AI Agent

Ego-Foresight: Self-supervised Learning of Agent-Aware Representations for Improved RL

Ego-Foresight: 为改进强化学习的自监督学习 agent 意识表示

Manuel Serra Nunes, Atabak Dehban, Yiannis Demiris, José Santos-Victor

机构 * Institute for Systems and Robotics, Instituto Superior Técnico, U. Lisboa（系统与机器人研究所，里斯本高等理工学院，里斯本大学） ； Personal Robotics Laboratory, Imperial College London（个人机器人实验室，伦敦帝国理工学院） 纠错

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

AI总结 本文提出 Ego-Foresight 方法，通过自监督学习解耦 agent 信息，提升强化学习的样本效率和性能。

Comments 13 pages, 8 figures, conference

SEAD: Self-Evolving Agent for Multi-Turn Service Dialogue

SEAD：多轮服务对话的自演化代理

Yuqin Dai, Ning Gao, Wei Zhang, Jie Wang, Zichen Luo, Jinpeng Wang, Yujie Wang, Ruiyuan Wu, Chaozheng Wang

机构 * Meituan（美团） 纠错

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

AI总结 SEAD通过自演化机制提升服务对话性能，无需大规模人工标注，实验显示其任务完成率和对话效率均优于开源和商用模型。

See and Fix the Flaws: Enabling VLMs and Diffusion Models to Comprehend Visual Artifacts via Agentic Data Synthesis

查看并修复缺陷：通过代理数据合成使VLMs和扩散模型能够理解视觉缺陷

Jaehyun Park, Minyoung Ahn, Minkyu Kim, Jonghyun Lee, Jae-Gil Lee, Dongmin Park

机构 * KAIST（韩国科学技术院） ； Seoul National University（首尔国立大学） ； KRAFTON 纠错

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

AI总结 本文提出ArtiAgent，通过代理数据合成生成真实与带缺陷图像对，有效减少视觉缺陷，提升模型对视觉缺陷的理解能力。

ACE-RTL: When Agentic Context Evolution Meets RTL-Specialized LLMs

ACE-RTL：当代理上下文进化与专为RTL设计的LLM相遇

Chenhui Deng, Zhongzhi Yu, Guan-Ting Liu, Nathaniel Pinckney, Brucek Khailany, Haoxing Ren

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

AI总结 ACE-RTL结合代理上下文进化与专为RTL设计的LLM，通过生成器、反射器和协调器三部分提升RTL代码的正确性，实现41.02%的通过率提升。

An Agentic System for Schema Aware NL2SQL Generation

一种基于模式的代理系统用于自然语言到SQL生成

David Onyango, Naseef Mansoor

机构 * Project Path ； Minnesota State University Mankato（明尼苏达州立大学曼科托分校） 纠错

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

AI总结 本文提出一种基于模式的代理系统，利用小型语言模型作为主要代理，结合选择性LLM回退机制，降低计算成本，实验显示在BIRD基准上实现90%以上的成本节省。

ProofWright: Towards Agentic Formal Verification of CUDA

ProofWright: 向 CUDA 的代理形式验证迈进

Bodhisatwa Chatterjee, Drew Zagieboylo, Sana Damani, Siva Hari, Christos Kozyrakis

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

AI总结 ProofWright 通过整合自动形式验证与 LLM 代码生成，为 CUDA 核心提供内存安全、线程安全和语义正确性保证，验证了 74% 的生成内核，发现传统测试遗漏的细微错误。

Human-AI Synergy in Agentic Code Review

代理代码审查中的人工智能与人类协同

Suzhen Zhong, Shayan Noei, Ying Zou, Bram Adams

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

AI总结 研究通过分析300个开源项目27.8万次代码审查对话，比较人类与AI在代码审查中的反馈差异及建议采纳效果，发现人类提供更全面的反馈，AI建议采纳率较低且导致代码复杂度增加。

