AVDA: Autonomous Vibe Detection Authoring for Cybersecurity
AVDA：自主振动检测作者化以提升网络安全
专题命中 软件智能体 ：agentic(abstract)；分类 cs.SE
AI总结 本文提出AVDA框架，通过整合组织上下文自动化检测作者化，提升检测质量与效率，实验显示Agentic方法在相似度上比基线方法提升19%。
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 3270 篇
AutoStan: Autonomous Bayesian Model Improvement via Predictive Feedback
AutoStan：通过预测反馈实现自主的贝叶斯模型改进
机构 * Thurgau Institute for Digital Transformation (TIDIT)（图尔高数字转型研究所）
专题命中 软件智能体 ：agent(abstract)；分类 cs.LG
AI总结 AutoStan通过预测反馈机制，使CLI编码代理自主构建并迭代改进Stan中的贝叶斯模型，展示了无需搜索算法或领域指令即可处理多样化贝叶斯建模问题的能力。
Seeing Like Radiologists: Context- and Gaze-Guided Vision-Language Pretraining for Chest X-rays
像放射科医生一样观察：面向胸部X光片的上下文和目光引导的视觉-语言预训练
机构 * Xidian University（西安电子科技大学） ； Wuhan University（武汉大学）
专题命中 软件智能体 ：workflow(abstract)；分类 cs.AI
AI总结 本文提出CoGaze框架，通过整合临床上下文和放射科医生目光引导，提升胸部X光片的视觉-语言预训练效果，实验显示在多个任务上均优于现有方法。
Comments Code: https://github.com/mk-runner/CoGaze
The Specification as Quality Gate: Three Hypotheses on AI-Assisted Code Review
规范作为质量门：关于AI辅助代码审查的三个假设
专题命中 软件智能体 ：agent(abstract)；分类 cs.SE
AI总结 本文探讨AI辅助代码审查的三个假设，指出缺乏可执行规范时审查过程的循环性，并提出规范优先、确定性验证管道和AI审查残余的架构。
Comments 10 pages. Experiments, corpus, and specifications publicly available at https://github.com/czietsman/nuphirho.dev/tree/main/experiments
Hyperspectral Trajectory Image for Multi-Month Trajectory Anomaly Detection
超光谱轨迹图像用于多月轨迹异常检测
机构 * UC Santa Barbara（加州大学圣塔芭芭拉分校）
专题命中 软件智能体 ：agent(abstract)；分类 cs.LG
AI总结 本文提出TITAnD方法，将轨迹异常检测转化为视觉问题，通过超光谱轨迹图像统一稀疏和密集轨迹表示，实现高效的多月异常检测。
Where Do Your Citations Come From? Citation-Constellation: A Free, Open-Source, No-Code, and Auditable Tool for Citation Network Decomposition with Complementary BARON and HEROCON Scores
你的引用来自哪里？Citation-Constellation：一个免费、开源、无代码且可审计的引用网络分解工具，结合互补的BARON和HEROCON评分
机构 * SciLifeLab Data Centre（SciLifeLab数据中心）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 本文提出Citation-Constellation工具，通过BARON和HEROCON评分分解引用网络，揭示引用来源的社会结构路径，不用于评价决策。
Comments Citation-Constellation No-Code Tool Link: https://citation-constellation.serve.scilifelab.se
ELITE: Experiential Learning and Intent-Aware Transfer for Self-improving Embodied Agents
ELITE：经验学习与意图感知迁移用于自我改进的具身智能体
机构 * Wangxuan Institute of Computer Technology, Peking University, Beijing, China（清华大学王轩计算机技术研究所，北京，中国）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 ELITE通过经验学习与意图感知迁移机制，使具身智能体能持续学习环境交互经验并迁移至相似任务，实现在EB-ALFRED和EB-Habitat基准上的性能提升。
Detect--Repair--Verify for LLM-Generated Code: A Multi-Language, Multi-Granularity Empirical Study
检测-修复-验证LLM生成的代码：多语言、多粒度实证研究
专题命中 软件智能体 ：workflow(abstract)；分类 cs.SE
