AI Agent

Rethinking Code Review in the Age of AI: A Vision for Agentic Code Review

重新思考AI时代的代码审查：面向代理代码审查的愿景

Hüseyin Özgür Kamalı, Erdem Tuna, Vahid Haratian, Eray Tüzün

机构 * Microsoft（微软） ； Ankara University（安卡拉大学） ； Bilkent University（比尔肯特大学） 纠错

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

AI总结 本文探讨了在AI时代代码审查的演变，提出了一种结合专门代理和人类控制的质量闸门的AI驱动代码审查流程，旨在提升代码审查的效率和可靠性。

Comments Submitted to ACM Transactions on Software Engineering Methodology (TOSEM). A shorter version of this work has been presented at ICSE-JAWs 2026, Rio de Janeiro, Brazil

Human oversight of agentic systems in practice: Examining the oversight work, challenges, and heuristics of developers using software agents

实践中对智能体系统的人类监督：考察使用软件代理的开发者的监督工作、挑战与启发式方法

Shipi Dhanorkar, Samir Passi, Mihaela Vorvoreanu

机构 * Microsoft Redmond USA（微软红mond美国） 纠错

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

AI总结 通过访谈17位经验丰富的开发者，探索人类对自主软件代理的监督实践，发现四种监督工作形式（先验控制、协同规划、实时监控、事后审查），并总结监督挑战与应对策略。

The Impact of Configuring Agentic AI Coding Tools on Build-vs-Buy Decisions: A Study Protocol

配置智能体AI编码工具对构建vs购买决策的影响：一项研究协议

Jai Lal Lulla, Matthias Galster, Jie M. Zhang, Sebastian Baltes, Christoph Treude

机构 * Singapore Management University, Singapore（新加坡管理大学） ； University of Bamberg, Germany（巴姆堡大学） ； King’s College London, United Kingdom（伦敦国王学院） ； Heidelberg University, Germany（海德堡大学） 纠错

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

AI总结 本研究通过受控实验协议，探讨配置机制如何影响Claude Code和OpenAI Codex等智能体AI编码工具在构建vs购买决策中的行为，并发布可复用的基准数据集和分析流程。

Comments 14 pages, 1 table. Accepted at the 20th International Symposium on Empirical Software Engineering and Measurement (ESEM 2026), Registered Reports track

ASE-26: a curriculum for agentic software engineering as a discipline

ASE-26：作为一门学科的代理软件工程课程

Mikael Gorsky

机构 * Holon Institute of Technology（霍洛恩技术学院） 纠错

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

AI总结 本文提出ASE-26本科课程，通过21个模块和进化螺旋模型，系统培养代理软件工程学科所需的实践者技能。

Comments 12 pages, 20 references. Companion paper to the ASE-26 curriculum deposited on Zenodo at doi:10.5281/zenodo.20468021. Part 1 of a planned series of two pre-prints on the curriculum and its conceptual core

SWE-Edit: Rethinking Code Editing for Efficient SWE-Agent

SWE-Edit：重新思考高效SWE智能体的代码编辑

Yikai Zhang, Jiaxin Pei, Kenan Li, Qirui Jin, Maoquan Wang, Jin Pan, Yu Kang, Shengyu Fu, Elsie Nallipogu, Junjie Hu, Yufan Huang, Zijian Jin

机构 * Microsoft（微软） ； Department of Computer Sciences, University of Wisconsin–Madison（威斯康星大学麦迪逊分校计算机科学系） ； Stanford Institute for Human-Centered Artificial Intelligence (HAI), Stanford University（斯坦福大学人机交互研究所） 纠错

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

AI总结 提出SWE-Edit框架，通过将代码编辑分解为查看器和编辑器两个子智能体，解决上下文耦合问题，在SWE-Bench Verified上提升解决率2.1个百分点并降低推理成本17.9%，且通过GRPO训练小模型实现高效编辑格式选择。

SkillOpt: Executive Strategy for Self-Evolving Agent Skills

SkillOpt: 自我进化智能体技能的执行策略

Yifan Yang, Ziyang Gong, Weiquan Huang, Qihao Yang, Ziwei Zhou, Zisu Huang, Yan Li, Xuemei Gao, Qi Dai, Bei Liu, Kai Qiu, Yuqing Yang, Dongdong Chen, Xue Yang, Chong Luo

机构 * Microsoft（微软公司） ； Shanghai Jiao Tong University（上海交通大学） ； Tongji University（同济大学） ； Fudan University（复旦大学） 纠错

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

AI总结 提出SkillOpt，一种系统性的可控文本空间优化器，通过分离的优化器模型对技能文档进行有界编辑，并仅在严格改善验证分数时接受编辑，从而稳定训练技能，在六个基准测试中全面优于现有方法。

Comments 27 pages, 4 figures, 6 tables

Code Researcher: Deep Research Agent for Large Systems Code and Commit History

Code Researcher: 用于大型系统代码和提交历史的深度研究代理

Ramneet Singh, Sathvik Joel, Abhav Mehrotra, Nalin Wadhwa, Ramakrishna B Bairi, Aditya Kanade, Nagarajan Natarajan