Comments 14 pages, 6 figures, 14 tables

Testing with AI Agents: An Empirical Study of Test Generation Frequency, Quality, and Coverage

利用AI代理进行测试：一项关于测试生成频率、质量和覆盖度的实证研究

Suzuka Yoshimoto, Shun Fujita, Kosei Horikawa, Daniel Feitosa, Yutaro Kashiwa, Hajimu Iida

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

AI总结 本研究通过AIDev数据集分析AI代理生成测试的频率、结构特征及对代码覆盖率的影响，发现AI生成的测试在代码长度和断言密度上表现突出，且能实现与人工测试相当的覆盖率提升。

Comments 5 pages

Journal ref 23rd International Conference on Mining Software Repositories (MSR '26) , 2026

Querying Everything Everywhere All at Once: Supervaluationism for the Agentic Lakehouse

全方位查询：代理湖house的超估值主义

Jacopo Tagliabue

机构 * Bauplan Labs（Bauplan实验室） 纠错

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

AI总结 本文提出一种新型查询方法，通过超估值语义在多个数据分支上回答问题，解决了传统OLAP系统无法处理多分支查询的局限。

Comments Pre-print submission

Can AI Agents Generate Microservices? How Far are We?

AI代理能否生成微服务？我们距离多远？

Bassam Adnan, Matteo Esposito, Davide Taibi, Karthik Vaidhyanathan

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

AI总结 本文研究了AI代理生成微服务的能力，发现渐进式生成在单元测试中表现较好，而清洁状态生成在集成测试中表现更优，但整体上仍需人类监督。

Comments 10 pages, 7 figures, accepted at the 2026 IEEE International Conference on Software Architecture (ICSA 2026). This is the pre-print version; the camera-ready version is published by IEEE

Re4: Scientific Computing Agent with Rewriting, Resolution, Review and Revision

Re4: 具有重写、推理、审查和修订的科学计算代理

Ao Cheng, Lei Zhang, Guowei He

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

AI总结 Re4提出一种基于重写、推理、审查和修订机制的科学计算代理，通过协作框架提升代码生成的可靠性与准确性。

Comments 31 pages, 31 figures, Presented at the ICLR 2026 Workshop on AI and Partial Differential Equations (AI&PDE)

TxRay: Agentic Postmortem of Live Blockchain Attacks

TxRay：活区块链攻击的代理事后分析

Ziyue Wang, Jiangshan Yu, Kaihua Qin, Dawn Song, Arthur Gervais, Liyi Zhou

机构 * Decentralized Intelligence AG（去中心化智能AG） ； The University of Sydney（悉尼大学） ； University of Warwick（沃里克大学） ； University of California, Berkeley（加州大学伯克利分校） ； University College London（伦敦大学学院） 纠错

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

AI总结 TxRay通过代理系统利用LLM和工具调用，从有限证据中重建活区块链攻击，生成可执行的PoC并验证根本原因，提升攻击分析效率和覆盖范围。

Comments 24 pages, 8 figures

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

ATTest: Agent-Driven Tensor Testing for Deep Learning Library Modules

基于代理的张量测试：用于深度学习库模块的单元测试生成

Zhengyu Zhan, Ye Shang, Jiawei Liu, Chunrong Fang, Quanjun Zhang, Zhenyu Chen

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

AI总结 ATTest通过基于代理的框架生成深度学习库模块的高效单元测试，显著提升测试覆盖率和稳定性。

Comments 5 pages, 3 figures

BEAGLE: Behavior-Enforced Agent for Grounded Learner Emulation

BEAGLE：行为约束的地面学习者模拟代理

Hanchen David Wang, Clayton Cohn, Zifan Xu, Siyuan Guo, Gautam Biswas, Meiyi Ma

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

AI总结 BEAGLE 通过整合自我调节学习理论和三种技术创新，有效模拟学生学习行为，实现对真实学习轨迹的高还原度复现。

Comments paper under submission at IJCAI

Agent Skills: A Data-Driven Analysis of Claude Skills for Extending Large Language Model Functionality