AI总结 本文通过检测-修复-验证工作流评估LLM生成代码的安全性，发现多阶段修复能提升安全性和正确性，但修复可靠性依赖于修复范围和测试基础。
Dynamic Neural Potential Field: Online Trajectory Optimization in the Presence of Moving Obstacles
动态神经势场：在移动障碍物存在下的在线轨迹优化
机构 * Cognitive AI Systems Lab（认知人工智能系统实验室） ； National University of Science and Technology MISIS（科学与技术国立大学MISIS） ； Moscow Independent Research Institute of Artificial Intelligence（莫斯科独立人工智能研究 institutes） ； Ufa University of Science and Technology（乌fa科学与技术大学）
专题命中 软件智能体 ：planning(abstract)；分类 cs.AI
AI总结 本文提出动态神经势场模型，结合传统优化与Transformer预测器，实现高效安全的轨迹优化，在动态环境中表现更优。
Goal Force: Teaching Video Models To Accomplish Physics-Conditioned Goals
目标力：教视频模型实现物理条件化的目标
机构 * Brown University（布朗大学） ； Cornell University（康奈尔大学）
专题命中 软件智能体 ：planning(abstract)；分类 cs.AI
AI总结 本文提出Goal Force框架，通过显式力矢量和中间动力学定义目标，使视频模型能零样本泛化到复杂现实场景，实现基于物理的视频生成与规划。
Comments Camera ready version (CVPR 2026). Code and interactive demos at https://goal-force.github.io/
Engineering Pitfalls in AI Coding Tools: An Empirical Study of Bugs in Claude Code, Codex, and Gemini CLI
人工智能编码工具中的工程陷阱：对Claude代码、Codex和Gemini CLI中bug的实证研究
专题命中 软件智能体 ：workflow(abstract)；分类 cs.SE
AI总结 本文通过分析超过3800个公开报告的bug，揭示了构建AI编码工具中的常见故障模式和工程挑战，发现功能相关bug占比超67%，主要症状包括API错误、终端问题和命令失败。
Decoupling Numerical and Structural Parameters: An Empirical Study on Adaptive Genetic Algorithms via Deep Reinforcement Learning for the Large-Scale TSP
分离数值参数与结构参数：通过深度强化学习对适应性遗传算法进行大规模TSP的实证研究
机构 * School of Mathematics（数学学院） ； Statistics（统计学） ； Xi'an Jiaotong University（西安交通大学） ； School of Mechanical Engineering（机械工程学院） ； Frontier Institute of Science（前沿科学研究院） ； Technology（技术） ； Xi'an, China（中国西安）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 本文通过双重深度强化学习框架研究适应性遗传算法中数值参数与结构参数对TSP的影响，发现结构参数在防止停滞和逃离局部最优中起关键作用。
Comments 6 pages, 8 figures, Accepted by WCCI-CEC Conference
Image2Gcode: Image-to-G-code Generation for Additive Manufacturing Using Diffusion-Transformer Model
Image2Gcode: 基于扩散-变换器模型的图像到G-code生成用于增材制造
机构 * Department of Materials Science and Engineering, Carnegie Mellon University, Pittsburgh, PA, USA（材料科学与工程系，卡内基梅隆大学，匹兹堡，PA，USA） ； Department of Mechanical Engineering, Carnegie Mellon University, Pittsburgh, PA, USA（机械工程系，卡内基梅隆大学，匹兹堡，PA，USA）
专题命中 软件智能体 ：planning(abstract)；分类 cs.LG
AI总结 本文提出Image2Gcode框架，通过图像直接生成可打印的G-code，省去CAD建模步骤，提升增材制造的易用性和效率。
AgentFactory: A Self-Evolving Framework Through Executable Subagent Accumulation and Reuse
AgentFactory: 通过可执行子代理积累与重用实现自我进化框架
机构 * Peking University（北京大学） ； Hong Kong Polytechnic University（香港理工大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 本文提出AgentFactory，通过保存可执行子代理代码而非文本经验实现自我进化，使子代理在反馈中持续优化，提升任务执行效率和鲁棒性，实现能力持续积累。
