AI 大模型
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
编码助手如何辜负用户：基于20,574个真实会话的开发人员与智能体不一致的大规模分析
机构 * University of Notre Dame（诺丁汉大学） ； Vanderbilt University（范德比大学） ； Google（谷歌）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 通过对20,574个编码助手会话的分析，识别出七种常见的不一致形式，发现大多数不一致导致信任成本而非系统损坏，且多数仍需用户显式纠正。
CodeEvolve：用于算法发现和优化的开源进化编码智能体
机构 * Inter Science - Inter&Co ； Federal University of Minas Gerais（联邦大学伯南迪斯） ； Worcester Polytechnic Institute（沃思彻斯特理工大学）
专题命中 软件智能体 ：agent(title)；分类 cs.AI、cs.LG
AI总结 提出CodeEvolve开源框架，结合大语言模型与岛屿进化搜索，通过灵感交叉、元提示和深度细化，在AlphaEvolve基准上匹配或超越5/9问题，并在匹配条件下优于OpenEvolve和ShinkaEvolve，以更低成本超越前沿闭源集成。
Comments 21 pages, 16 figures, 8 tables
物理学就是一切？物理学家监督人工智能开发科学软件的案例研究
机构 * Kavli IPMU (WPI), UTIAS, The University of Tokyo（Kavli研究所（WPI）、UTIAS、东京大学） ； Center for Data-Driven Discovery（数据驱动发现中心） ； Institute For Interdisciplinary Research in Science（科学跨学科研究中心）
专题命中 软件智能体 ：AI agent(abstract,comments)；agent(abstract)；分类 cs.AI、cs.SE
AI总结 通过一个物理学家监督AI编码代理开发可微扰动理论模块的案例，研究AI代理在科学软件开发中的可靠性，发现监督设计比模型能力更能决定输出可信度。
Comments 10 pages, 2 figures, 2 tables, 1 physicist and a few AI agents. Accepted by ICML 2026 AI for Science Workshop. Code and development log are available at this repo: https://github.com/MinhMPA/clax-pt
通往个性化代码智能之路：基于IDE内行为的开发者画像与辅助
专题命中 软件智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.SE
AI总结 提出VirtualME数据基础设施，通过捕获和解释开发者在IDE中的动态编程行为，构建四维开发者画像，并集成到问答代理中实现个性化代码智能，实验显示平均提升33.80%。
Comments 23 pages, 6 figures, accepted by FSE`2026
更安全智能体的追踪能力
机构 * EPFL（苏黎世联邦理工学院）
专题命中 软件智能体 ：agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 提出通过Scala 3的捕获检查类型系统静态追踪能力，构建基于编程语言的智能体安全约束，防止信息泄露和恶意副作用。
SchGen: 基于语义接地代码表示的PCB原理图生成
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Microsoft Research Asia（微软亚洲研究院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 提出SchGen，首个从自然语言请求生成可编辑PCB原理图的大语言模型，通过语义接地代码表示将几何驱动问题转化为语义驱动匹配任务，并构建大规模数据集，在连线准确性和功能正确性上显著优于现有方法。
Comments 19 pages, 7 figures
Code-QA-Bench：在仓库级问答中分离代码推理与文档记忆
机构 * Baidu Inc（百度公司）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 提出Code-QA-Bench框架，通过答案优先生成和三条件实验设计，自动构建仓库级代码理解基准，以区分代码推理、文档回忆和预训练记忆的影响。
LogDx-CI：为LLM根因诊断基准测试日志缩减工具
机构 * National University of Singapore（新加坡国立大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 提出LogDx-CI基准，比较11种日志缩减工具在35个真实CI故障案例上的效果，发现混合grep+tail路由器在成本质量上占优，且智能体循环可缩小质量差距但成本差异持续存在，同时跨家族LLM摘要器优于同家族。
护栏优于指导：关于编码智能体的规则、技能和持久配置的大规模研究
机构 * AWS Generative AI Innovation Center（AWS生成式人工智能创新中心） ； HSBC Holdings Plc., HSBC Technology Center, China（汇丰控股有限公司，汇丰技术中心，中国）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 通过大规模实验发现，随机规则与专家规则对编码智能体性能提升相当，且有益规则均为负面约束，有害规则均为正面指令，提出应使用约束而非指导来配置智能体。
CompilerDream: 学习编译器世界模型以实现通用代码优化
机构 * School of Software, BNRist Tsinghua University Beijing China（软件学院、北师大清华大学北京中国） ； Tsinghua University（清华大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.LG
AI总结 提出基于模型的强化学习方法CompilerDream，通过编译器世界模型模拟优化pass属性并训练智能体，实现跨应用场景和语言的通用代码优化，在零样本泛化上超越LLVM内置优化。
Comments KDD 2025 camera-ready version with extended appendix. Code is available at https://github.com/thuml/CompilerDream. This update additionally fixes an issue in Table 6 where the dataset names in three rows were ordered incorrectly
