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。
BeyondSWE：当前代码代理能否超越单仓库错误修复？
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.CL、cs.SE
AI总结 提出BeyondSWE基准测试，评估代码代理在跨仓库、领域特定、依赖迁移和文档生成等复杂软件工程任务上的表现，发现现有代理在利用外部信息进行精确代码修改方面仍存在显著不足。
Comments Benchmark: https://huggingface.co/datasets/AweAI-Team/BeyondSWE. Repo: https://github.com/AweAI-Team/BeyondSWE. Scaffold: https://github.com/AweAI-Team/AweAgent
程序验证的智能体证明
机构 * Department of Computer Science（计算机科学系）
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI、cs.SE
AI总结 本文评估Claude Code在Lean 4基准CLEVER上的智能体证明框架，结果显示其能生成98.8%问题的有效规范，87.5%的实现通过验证，端到端成功率达98.1%，并指出当前基准与智能体能力不匹配，需更严格的评估方法。
代理解释：基于格结构的证据用于基于LLM的程序分析
机构 * University of Southern California, Los Angeles, California, USA（美国南加州大学）
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI、cs.SE
AI总结 本文提出代理解释框架，结合格结构静态分析与LLM程序推理，通过分解分析目标为局部断言并跟踪LLM判断，改进程序分析的灵活性和准确性。
Comments 27 pages, 6 figures
BUILD-AND-FIND: 一种考虑努力的协议用于评估代理管理的代码库
机构 * National Yang Ming Chiao Tung University
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 该研究提出BUILD-AND-FIND协议，用于评估下游代理从生成代码库中恢复意图选择的能力及所需检查努力，通过分离行为正确性与恢复过程，评估准确性、稳定性、重复性、覆盖范围和努力程度。
Comments 25 pages, 8 figures, 17 tables
面向代理的运行时自愈
机构 * Singapore Management University（新加坡国立大学） ； North Carolina State University（北卡罗来纳州立大学） ； Monash University（墨尔本大学） ； Beihang University（北航）
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI、cs.SE
AI总结 本文提出利用大语言模型实现动态生成错误处理策略，通过Healer框架在四个代码数据集上验证了其在运行时错误恢复中的有效性，展示了LLM在自愈系统中的潜力。
Comments Accepted by CACM
用于高级综合的代理工厂：通用编程代理在硬件优化中能走多远？
机构 * IBM Corporation（IBM公司）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文研究通用编程代理在无硬件特定训练下优化硬件设计的能力，提出代理工厂流程，通过分阶段优化子内核并协调多个自主优化代理，实现全局优化，实验显示代理数量增加可显著提升性能。
InteractWeb-Bench: 多模态代理能否在交互式网站生成中避免盲目执行？
机构 * Shenzhen Institute of Advanced Technology Chinese Academy of Sciences（深圳先进技术研究院中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Dalian University of Technology（大连理工大学） ； UNSW Sydney（悉尼大学） ； Shenzhen University of Advanced Technology（深圳先进技术大学）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.CL
AI总结 本文提出InteractWeb-Bench，首个针对非专家低代码用户的多模态交互基准，通过模拟用户行为中的模糊性、冗余性和矛盾性，揭示前沿多模态大语言模型在意图识别和适应性交互上的局限。
Comments 21 pages, 13 figures, 7 tables
大型语言模型能否实现基于主体的模型？基于ODD的复制研究
机构 * Lusófona University（卢塞佛纳大学） ； INESC INOV-Lab（INESC INOV实验室）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 本文评估17种LLM在ODD到代码转换任务中的表现，探讨LLM能否可靠实现基于主体的模型并支持复制、验证与验证。
Comments The peer-reviewed version of this paper is published in Ecological Modelling at https://doi.org/10.1016/j.ecolmodel.2026.111624. This version is typeset by the author and differs only in pagination and typographical detail
Journal ref Ecological Modelling, 517, 111624, 2026
FormalScience: 基于代理代码生成的可扩展人类在环科学自动形式化
机构 * University of Manchester, UK（英国曼彻斯特大学） ； Idiap Research Institute, Switzerland（瑞士Idiap研究所） ； National Biomarker Centre, CRUK-MI, UK（英国国家生物标志物中心，CRUK-MI）
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI、cs.CL
