AI Agent

What to Cut? Predicting Unnecessary Methods in Agentic Code Generation

什么要删？在代理代码生成中预测不必要的方法

Kan Watanabe, Tatsuya Shirai, Yutaro Kashiwa, Hajimu Iida

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

AI总结 本文提出了一种预测模型，用于识别在代理代码生成中可能被删除的功能，通过分析不同删除原因的特征，提升审查效率。

Patch-to-PoC: A Systematic Study of Agentic LLM Systems for Linux Kernel N-Day Reproduction

Patch-to-PoC: 对Linux内核N-day漏洞自动复现的系统研究

Juefei Pu, Xingyu Li, Zhengchuan Liang, Jonathan Cox, Yifan Wu, Kareem Shehada, Arrdya Srivastav, Zhiyun Qian

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

AI总结 本文提出K-Repro系统，利用LLM自动复现Linux内核N-day漏洞，实现超过50%的漏洞复现率，为自主安全代理的构建和N-day风险评估提供指导。

Comments 17 pages, 2 figures

Visual Insights into Agentic Optimization of Pervasive Stream Processing Services

面向普及流处理服务的代理优化可视化

Boris Sedlak, Víctor Casamayor Pujol, Schahram Dustdar

专题命中 软件智能体 ：agentic(title)；agent(abstract)

AI总结 本研究提出了一种面向普及流处理服务的自动扩展平台，通过代理优化服务执行，提升资源利用率和系统性能。

How AI Coding Agents Communicate: A Study of Pull Request Description Characteristics and Human Review Responses

AI 编程代理如何交流：对拉取请求描述特征和人类审查响应的研究

Kan Watanabe, Rikuto Tsuchida, Takahiro Monno, Bin Huang, Kazuma Yamasaki, Youmei Fan, Kazumasa Shimari, Kenichi Matsumoto

机构 * Nara Institute of Science and Technology（奈良科学技術研究所） 纠错

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

AI总结 本研究分析了AI编程代理在拉取请求描述风格上的差异及其对人类审查员响应的影响，揭示了人机协作开发中的关键因素。

Simple Baselines are Competitive with Code Evolution

简单基线在代码进化中具有竞争力

Yonatan Gideoni, Sebastian Risi, Yarin Gal

机构 * University of Oxford（牛津大学） 纠错

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

AI总结 该研究发现简单基线在代码进化任务中表现优异，指出搜索空间设计和评估方法改进是未来研究重点。

Not Only for Developers: Exploring Plugin Maintenance for Knowledge-Centric Communities

不仅仅为开发者：探索知识导向社区的插件维护

Giovanni Rosa, David Moreno-Lumbreras, Raula Gaikovina Kula

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

AI总结 研究探讨了非开发者主导社区中插件生态系统的维护，通过分析Obsidian平台的插件发现六个知识管理相关主题，并揭示了其工程结构和可持续性问题。

Comments Accepted to SANER2026

M2F: Automated Formalization of Mathematical Literature at Scale

M2F：大规模数学文献的自动化形式化

Zichen Wang, Wanli Ma, Zhenyu Ming, Gong Zhang, Kun Yuan, Zaiwen Wen

机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Beijing International Center for Mathematical Research, Peking University（北京大学北京国际数学研究中心） ； Huawei Technologies（华为技术有限公司） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） 纠错

专题命中 软件智能体 ：agentic(abstract)；分类 cs.AI

AI总结 M2F通过端到端自动化形式化框架，在三周内将教科书转化为Lean库，实现96%的证明成功率。

HiMAP: History-aware Map-occupancy Prediction with Fallback

HiMAP: 基于历史的无跟踪地图占用预测与回退

Yiming Xu, Yi Yang, Hao Cheng, Monika Sester

机构 * Institute of Cartography and Geoinformatics, Leibniz University Hannover（莱比锡大学汉诺威分校制图与地理信息学研究所） ； Institute of Information Processing, Leibniz University Hannover（莱比锡大学汉诺威分校信息处理研究所） ； Faculty of Geo-Information Science and Earth Observation, University of Twente（埃因霍温大学地球信息科学与地球观测系） 纠错

专题命中 软件智能体 ：agent(abstract)

AI总结 HiMAP通过无需跟踪的轨迹预测框架，在MOT失败时提供可靠预测，实现无ID的高精度未来轨迹生成。

Comments Accepted in 2026 IEEE International Conference on Robotics and Automation