DeepSurvey: 提升自动综述生成中的分析深度与引用可靠性
机构 * X-LANCE Lab, School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（上海交通大学计算机科学学院X-LANCE实验室） ； Jiangsu Key Lab of Language Computing, Suzhou, China（江苏省语言计算重点实验室） ； Suzhou Laboratory, Suzhou, China（苏州实验室）
专题命中 软件智能体 ：agentic(abstract)；分类 cs.AI
AI总结 提出DeepSurvey智能体系统，通过结构化全文笔记、跨论文关系建模和代码仓库分析增强分析深度，结合引文图扩展与混合过滤、证据约束引用分配及多粒度智能体精炼提升引用可靠性，在内容质量和引用准确性上超越现有方法。
MigrationBench：从Java 8的仓库级代码迁移基准
专题命中 软件智能体 ：agentic(abstract)；分类 cs.SE
AI总结 提出MigrationBench基准，用于评估大语言模型在从Java 8迁移到Java 17/21的仓库级代码迁移任务上的表现，并设计了智能体框架实现高成功率。
GTA：大规模生成面向Web智能体的长程任务
机构 * University of Southern California（南加州大学） ； Salesforce AI Research（Salesforce人工智能研究） ； University of California, Davis（加州大学戴维斯分校）
专题命中 GUI与网页智能体 ：agent(abstract)；tool-use(abstract)；分类 cs.AI、cs.CL
AI总结 提出GTA框架，通过集成爬取、检索式种子生成、上下文内生成和自动质量控制，为Web智能体生成带可执行轨迹的真实长程任务，解决现有基准缺乏过程监督和可扩展性问题。
Comments Published at Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics
UI-KOBE：面向轻量级图引导GUI代理的知识导向行为探索
机构 * CUHK MMLab（香港大学多模态实验室） ； Huawei Research（华为研究） ； Shenzhen Loop Area Institute（深圳河套学院） ； CPII under InnoHK（创新香港下的CPII）
专题命中 GUI与网页智能体 ：agent(abstract)；planning(abstract)；分类 cs.AI
AI总结 提出UI-KOBE框架，通过自动构建应用知识图谱并引导轻量级GUI代理进行运行时决策，以提升其移动端GUI任务执行效果。
GUITestScape：面向探索性GUI测试的开放集评估
机构 * Beijing Jiaotong University（北京交通大学） ； Independent Researcher（独立研究者）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 提出GUITestScape基准和GUIJudge评估器，通过覆盖交互与显示缺陷的508个预设缺陷及过程感知评估方法，解决现有GUI测试评估局限于预定义标注和交互缺陷的问题。
面向计算机使用代理的人类引导式危害恢复
机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 针对LM代理在计算机系统中执行操作后的危害恢复问题，通过用户研究定义偏好对齐的恢复维度，提出基于奖励模型对候选恢复计划重排序的方法，并构建BackBench基准测试，实验表明该方法优于基线代理。
STAMP：在可控且可扩展的虚拟环境中训练移动GUI代理的显式记忆
机构 * Tongyi AI Lab, Alibaba Group（通义实验室，阿里巴巴集团） ； Beijing Jiaotong University（北京交通大学）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.CL
AI总结 提出STAMP框架，通过可控虚拟环境注入确定性记忆变量，生成可验证监督数据并支持在线强化学习，解决移动GUI代理在长时任务中因上下文窗口限制和缺乏显式记忆导致的失败问题。
Comments 24 pages, 4figures, 21 tables
PRO-CUA: 面向计算机使用代理的过程奖励优化
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI
AI总结 提出PRO-CUA框架，通过过程奖励模型和逐步骤强化学习，解决计算机使用代理训练中的模仿瓶颈和稀疏奖励问题。
PrecisionCUA：代码编辑器中像素级光标定位的迭代视觉细化
机构 * Microsoft（微软公司） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 提出PrecisionCUA方法，通过迭代视觉反馈细化机制实现代码编辑器中像素级光标定位，显著提升点击精度和任务成功率。
劫持Agent记忆：通过对话交互的隐蔽木马攻击
机构 * North China Electric Power University（华北电力大学） ； Tencent（腾讯） ； Tsinghua University（清华大学）
专题命中 记忆与上下文管理 ：agent(title,title_cn)；分类 cs.AI
AI总结 提出MemPoison攻击方法，通过语义关系桥、实体伪装和联合嵌入优化绕过选择性记忆机制，在LLM Agent长期记忆中注入触发器后门，实现高达0.95的攻击成功率。
Comments 19 pages, 12 figures
AgentDoG 1.5：一种轻量级且可扩展的AI智能体安全与安保对齐框架
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
专题命中 记忆与上下文管理 ：agent(title,abstract)；AI agent(title)；agentic(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 针对开放世界智能体的新兴安全风险，提出一种轻量级可扩展的安全对齐框架，通过更新安全分类法、构建数据引擎并训练小模型（0.8B-8B参数），实现与闭源模型相当的性能，并降低部署开销两个数量级。
Comments 44 pages, 12 Figures, 9 Tables
RewardFlow: 面向大语言模型智能体强化学习的拓扑感知状态图奖励传播
