Beyond Accuracy: Behavioral Dynamics of Agentic Multi-Hunk Repair
超越准确率：智能体多块修复的行为动力学
专题命中 软件智能体 ：agentic(title)；分类 cs.SE
AI总结 研究LLM驱动的编码智能体在多块缺陷修复中的行为，通过404个多块bug的1616条修复轨迹分析定位、修复准确率、回归行为及操作动力学，发现修复准确率随bug分散度和复杂度下降，且失败修复消耗更多资源。
AI 大模型
AI Agent
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
1. 软件智能体 208 篇
Persistent Recursive Worlds Enable Autonomous Software Evolution
持久递归世界支持自主软件演化
专题命中 软件智能体 ：agent(abstract)；agentic(abstract)；分类 cs.AI、cs.SE
AI总结 该研究提出 Genesis 框架，以持久递归世界替代持久智能体，成功构建 C 编译器、重实现 MESA 模块，实现长周期软件开发并获显著性能提升。
Entropy-based Code Adversarial Translation for Real-world Repository Migration
基于熵的代码对抗翻译用于真实仓库迁移
专题命中 软件智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.SE
AI总结 针对LLM迁移仓库难达可运行状态的问题，提出多智能体框架ECAT，引入A2H-RepoBench基准，迁移质量达74.7%且优于现有方法。
El Agente Gráfico: A Semantic Execution Runtime for Scientific Agents
图形代理：用于科学代理的结构化执行图
机构 * School of Computer Science, McGill University（计算机科学学院，麦吉尔大学）
专题命中 软件智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.SE
AI总结 El Agente Gráfico通过结构化执行图和类型安全机制，实现科学代理的高效自动化，适用于复杂计算任务。
PAIChecker: Uncovering and Checking PR-Issue Misalignment in SWE-Bench-Like Benchmarks
PAIChecker：揭示与检查类SWE-Bench基准中的PR-Issue不匹配问题
专题命中 软件智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.SE
AI总结 本研究针对类SWE-Bench基准中13.6%的PR-Issue不匹配问题，提出多智能体系统PAIChecker，经实验验证其在两类基准上的二元准确率最高达92.12%
Comments Accepted at the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026). Github Repo: https://github.com/manyiResearch/PAIChecker
Skillware: A Software Ontology and Engineering Lifecycle for Persistent Behavioral Artifacts
Skillware：用于持久行为工件的软件本体与工程生命周期
专题命中 软件智能体 ：agent(abstract)；AI agent(abstract)；分类 cs.AI、cs.SE
AI总结 研究针对智能体技能成为持久行为工件却缺乏相关软件本体的问题，引入Skillware，通过Skill Artifact和Skillware Unit管理工件，阐述相关条件与证据，为智能体能力提供可识别、可组合、可维护及可演化的软件本体与工程生命周期。
Comments 26 pages, 6 figures, 5 tables
Evaluating LLM-Based 0-to-1 Software Generation in End-to-End CLI Tool Scenarios
评估基于LLM的从零开始软件生成在端到端CLI工具场景中的表现
机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Independent Researcher, China（独立研究者，中国） ； Singapore Management University, Singapore（新加坡管理大学）
专题命中 软件智能体 ：autonomous agent(abstract)；planning(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出CLI-Tool-Bench基准，用于评估从零生成CLI工具的能力，发现顶级模型成功率低于43%，指出生成代码倾向单体化。
Comments Data link: https://github.com/kinesiatricssxilm14/CLI-Tool-Bench
OPINE-World: Programmatic World Modeling with Ontology-error-Prioritized Interactive Exploration for ARC-AGI-3
OPINE-World：基于本体错误优先的交互式探索的程序化世界建模
机构 * University of Toronto（多伦多大学）
专题命中 软件智能体 ：agent(abstract)；planning(abstract)；分类 cs.AI、cs.LG
AI总结 提出OPINE-World，一种在线交互学习面向对象的程序化世界模型的LLM智能体，通过本体错误度量引导探索，在ARC-AGI-3基准上无需逐游戏训练即解决20/25个游戏，动作效率达78.4。