Agent Skills: 一种数据驱动的Claude技能分析，用于扩展大型语言模型功能

George Ling, Shanshan Zhong, Richard Huang

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

AI总结 本文通过分析Claude技能的数据，揭示了技能在软件工程中的集中使用及安全风险，为技能重用和标准化提供参考。

A Dual-Loop Agent Framework for Automated Vulnerability Reproduction

面向自动化漏洞复现的双环代理框架

Bin Liu, Yanjie Zhao, Zhenpeng Chen, Guoai Xu, Haoyu Wang

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

AI总结 CVE2PoC通过双环代理框架实现漏洞复现自动化，提升漏洞利用代码的生成效率与质量。

Human-Agent versus Human Pull Requests: A Testing-Focused Characterization and Comparison

人类-智能体 vs 人类拉请：以测试为中心的特征分析与比较

Roberto Milanese, Francesco Salzano, Angelica Spina, Antonio Vitale, Remo Pareschi, Fausto Fasano, Mattia Fazzini

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

AI总结 本文研究了人类与智能体协作在软件测试中的影响，发现智能体协作能显著增加测试范围和新测试添加，但对测试质量无明显影响。

Promises, Perils, and (Timely) Heuristics for Mining Coding Agent Activity

承诺、危险与（及时的）启发式方法用于挖掘编码代理活动

Romain Robbes, Théo Matricon, Thomas Degueule, Andre Hora, Stefano Zacchiroli

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

AI总结 本文探讨了编码代理在软件工程中的影响，分析了其快速采用带来的机遇与风险，并提出了研究此类代理活动的启发式方法。

Comments Preprint. Accepted for publication at MSR 2026

Beyond Bug Fixes: An Empirical Investigation of Post-Merge Code Quality Issues in Agent-Generated Pull Requests

超越Bug修复：对代理生成拉取请求合并后代码质量问题的实证研究

Shamse Tasnim Cynthia, Al Muttakin, Banani Roy

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

AI总结 本研究通过分析代理生成的bug修复PR合并后代码质量问题，发现代码异味主导，且合并成功不等于代码质量高，需系统化质量检查。

Code Change Characteristics and Description Alignment: A Comparative Study of Agentic versus Human Pull Requests

代码变更特征与描述对齐：代理与人类拉取请求的比较研究

Dung Pham, Taher A. Ghaleb

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

AI总结 研究比较了代理与人类生成的拉取请求在代码变更特征和描述质量上的差异，发现代理在提交级消息质量上表现更好，但在PR级总结上不如人类，揭示了代理在微观精确性与宏观沟通之间的差距。

Comments Accepted at the 23rd International Conference on Mining Software Repositories (MSR '26)

From Everything-is-a-File to Files-Are-All-You-Need: How Unix Philosophy Informs the Design of Agentic AI Systems

从『万物皆文件』到『文件即一切』：Unix哲学如何影响代理AI系统的设计

Deepak Babu Piskala

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

AI总结 本文探讨了Unix哲学中的『万物皆文件』理念如何影响代理AI系统的设计，通过统一文件和代码抽象，提升系统维护性、可审计性和操作稳定性。

What Drives Issue Resolution Speed? An Empirical Study of Scientific Workflow Systems on GitHub

是什么驱动了问题解决速度？对GitHub上科学工作流系统的实证研究

Khairul Alam, Banani Roy

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

AI总结 本文通过实证研究分析了GitHub上科学工作流系统中问题解决速度的影响因素，发现标签和分配问题等机制与更快的解决速度相关，并提出了改进建议。

Comments 7

DepRadar: Agentic Coordination for Context Aware Defect Impact Analysis in Deep Learning Libraries