Generative AI for Quantum Circuits and Quantum Code: A Technical Review and Taxonomy
生成式AI用于量子电路和量子代码：技术综述与分类
机构 * University of Vaasa（瓦萨大学） ； University of Turku（图尔库大学）
专题命中 软件智能体 ：agentic(abstract)；分类 cs.AI
AI总结 综述13个生成系统和5个支持数据集，探讨量子电路和代码生成的分类与训练方法，发现生成系统在语法和语义层面有所覆盖，但缺乏对量子硬件的端到端评估。
Comments 20 pages, 4 tables
Virtual Full-stack Scanning of Brain MRI via Imputing Any Quantised Code
通过填补任意量化代码实现脑部MRI的虚拟全栈扫描
专题命中 软件智能体 ：workflow(abstract)；分类 cs.AI
AI总结 本文提出CodeBrain框架，通过区域级全栈代码预测解决MRI模态缺失问题，提升数据完整性和临床实用性。
Comments Accepted by CVPR 2026
Darwin Godel Machine: Open-Ended Evolution of Self-Improving Agents
达尔文戈德尔机器：自我改进代理的开放性进化
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 本文提出达尔文戈德尔机器，通过迭代修改自身代码并验证改进，实现自我提升，提升代码能力并在多个基准测试中取得显著成绩。
Comments Code at https://github.com/jennyzzt/dgm
AI Knows What's Wrong But Cannot Fix It: Helicoid Dynamics in Frontier LLMs Under High-Stakes Decisions
AI知错却无法修复：前沿大语言模型在高风险决策中的螺旋动态
专题命中 软件智能体 ：agentic(abstract)；分类 cs.AI
AI总结 前沿大语言模型在高风险决策中表现出螺旋动态，即在错误中自我识别却无法修复，导致可靠性下降，需通过识别该模式以提升AI信任度。
Comments 22 pages, 2 tables, 1 appendix
Context Before Code: An Experience Report on Vibe Coding in Practice
上下文在代码之前：关于在实践中使用Vibe编码的经验报告
专题命中 软件智能体 ：agent(abstract)；分类 cs.SE
AI总结 本文报告了一个全栈团队在实践中应用Vibe编码构建多项目代理学习平台和学术检索增强生成系统，并探讨了生成代码在隔离约束和架构设计上的不足。
Comments 6 Pages, 1 Figure
Recover to Predict: Progressive Retrospective Learning for Variable-Length Trajectory Prediction
恢复以预测：渐进性回顾学习用于可变长度轨迹预测
机构 * Great Bay University（大湾大学） ； Tsinghua SIGS（清华大学SIGS） ； Wuhan University（武汉大学） ； NTU（国立科技大学） ； Donghua University（东华大学） ； CASIA（中国科学院自动化研究所）
专题命中 软件智能体 ：planning(abstract)；分类 cs.AI
AI总结 本文提出渐进回顾框架和滚动起始训练策略，用于解决可变长度轨迹预测中的信息缺口问题，提升预测准确性。
Comments Paper is accepted by CVPR 2026
MCP-in-SoS: Risk assessment framework for open-source MCP servers
MCP-in-SoS：开源MCP服务器的风险评估框架
机构 * New Mexico State University（新墨西哥州立大学） ； University of Hartford（哈特福德大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 本文提出了一种针对开源MCP服务器的风险评估框架，通过静态代码分析识别弱点并评估其安全风险，揭示了现有系统存在的安全隐患。
Echo: Graph-Enhanced Retrieval and Execution Feedback for Issue Reproduction Test Generation
Echo：基于图的检索与执行反馈的缺陷重现测试生成
专题命中 软件智能体 ：agent(abstract)；分类 cs.SE
AI总结 Echo通过基于代码图的检索和执行反馈生成缺陷重现测试用例，提升测试生成效率与准确性。
Rethinking Continual Learning with Progressive Neural Collapse
重新思考连续学习与渐进神经崩溃
机构 * Department of Computer Science, University of Houston, USA（德克萨斯大学休斯顿分校计算机科学系） ； Department of Computer Science, University of North Carolina at Charlotte, USA（北卡罗来纳大学夏洛特分校计算机科学系）
专题命中 软件智能体 ：agent(abstract)；分类 cs.LG
AI总结 本文提出渐进神经崩溃（ProNC）框架，通过动态扩展ETF目标，缓解连续学习中的灾难性遗忘问题，实现更灵活高效的模型学习。