Robust Deep Reinforcement Learning Through Adversarial Attacks and Training : A Survey
通过对抗攻击和训练实现鲁棒深度强化学习：综述
机构 * Institut de Recherche Technologique SystemX（技术研究 institute SystemX）
专题命中 软件智能体 ：agent(abstract)；autonomous agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文综述了深度强化学习中的对抗攻击与训练方法，系统分类并比较其目标与机制，以提升模型对环境变化和扰动的鲁棒性。
Comments 83 pages, 17 figues, 3 table, 15 algorithms
Resilient Write: A Six-Layer Durable Write Surface for LLM Coding Agents
抗挫写入：一种六层耐用写入表面用于大语言模型编码代理
机构 * Sperixlabs, Ghana（塞普里克斯实验室，加纳） ； Kwame Nkrumah University of Science and Technology, Kumasi, Ghana（库马西技术大学，加纳） ； VIA Cybersecurity Lab, Kwame Nkrumah University of Science and Technology, Kumasi, Ghana（VIA网络安全实验室，库马西技术大学，加纳）
专题命中 软件智能体 ：agent(abstract)；tool-use(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出Resilient Write，通过六层耐用写入表面提升编码代理在文件写入时的容错能力，减少恢复时间并提高自我纠正率。
Debugging the Debuggers: Failure-Anchored Structured Recovery for Software Engineering Agents
调试调试器：面向软件工程智能体的失败锚定结构化恢复
机构 * Nankai University（南开大学） ； Tsinghua University（清华大学） ； Microsoft（微软）
专题命中 软件智能体 ：agent(abstract)；workflow(abstract)；分类 cs.AI、cs.SE
AI总结 提出PROBE框架，通过遥测层、诊断层和指导门将运行时证据转化为结构化恢复指导，在代码修复、工作流恢复等场景中诊断准确率65.37%，恢复率21.79%。
F(AI)2R: Who Did What, and Who Checked? Verifiable AI Provenance as an Executable Skill
F(AI)2R：谁做了什么，谁进行了检查？可验证的人工智能溯源作为一项可执行技能
专题命中 软件智能体 ：agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 研究将F(AI)2R实验的溯源模型扩展为aiprov，涵盖任何含人工智能工件。方法被打包为可执行技能，由人工智能代理操作，能解析操作员身份，把关图一致性并发布论文版本，以自身为例展示溯源记录。
Automated Table Reproduction via Code Generation
Artisan: 自动化代理评估
专题命中 软件智能体 ：agent(abstract,abstract_cn)；分类 cs.SE
AI总结 Artisan通过自动化LLM代理生成重现脚本，提升软件工程研究结果的可重复性，生成44/60个有效脚本并发现20个新错误。
Comments Accepted at ASE 2026
Evaluating LLM Agents on Automated Software Analysis Tasks
评估LLM代理在自动化软件分析任务中的性能
专题命中 软件智能体 ：agent(abstract)；agentic(abstract)；分类 cs.SE
AI总结 本文通过AnalysisBench评估四种LLM架构在自动化软件分析任务中的表现，发现AnalysisAgent在手动验证的成功率高达94%，而现有代理存在阶段混用、错误定位差等问题，且整程序分析和符号执行是最具挑战性的任务。
MirrorCode: AI can rebuild entire programs from behavior alone
MirrorCode: AI 仅凭行为就能重建整个程序
机构 * Epoch AI ； Metr Prime ； Intellect University ； University of Warwick（沃里克大学）
专题命中 软件智能体 ：AI agent(abstract)；autonomous agent(abstract)；分类 cs.AI
AI总结 提出 MirrorCode 基准，基于从零复现完整软件项目评估 AI 长周期编码能力，最强模型得分 56%，如复现 16000 行生物信息学工具。
Comments 34 pages, 13 figures, 9 tables. Code available at https://github.com/epoch-research/MirrorCode
VulWeaver: Weaving Broken Semantics for Grounded Vulnerability Detection
VulWeaver: 修补断裂语义以实现基于事实的漏洞检测
专题命中 软件智能体 ：agent(abstract,abstract_cn)；分类 cs.SE