DepRadar：深度学习库中基于上下文的缺陷影响分析代理协调

Yi Gao, Xing Hu, Tongtong Xu, Jiali Zhao, Xiaohu Yang, Xin Xia

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

AI总结 DepRadar通过代理协调框架实现深度学习库中缺陷影响分析，结合静态分析与领域规则提高准确性和可解释性，有效识别受影响程序。

Comments Published in 48th International Conference on Software Engineering (ICSE 2026)

Large-scale Regional Traffic Signal Control Based on Single-Agent Reinforcement Learning

基于单智能体强化学习的大规模区域交通信号控制

Qiang Li, Jin Niu, Qin Luo, Lina Yu

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

AI总结 本文提出基于单智能体强化学习的大规模区域交通信号控制模型，通过优化交通信号协调以缓解拥堵和减少行驶时间。

Comments A critical error in the methodology. The reported congestion control effects were not caused by the proposed signal timing optimization, but by an incorrect traffic volume scaling factor during evaluation. The traffic demand was not properly amplified, resulting in misleading performance gains. Due to the substantial nature of the error, completion of revisions is not feasible in the short term

How Do Agentic AI Systems Deal With Software Energy Concerns? A Pull Request-Based Study

代理AI系统如何处理软件能耗问题？基于拉取请求的研究

Tanjum Motin Mitul, Md. Masud Mazumder, Md Nahidul Islam Opu, Shaiful Chowdhury

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

AI总结 本文研究了代理AI系统在生成软件时对能耗问题的意识，通过分析拉取请求发现，尽管构建和运行这些系统耗能高，但生成的软件制品表现出一定的能耗意识，但优化相关的PR因影响可维护性而被接受较少。

With Great Capabilities Come Great Responsibilities: Introducing the Agentic Risk & Capability Framework for Governing Agentic AI Systems

能力越大责任越大：引入代理风险与能力框架以治理代理AI系统

Shaun Khoo, Jessica Foo, Roy Ka-Wei Lee

机构 * GovTech Singapore（新加坡政府科技局） ； Singapore University of Technology and Design（新加坡科技与设计大学） 纠错

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

AI总结 本文提出代理风险与能力框架，用于治理代理AI系统，通过能力中心视角和风险来源分析，帮助组织有效管理AI系统风险。

Comments Accepted at IASEAI 2026 (Main Track) and AAAI 2026 3rd International AI Governance Workshop

CDR-Agent: Intelligent Selection and Execution of Clinical Decision Rules Using Large Language Model Agents

CDR-Agent: 基于大语言模型代理的临床决策规则智能选择与执行

Zhen Xiang, Aliyah R. Hsu, Austin V. Zane, Aaron E. Kornblith, Margaret J. Lin-Martore, Jasmanpreet C. Kaur, Vasuda M. Dokiparthi, Bo Li, Bin Yu

机构 * University of Georgia（佐治亚大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of California, San Francisco（加州大学旧金山分校） ； University of Chicago（芝加哥大学） 纠错

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

AI总结 CDR-Agent利用大语言模型代理，通过自主识别和应用最合适的临床决策规则，提升急诊部门的决策效率和准确性。

LLM Assisted Coding with Metamorphic Specification Mutation Agent

基于元形态规范变异代理的LLM编码

Mostafijur Rahman Akhond, Gias Uddin

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

AI总结 CodeMetaAgent通过元形态关系驱动LLM代理，提升代码生成准确性与覆盖率，有效解决规范不一致问题。

ARISE: Agentic Rubric-Guided Iterative Survey Engine for Automated Scholarly Paper Generation

ARISE: 基于代理的评分引导迭代调查引擎用于自动化学术论文生成

Zi Wang, Xingqiao Wang, Sangah Lee, Xiaowei Xu

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

AI总结 ARISE是一种基于代理的评分引导迭代调查引擎，通过模块化架构和评分引导的迭代改进循环，实现高质量学术论文的自动化生成与持续改进。

Comments 20 pages including an appendix, 7 figures and 6 tables