AI Agent

Agents for Everyone: A Workshop Framework for Building Agentic AI Capabilities in a Distributed Curation Community

面向所有人的智能体：分布式整理社区中构建智能体AI能力的研讨会框架

Seth Carbon, Sierra Moxon, Kimberly Van Auken, Pascale Gaudet, Christopher J. Mungall

专题命中 软件智能体 ：agentic(title,abstract)；agent(abstract)；tool use(abstract)；workflow(abstract)

AI总结 该研究针对智能体AI应用于生物数据库整理的障碍，构建了基于JupyterHub与Claude Code的云环境及含四个模块的研讨会，证明其可提升分布式社区的智能体AI整理能力。

GOD: Govern, Observe, and Direct - A Real-Time Control Room for Agent Societies

GOD：管控、观测与指挥——智能体群体的实时控制室

Yige Luo, Ran Guan

机构 * Laboratories, Huawei（华为2012实验室） 纠错

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

AI总结 研究针对生成式智能体系统难检查的问题，提出GOD实时控制室，整合多类工具与技术，经15次运行评估验证其干预有效性，可助力智能体群体的管控与观测。

Comments 9 pages, 5 figures. Accepted to the EMNLP 2026 System Demonstrations Track

On the Maintenance and Co-evolution of Agent Plugins: An Empirical Study of Claude Code Plugin Marketplaces

智能体插件的维护与协同演化：Claude Code插件市场的实证研究

Ahmed Hereiz, Yingzhe Lyu, Hao Li, Bram Adams, Ahmed E. Hassan

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

AI总结 本研究通过对Claude Code插件市场的实证分析，揭示智能体插件的维护与协同演化规律，发现其功能驱动开发特征及新型组件耦合依赖关系。

Comments Under review

Code as Worlds: Agentic Discovery of Executable World Representations for Physical Reasoning

代码即世界：用于物理推理的可执行世界表征的智能体式发现

Hanyang Wang, Yimo Cai, Weiliang Chen, Jiawei Chi, Haowen Sun, Qiyu Dai, Yi-Hsin Hung, Xingzhuo Guo, Jinshan Ren, Runmao Yao, Ziwei Liu, Mingsheng Long, Yueqi Duan, Jun Gao, Jiangran Lyu, Fangfu Liu, Jialong Wu

机构 * MirroS 纠错

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

AI总结 本研究提出Code-as-World范式，通过智能体式发现循环构建可执行世界表征，将其用于为视觉-语言模型训练提供物理监督，在QuantiPhy数据集上取得最优性能且超越领先专有模型

Comments Project Page: this https URL (https://mirros-lab.github.io/code-as-world)

LandingAgent: A Reference-Annotated Dataset and Agentic Generation Framework for Landing Pages

LandingAgent：用于落地页的参考标注数据集与智能体生成框架

Injun Baek, HyeongSeok Lee, Yearim Kim, Junhoo Lee, Nojun Kwak

机构 * Seoul National University（首尔大学） ； Samsung Electronics（三星电子） 纠错

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

AI总结 针对落地页生成中通用模板与无依据主张的问题，本文提出智能体框架LandingAgent，结合参考标注数据集LandingBench，实验验证其在目标适配性、呈现质量等方面优于直接生成方法。

Comments 30 pages, 8 figures

SpecMine: A Large-Scale Corpus of Spec-Driven Development Artifacts

SPECMINE：一个大规模的规范驱动开发制品语料库

Shyam Agarwal, Bogdan Vasilescu

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 SPECMINE是一个大规模语料库，通过两次普查收集公共GitHub仓库中的规范驱动开发制品，含大量文件、PR及引用数据，助力研究AI智能体时代软件的规范过程。

Credo: Reusable Declarative Primitives for Agentic Workflows

Credo：面向智能体工作流的可复用声明式原语

Duo Lu, Andrew Crotty, Uğur Çetintemel

机构 * Brown University（布朗大学） ； Northwestern University（西北大学） 纠错

专题命中 软件智能体 ：agentic(title)；分类 cs.AI

AI总结 Credo可恢复智能体工作流harness的结构化声明式描述，标记元数据并带来源编目，编译器可绑定其原语生成新任务harness，避免从头搜索，还提出了数据库界可开展的相关研究议程。

Prove2Me: An Open Collaborative Platform for Scaling Math Formalization

Prove2Me：用于规模化数学形式化的开源协作平台

Shuze Chen, Kunal Marwaha, Xiaoyang Lu, Henry Yuen, Tianyi Peng

机构 * Columbia University（哥伦比亚大学） ； University of Chicago（芝加哥大学） ； Purdue University（普渡大学） 纠错

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

AI总结 Prove2Me是支持人类与AI智能体协作的开源数学形式化平台，可降低大规模数学形式化的门槛，实现众包式规模化形式化验证。

Comments this https URL (https://prove2.me)

When Verified Source Becomes Attack Input: Defending Smart Contracts Against LLM-Based Vulnerability Scanning

当已验证源码成为攻击输入：防御智能合约免受基于大语言模型（LLM）的漏洞扫描

Mingyuan Huang, Zimo Ji, Yifan Mo, Shuai Wang

专题命中 软件智能体 ：agent(abstract)；分类 cs.SE

AI总结 本文提出DeLLMGuard框架，通过分离源码与运行时执行并验证相关信息，在保留公开源码披露和授权审计的同时，降低LLM智能体对智能合约漏洞扫描的准确性，防御恶意扫描。

Adaptive Strategy Generation for Boundary Value Exploration Beyond Numeric Inputs

超越数值输入的边界值探索自适应策略生成

Sabinakhon Akbarova, Felix Dobslaw, Robert Feldt

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

AI总结 本文提出基于LLM的ABEX框架，以自适应策略生成替代手动设计变异算子，在含多类型输入的20个函数的黑盒测试中，其边界探索与故障揭示性能优于现有QD基线。

Comments 29 pages, 6 figures

Learned Relay Representations for Forward-Thinking Discrete Diffusion Models

学习的中继表示用于前向思考的离散扩散模型

Benjamin Rozonoyer, Jacopo Minniti, Dhruvesh Patel, Neil Band, Avishek Joey Bose, Tim G. J. Rudner, Andrew McCallum

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； University of Toronto（多伦多大学） ； Stanford University（斯坦福大学） ； Imperial College London（伦敦帝国学院） ； Mila ； Vijil 纠错

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

AI总结 提出Learned Relay Representations (Relay)方法，通过可微通道传递潜在信息，使掩码扩散模型在去噪步骤间前向思考，减少推理延迟并提升性能。

Comments 16 pages, 3 figures. Equal contribution: Benjamin Rozonoyer, Jacopo Minniti, and Dhruvesh Patel. Code: this https URL (https://github.com/jacopo-minniti/relay)