AI总结 VulWeaver通过整合确定性规则与LLM语义推理构建增强依赖图，提取完整漏洞上下文，利用元提示和专家指南提升LLM推理能力，实验显示其在PrimeVul4J数据集上F1得分达0.75，优于现有方法。
From Paper to Program: Knowledge Externalization and Bottleneck Diagnosis in AI-Assisted Quantum Many-Body Programming
从论文到程序：AI辅助量子多体代码生成中的知识外化
机构 * Institute of Physics, Chinese Academy of Sciences, Beijing 100190, China（中国科学院物理研究所，北京100190，中国）
专题命中 软件智能体 ：agent(abstract)；workflow(abstract)；分类 cs.AI
AI总结 针对AI直接翻译论文为代码时因隐含约定导致失败的问题，提出知识外化方法，通过多阶段人机协作流程将隐式假设显式化，在DMRG和Pfaffian-MPS任务上验证了有效性。
Comments 20 pages, 4 figures. Substantially revised presentation, related-work context, reproducibility documentation, validation-gate wording, limitations, and generative-AI disclosure; numerical results unchanged
Dynamic analysis enhances issue resolution
动态分析增强问题解决
专题命中 软件智能体 ：agent(abstract)；workflow(abstract)；分类 cs.SE
AI总结 本文提出DAIRA框架，通过动态分析提升代码缺陷修复效率，实现高准确率和低资源消耗。
HardSecBench: Benchmarking the Security Awareness of LLMs for Hardware Code Generation
HardSecBench: 对大型语言模型在硬件代码生成中的安全意识的基准测试
机构 * University of Science and Technology of China（中国科学技术大学） ； Xi’an Jiaotong University（西安交通大学） ； Nanjing University（南京大学） ； ZTE Corporation（中兴通讯）
专题命中 软件智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出HardSecBench基准，包含924个任务覆盖Verilog RTL和固件C代码，评估LLM在硬件代码生成中的安全性，发现模型常满足功能需求但存在安全风险。
Recursive Joint Simulation in Games
博弈中的递归联合模拟
机构 * Foundations of Cooperative AI Lab (FOCAL), Computer Science Department（合作人工智能基础实验室（FOCAL），计算机科学系） ； Carnegie Mellon University（卡内基梅隆大学） ； AI Center（人工智能中心） ； Czech Technical University（捷克技术大学） ； Center for Theoretical Study（理论研究中心） ； Charles University（查理大学）
专题命中 软件智能体 ：agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 研究AI智能体通过递归联合模拟实现合作，证明该过程等价于原博弈的无限重复版本，从而可直接应用民间定理等现有结论。
Clarify Before You Draw: Proactive Agents for Robust Text-to-CAD Generation
先澄清再绘制：面向鲁棒文本到CAD生成的主动式智能体
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 软件智能体 ：agent(abstract)；agentic(abstract)；分类 cs.LG
AI总结 提出主动式智能体框架ProCAD，通过澄清代理在代码生成前解决用户提示中的歧义，再通过CAD编码代理生成可执行程序，显著提升鲁棒性，平均Chamfer距离降低79.9%。
Comments ICML 2026
Mechanist: AI as a Scientific Instrument for Discovering the Mechanisms of Intelligence
Mechanist：作为科学仪器的AI，用于发现智能的机制
机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； Heriot-Watt University（赫瑞瓦特大学） ； Southern University of Science and Technology（南方科技大学） ； University of California, San Diego（加利福尼亚大学圣迭戈分校） ； Northeastern University（东北大学）
专题命中 软件智能体 ：agentic(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 本研究推出智能体系统Mechanist，以AI为科学仪器自主发现AI智能机制，其生成假设更有价值、实验更可靠，还能发现安全风险、构建信念机制理论并转化为提升模型性能的干预措施。
Comments Work in progress
HINT: Toward an Executable Hardware-Intent Representation Layer for LLM-Driven RTL Generation