AI总结 FormalScience通过人类在环的代理流程，使非专业领域专家以低成本生成形式化证明，构建了包含200个大学物理问题及解决方案的FormalPhysics数据集，并探讨了现代LLM在自动形式化中的局限性。
Comments ACL 2026
OpenHands软件代理SDK：一种可组合且可扩展的生产代理基础
机构 * MLSys 2026
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 本文提出OpenHands SDK，提供灵活的代理实现接口、安全可靠执行及用户交互接口，整合了本地到远程执行、多LLM路由和安全分析，验证了其在生产部署中的有效性。
Comments Accepted at MLSys 2026
SpecAgent：一种用于代码补全的推测性检索与预测代理
机构 * UC Berkeley（加州大学伯克利分校） ； Amazon Web Services（亚马逊网络服务）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 SpecAgent通过预索引探索和构建推测上下文，提升代码生成质量与推理效率，实验显示其在代码补全任务中比基线模型提升9-11%，显著降低推理延迟。
Comments In Proceedings of the Sixty-Fourth Annual Meeting of the Association for Computational Linguistics (2026)
CodeTracer：迈向可追溯的代理状态
机构 * Nanjing University（南京大学） ； Kuaishou Technology（快手科技） ； Institute of Automation, CAS（中国科学院自动化研究所） ； University College London（伦敦大学学院） ； Renmin University of China（中国人民大学） ； Alibaba Group（阿里巴巴集团）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 CodeTracer通过解析异构运行 artifacts，重建状态转换历史，并定位故障起始点，提升代理调试效率。
Local-Splitter：七种减少云LLM令牌使用量策略的测量研究
机构 * Sperix Labs（Sperix实验室） ； VIA Cybersecurity Lab, KNUST（VIA网络安全实验室，科罗尼斯特大学） ； Quantum and Assistive Technologies Lab, KNUST（量子与辅助技术实验室，科罗尼斯特大学）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 本文研究了七种减少云LLM令牌使用量的策略，通过测量发现本地路由与提示压缩组合在编辑密集型任务中可节省45-79%的云令牌，而RAG密集型任务中完整策略集可节省51%。
从初级到高级：在代理AI介导的软件工程中分配代理并导航专业成长
机构 * Independent Researcher（独立研究者）
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI、cs.SE
AI总结 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。
Comments To appear in CHI'26
Journal ref Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI '26), April 13--17, 2026, Barcelona, Spain
SWE-AGILE：一种用于高效管理动态推理上下文的软件代理框架
机构 * Microsoft（微软）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.CL
AI总结 SWE-AGILE通过动态推理上下文策略平衡推理深度与效率，实现高效多轮软件工程任务处理，实验证明其在SWE-Bench-Verified上优于7B-8B模型。
ACE-TA：一种基于代理的教学助手用于 grounded Q&A、测验生成和代码辅导
机构 * University of Alabama（阿拉巴马大学） ； Brown University（布朗大学） ； Meharry Medical College（梅哈里医学院） ； Iowa State University of Science and Technology（爱荷华州立科技大学）
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI、cs.CL
AI总结 ACE-TA利用预训练大语言模型，通过三个协调模块实现概念性问题的路由，提供精确解释、生成自适应测验并指导学生逐步学习代码。
重新思考基于LLM的软件工程代理生成测试的价值
机构 * Singapore Management University（新加坡管理大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 研究探讨了LLM软件工程代理生成测试的有效性，发现测试主要作为反馈渠道，而非提升问题解决效果。
超越人类可读性：为代理开发时代重新思考软件工程惯例
机构 * Military Institute of Telecommunications and Information Technologies (MITIT)（军事电信与信息技术研究所）
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI、cs.SE
AI总结 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。
计算机环境在大语言模型中激发通用代理智能
机构 * GSAI, Renmin University of China（中国人民大学高瓴人工智能学院） ； Microsoft Research（微软研究院） ； Tsinghua University（清华大学）
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI、cs.CL
AI总结 本文研究了计算机环境如何通过虚拟沙盒激发大语言模型的通用能力，展示了环境对任务解决的提升效果及训练方法。
Comments Project Page: https://llm-in-sandbox.github.io
