAG、SFT和双智能体系统

Md Hasan Saju, Maher Muhtadi, Akramul Azim

机构 * Department of Electrical, Computer, and Software Engineering（电气、计算机与软件工程系） ； Ontario Tech University（安大略技术大学） 纠错

专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE

AI总结 本文通过实证评估，比较了RAG、SFT和双智能体系统在代码漏洞检测中的有效性，发现RAG在准确率和F1分数上表现最佳，SFT和双智能体系统也展示了良好的性能，证明了领域专业知识对LLM在实际漏洞检测中的重要性。

Journal ref https://conf.researchr.org/home/cascon-2025

Improving LLM-Assisted Secure Code Generation through Retrieval-Augmented-Generation and Multi-Tool Feedback

通过检索增强生成和多工具反馈改进LLM辅助的安全代码生成

Vidyut Sriram, Sawan Pandita, Achintya Lakshmanan, Aneesh Shamraj, Suman Saha

机构 * Pennsylvania State University（宾夕法尼亚州立大学） 纠错

专题命中 软件智能体 ：workflow(abstract)；分类 cs.LG

AI总结 通过检索增强生成和多工具反馈，改进LLM辅助的安全代码生成，显著减少安全漏洞和缺陷率。