HINT：面向大语言模型驱动的RTL生成的可执行硬件意图表示层
专题命中 软件智能体 ：agent(abstract)；workflow(abstract)
AI总结 本文提出HINT可执行硬件意图表示层，用于LLM驱动的RTL生成，在7个算子案例中全量生成合规可综合RTL，面积较人工实现及直接C2RTL结果显著降低，还验证了其在各类复杂设计中的有效性。
$\texttt{Aether.jl}$ : A High-Performance 3D MHD and Multifluid Dust Code Written in a Dynamic Language with an Interactive Human-AI Development Framework
Aether.jl：一种用动态语言编写、具备人机交互开发框架的高性能三维磁流体与多流体尘埃代码
专题命中 软件智能体 ：agent(abstract)；workflow(abstract)
AI总结 Aether.jl是一款用Julia编写的高性能三维磁流体与多流体尘埃代码，采用交互式人机开发框架，单GPU性能优于C++代码，在Frontier超算4096个GCD上并行效率超93%，支持CPU、GPU运行，已公开。
Comments 25 pages, 16 figures
FronTalk: Benchmarking Front-End Development as Conversational Code Generation with Multi-Modal Feedback
FronTalk: 以多模态反馈进行对话式代码生成的前端开发基准测试
机构 * Meta Superintelligence Labs（Meta超智能实验室） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Duke University（杜克大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.CL、cs.LG、cs.SE
AI总结 提出FronTalk基准，通过多轮对话和多模态反馈（文本与视觉指令）评估前端代码生成，发现模型存在遗忘和视觉反馈理解困难，提出AceCoder方法有效减少遗忘并提升性能。
Comments CoLM 2026
Retrieve, Schedule, Reflect: LLM Agents for Chip QoR Optimization
检索、调度、反思：用于芯片QoR优化的LLM代理
专题命中 软件智能体 ：agent(abstract)；agentic(abstract)
AI总结 本文提出基于LLM的代理框架，通过与EDA工具交互实现芯片优化调度，利用检索增强生成和帕累托驱动反馈提升QoR，实验显示其在时序改进、能耗和面积上优于强化学习等黑盒方法。
CodeEvo: Interaction-Driven Synthesis of Code-centric Data through Hybrid and Iterative Feedback
CodeEvo：通过混合和迭代反馈以交互驱动方式合成以代码为中心的数据
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； The University of Hong Kong（香港大学） ； New York University（纽约大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Shanghai Innovation Institute（上海创新研究院）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.CL、cs.SE
AI总结 为解决高质量指令-代码对获取难题，提出双智能体架构CodeEvo，审查器制定模式并结合混合验证协议，构建CodeEvo-100K数据集，实验表明基于此数据微调的模型在代码生成基准测试中表现出色。
Comments ACL 2026 (Oral)
CodexGraph: Bridging Large Language Models and Code Repositories via Code Graph Databases
CodexGraph：通过代码图数据库连接大型语言模型和代码库
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.CL、cs.SE
AI总结 研究旨在解决大型语言模型处理整个代码库的难题，提出通过将LLM代理与代码库图数据库接口集成的CodexGraph系统，利用图数据库特性实现精确上下文检索和代码导航，经多基准评估及实际应用开发，展现其在软件工程中的竞争力与潜力。
Comments work in progress
CEO-Bench: Can Agents Play the Long Game?
CEO-Bench：智能体能否玩转长期博弈？
机构 * Princeton University（普林斯顿大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.CL、cs.SE
AI总结 提出CEO-Bench，通过模拟500天运营初创公司的任务，评估语言模型智能体在长期、不确定、动态环境下的综合决策能力。
Bespoke-Card: Why Tune When You Can Generate? Synthesizing Workload-Specific Cardinality Estimators
Bespoke-Card：为何调优而非生成？合成工作负载特定的基数估计器
专题命中 软件智能体 ：agent(abstract)；planning(abstract)
AI总结 提出Bespoke-Card系统，通过智能体驱动合成工作负载特定的基数估计器，利用结构化q-error反馈和课程学习等策略，在JOB上降低33%总运行时间和41%中位数q-error。
Comments Accepted for AIDB@VLDB'26 (Boston)