机构 * TMLR Group（TMLR小组） ； Hong Kong Baptist University（香港 Baptist大学） ； TCL Corporate Research (HK) Co Ltd（TCL企业研究（香港）有限公司） ； Cooperative Medianet Innovation Center Shanghai Jiao Tong University（合作中位网创新中心上海交通大学） ； Department of Mathematics Hong Kong Baptist University（香港 Baptist大学数学系）
专题命中 记忆与上下文管理 ：agentic(title,abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 提出RewardFlow方法，通过构建状态图进行拓扑感知的奖励传播，为智能体推理提供无标注的密集奖励，显著提升强化学习性能。
实体碰撞：一种用于归因智能体记忆检索提升的分层协议
机构 * Independent Researcher（独立研究员）
专题命中 记忆与上下文管理 ：agent(title,abstract)；分类 cs.AI、cs.CL
AI总结 提出实体碰撞协议，通过控制实体重叠和标签分层，将BM25基线固定，从而将检索提升归因于嵌入器，并在多维度实验中揭示编码器容量并非唯一约束。
Comments 48 pages with appendix; 6-page body, mandatory Limitations, References, and 7 appendices. Code, benchmarks, and 37 reproduce scripts: https://github.com/youwangd/engram (see paper/REPRODUCIBILITY.md). Apache 2.0
将设计技能学习为记忆策略用于智能光子逆向设计
机构 * AAII, University of Technology Sydney（AAII，悉尼技术大学） ； School of Artificial Intelligence, Shenzhen University（人工智能学院，深圳大学） ； School of Information and Communication Engineering, Hainan University（信息与通信工程学院，海南大学）
专题命中 记忆与上下文管理 ：agentic(title)；agent(abstract)；分类 cs.CL
AI总结 提出SkillPCF闭环智能体框架，通过物理引导的记忆技能库、强化学习技能选择和模拟器接地技能演化，解决光子晶体光纤逆向设计中的知识积累问题，在真实数据集上实现更优的设计质量与效率权衡。
Comments AI4Physics@ICML 2026
SCOPE: 通过提示进化增强智能体效能
机构 * The Chinese University of Hong Kong（香港中文大学） ； Huawei Technologies Co., Ltd（华为技术有限公司）
专题命中 记忆与上下文管理 ：agent(title,abstract)；分类 cs.AI
AI总结 针对LLM智能体静态提示无法有效管理动态上下文导致失败的问题，提出SCOPE框架，将上下文管理建模为在线优化问题，通过双流记忆机制和视角驱动探索自动进化提示，在HLE基准上将任务成功率从14.23%提升至38.64%。
PersonaAgent：弥合个性化LLM智能体的记忆与行动
机构 * Amazon Stores Foundational AI（亚马逊基础AI）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 提出PersonaAgent框架，通过整合个性化记忆模块（情景与语义记忆）和行动模块，并利用角色提示作为中介实现记忆与行动的协同，以解决LLM智能体的个性化任务。
Comments Accepted in ACL 2026
MemCollab：通过对比轨迹蒸馏实现跨模型记忆协作
机构 * Pennsylvania State University（宾夕法尼亚州立大学） ； AG2AI
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 针对不同骨干模型代理间共享记忆性能下降的问题，提出MemCollab框架，通过对比同一任务上不同模型生成的推理轨迹来蒸馏共享的抽象推理约束，并引入任务感知检索机制，提升异构代理的准确性和推理效率。
冲突多源个人记忆上的选择性问答：诊断性测试平台与方法比较
专题命中 记忆与上下文管理 ：AI agent(abstract)；分类 cs.AI
AI总结 针对多源冲突记忆的选择性问答问题，构建了包含34,560个实例的诊断基准，评估了多种方法，发现结构化融合方法在准确性和选择性上优于纯提示LLM。
Comments 55 pages, 5 figures
Skill-Pro: 通过非参数PPO从经验中学习可复用技能以用于LLM智能体
机构 * Key Laboratory of Interdisciplinary Research of Computation and Economics（交叉计算与经济学交叉研究实验室） ； Shanghai University of Finance and Economics（上海财经大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, Chinese Academy of Sciences（中国科学院人工智能研究所） ； University of Bristol（布里斯托大学） ； Peking University（北京大学） ； University College London（伦敦大学学院）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 提出Skill-Pro框架，通过非参数PPO从交互经验中自动学习可复用的程序性技能，无需参数更新，实现高效经验重用和长期自主性。
Comments Accepted at ICML 2026 (spotlight); 22 Pages, 6 Figures, 5 Tables
VRAG：面向交互式视频生成的世界模型学习
机构 * Peking University（北京大学） ； University of Oxford（牛津大学） ； Princeton University（普林斯顿大学）
专题命中 记忆与上下文管理 ：planning(abstract)；分类 cs.AI
AI总结 针对自回归视频生成中累积误差和记忆机制不足的问题，提出视频检索增强生成（VRAG）方法，通过显式全局状态条件降低长期累积误差并提升时空一致性。
Comments Published at NeurIPS 2025. Project page: https://sites.google.com/view/vrag
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