针对LLM编码代理技能生态系统的供应链污染攻击
机构 * Griffith University（格里菲斯大学） ； The State Information Center（国家信息中心） ； Nanyang Technological University（南洋理工大学） ； University of New South Wales（新南威尔士大学） ； Wake Forest University（维克森林大学）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.CL
AI总结 本文研究了LLM编码代理技能生态系统中供应链攻击对行动空间的影响，提出DDIPE方法通过嵌入恶意逻辑到技能文档中实现隐式payload执行，实验显示其在强防御下可绕过11.6%-33.5%。
EffiSkill：基于代理技能的自动代码效率优化
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of California, Berkeley（加州大学伯克利分校） ； Columbia University（哥伦比亚大学） ； King's College London（伦敦国王学院） ； East China Normal University（华东师范大学） ； Shanghai Innovation Institute（上海创新研究院）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.CL、cs.SE
AI总结 EffiSkill通过构建可移植的优化工具箱，利用代码效率优化机制，实现无运行反馈的代码优化，提升了优化成功率。
意图形式化：在AI代理时代可靠编码的重大挑战
机构 * Microsoft Research（微软研究院）
专题命中 软件智能体 ：AI agent(title)；agentic(abstract)；分类 cs.AI、cs.SE
AI总结 本文探讨意图形式化作为解决AI生成代码与用户意图间差距的关键挑战，提出通过形式化规范提升软件可靠性的方法，并指出验证规范的瓶颈及未来研究方向。
Comments 10 pages
用iSWE代理解决Java代码仓库问题
机构 * IBM
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 本文提出iSWE代理，专注于Java问题解决，结合基于规则和模型的技术，提升企业软件开发效率。
Arbiter：检测LLM代理系统提示中的干扰
机构 * the University of British Columbia（不列颠哥伦比亚大学） ； the Georgia Institute of Technology（佐治亚理工学院）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 Arbiter通过结合形式评估规则和多模型LLM扫描，检测LLM代理系统提示中的干扰模式，发现152个问题并揭示漏洞类别差异。
代码代理故障的可解释性AI：将原始执行轨迹转化为可操作的见解
机构 * Independent Researcher（独立研究者） ； Islington College（伊斯林顿学院）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 本文提出了一种基于XAI的方法，通过结构化解释和可视化技术，帮助开发者更高效地理解和修复代码代理的故障问题。
Comments 17 Pages, 3 Figures, 2 Tables
EVMbench：在智能合约安全上评估AI代理
机构 * OpenAI ； Paradigm ； OtterSec
专题命中 软件智能体 ：AI agent(title,abstract)；分类 cs.AI、cs.LG
AI总结 EVMbench通过评估AI代理在智能合约安全领域的检测、修补和利用能力，揭示了AI在区块链安全评估中的潜力与挑战。
AgenticTyper: 使用代理AI自动类型化遗留软件项目
机构 * Darmstadt University of Applied Sciences（达姆斯塔德应用技术大学） ； MaibornWolff GmbH（马本沃尔夫公司）
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI、cs.SE
AI总结 AgenticTyper利用代理AI自动类型化遗留软件项目，通过迭代错误纠正和行为保留技术，高效解决类型错误问题。
Comments Accepted at ICSE 2026 Student Research Competition (SRC)
当AI队友遇见代码审查：协作信号塑造代理编写的拉取请求整合
机构 * Idaho State University USA（爱达荷州立大学）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 研究探讨了AI代理提交的拉取请求在代码审查中的整合效果，发现审查员参与和协作信号对整合成功至关重要。
Comments 5 pages, 2 figures, 1 table. Accepted at the 23rd International Conference on Mining Software Repositories (MSR 2026), Rio de Janeiro, Brazil
Vibe 编程是否安全？在现实任务中对代理生成代码的漏洞基准测试
机构 * Carnegie Mellon University Language Technologies Institute（卡内基梅隆大学语言技术研究所） ； Columbia University（哥伦比亚大学） ； Johns Hopkins University（约翰霍普金斯大学） ； HydroX AI
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.CL、cs.SE
AI总结 本文通过基准测试发现，Vibe 编程在现实任务中生成的代码安全性不足，尽管功能正确但存在安全漏洞，警示其在安全敏感领域应用的风险。
Favia：漏洞修复识别与分析的取证代理
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 Favia通过结合可扩展的候选排名与深入语义推理，有效识别漏洞修复，优于传统和LLM基方法。
Comments 44 pages, 12 figures, 5 tables, 3 listings
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