Comments Our work is accepted by ICLR 2026
Pre-AI Baseline: Developer IDE Satisfaction and Tool Autonomy in 2022
AI 之前的基础线：2022 年开发者 IDE 满意度与工具自主性
专题命中 软件智能体 ：AI agent(abstract)；分类 cs.SE
AI总结 本研究分析了 2022 年开发者对 IDE 的满意度及工具自主性的影响，揭示了高满意度背后的工具使用差异和保留率问题。
Comments 21 pages, 5 figures. Preprint version submitted to PeerJ Computer Science; supplementary material included in the source bundle
Judge Reliability Harness: Stress Testing the Reliability of LLM Judges
LLM裁判可靠性检测工具：检验LLM裁判的可靠性
机构 * RAND Corporation（RAND公司）
专题命中 软件智能体 ：agentic(abstract)；分类 cs.AI
AI总结 本研究提出了一种开源工具，用于评估LLM裁判在不同基准中的可靠性，发现模型和扰动类型对性能有显著影响。
Comments Accepted at Agents in the Wild: Safety, Security, and Beyond Workshop at ICLR 2026 - April 26, 2026, Rio de Janeiro, Brazil
Toward architecting self-coding information systems
迈向自编码信息系统的构建
专题命中 软件智能体 ：agentic(abstract)；分类 cs.SE
AI总结 本文提出自编码信息系统，旨在通过自动生成和部署源代码来提升系统动态适应能力，缩短新功能的上市时间。
Comments Accepted for ICSE 2026 Track "Software Architecture BoF"
From Feedback to Failure: Automated Android Performance Issue Reproduction
从反馈到失败：自动化Android性能问题重现
专题命中 软件智能体 ：agent(abstract)；分类 cs.SE
AI总结 RevPerf通过整合应用评论信息，自动化重现移动应用性能问题，实现72.73%的成功率。
Comments 22page, 8 figures
Architecture-Aware Multi-Design Generation for Repository-Level Feature Addition
面向架构的多设计生成用于仓库级特性添加
专题命中 软件智能体 ：agentic(abstract)；分类 cs.SE
AI总结 RAIM通过多设计生成和架构感知机制，提升仓库级特性添加的准确性和稳定性。
Comments 18 pages, 6 figures
What Papers Don't Tell You: Recovering Tacit Knowledge for Automated Paper Reproduction
论文未告诉你什么：为自动化论文复现恢复隐性知识
机构 * School of Software, Shandong University China ； Beijing Institute of Technology China ； Zhejiang University China ； Dept.\ of Math \& Statistics, Boston University USA ； College of AI, Tsinghua University China ； Alibaba Group China ； The Hong Kong Polytechnic University Hong Kong SAR, China ； School of Software, Shandong University ； Beijing Institute of Technology ； Zhejiang University ； Dept.\ of Math \& Statistics, Boston University ； College of AI, Tsinghua University ； Alibaba Group ； The Hong Kong Polytechnic University
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 本文提出一种基于图的智能体框架，通过恢复关系型、身体型和集体型隐性知识，提升自动化论文复现性能。
Comments 32 pages (+ appendix), 8 figures. Lehui Li and Ruining Wang contributed equally. Yongshun Gong is the corresponding author
PymooLab: An Open-Source Visual Analytics Framework for Multi-Objective Optimization using LLM-Based Code Generation and MCDM
PymooLab: 一个基于LLM代码生成和MCDM的多目标优化开源可视化分析框架
专题命中 软件智能体 ：workflow(abstract)；分类 cs.SE
AI总结 PymooLab通过LLM辅助代码生成和MCDM工具，为多目标优化提供可视化分析框架，提升领域专家的可操作性。