机构 * Microsoft Research（微软研究院） 纠错

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Code Researcher，一种用于大型系统代码和提交历史的深度研究代理，通过多步骤推理和全局上下文收集，有效解决系统代码崩溃修复问题，显著优于现有基线方法。

Detecting Privilege Escalation in Polyglot Microservices via Agentic Program Analysis

通过代理程序分析检测多语言微服务中的特权提升

Penghui Li, Hong Yau Chong, Yinzhi Cao, Junfeng Yang

机构 * Columbia University（哥伦比亚大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 本文提出Neo框架，结合LLM和经典程序分析，解决微服务中特权提升检测的复杂性问题，发现24个零日漏洞，精度和召回率均优于现有方法。

Comments In Proceedings of the 47th IEEE Symposium on Security and Privacy (S&P)

CA2: Code-Aware Agent for Automated Game Testing

CA2: 一种基于代码的自动化游戏测试代理

Valliappan Chidambaram Adaikkappan, Vincent Martineau, Joshua Romoff, David Meger

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

AI总结 CA2通过利用调用栈信息提升游戏测试效率，相比传统方法更有效定位目标函数，实现更精准的测试策略学习。

Combining Mechanical and Agentic Specification Inference for Move

结合机械和代理规范推断的Move

Wolfgang Grieskamp, Teng Zhang, Vineeth Kashyap

机构 * Aptos Labs（Aptos实验室） 纠错

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

AI总结 本文提出结合机械分析与代理编码的Move规范推断工具，通过WP分析和AI辅助生成高阶规范，减少手动编写规范的繁琐工作。

From Code-Centric to Intent-Centric Software Engineering: A Reflexive Thematic Analysis of Generative AI, Agentic Systems, and Engineering Accountability

从代码导向到意图导向的软件工程：生成式人工智能、代理系统和工程问责的反思主题分析

Elyson De La Cruz

机构 * University of the Cumberlands（卡姆伯兰大学） 纠错

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

AI总结 本文通过反思性主题分析和解释现象学分析，探讨生成式人工智能、代理系统如何推动软件工程从代码导向转向意图导向，强调意图指定、上下文整理、架构知识和问责的重要性。

Comments 24 pages, 6 tables

A Prompt-Aware Structuring Framework for Reliable Reuse of AI-Generated Content in the Agentic Web

面向可靠重用的AI生成内容结构化框架

Shusaku Egami, Masahiro Hamasaki

机构 * National Institute of Advanced Industrial Sciencen 纠错

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

AI总结 本文提出一种结构化框架，通过在生成时自动附加元数据，提升AI生成内容的可追溯性和可靠性，以支持其安全重用。

Comments 5 pages, 2 figures, Accepted at FAAW@WWW2026

Agentic Education: Using Claude Code to Teach Claude Code

代理教育：使用Claude Code进行教学

Zain Naboulsi

机构 * Sparq 纠错

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

AI总结 本文提出cc-self-train模块化交互课程，通过实际项目构建教授Claude Code，引入五项贡献：角色进阶模型、自适应学习系统、跨领域统一课程、分步机制和自动更新课程设计，提升AI教学效果。

Comments 27 pages, 5 figures, 7 tables. v2: added discussion of the GenAI adoption gap (MIT NANDA 2025) and a future-work direction on affect-aware adaptation; no changes to the system, evaluation, or core contributions. Code: https://github.com/zainnab-sparq/cc-self-train

SWE-chat: Coding Agent Interactions From Real Users in the Wild

SWE-chat：从真实用户中编码代理交互

Joachim Baumann, Vishakh Padmakumar, Xiang Li, John Yang, Diyi Yang, Sanmi Koyejo

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 SWE-chat是首个大规模真实编码代理会话数据集，包含6000个会话，揭示了编码代理在真实场景中的使用模式和失败模式，发现代理生成的代码效率低下且存在更多安全漏洞。

Gen-n-Val: Agentic Image Data Generation and Validation

Gen-n-Val：代理图像数据生成与验证

Jing-En Huang, I-Sheng Fang, Tzuhsuan Huang, Yu-Lun Liu, Chih-Yu Wang, Jun-Cheng Chen

机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； Research Center for Information Technology Innovation, Academia Sinica（中央研究院资讯科技创新研究中心） 纠错

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

AI总结 针对计算机视觉任务中数据稀缺、标签噪声和长尾类别不平衡问题，Gen-n-Val引入基于Layer Diffusion和大语言模型的代理生成框架，有效提升实例分割和目标检测的合成数据质量与性能。

Comments Accepted to the CVPR 2026 Findings track

Gym-Anything: Turn any Software into an Agent Environment

Gym-Anything: 将任意软件转化为智能体环境

Pranjal Aggarwal, Graham Neubig, Sean Welleck

机构 * CMU（卡内基梅隆大学） 纠错

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

AI总结 本文提出Gym-Anything框架，通过多智能体任务将任意软件转化为交互式计算机使用环境，生成涵盖医疗、天文、工程等领域的10K+长周期任务，提升现实场景下的智能体研究效率。

HAFixAgent: History-Aware Program Repair Agent

HAFixAgent：基于历史的程序修复代理

Yu Shi, Hao Li, Bram Adams, Ahmed E. Hassan

机构 * Queen's University（女王大学） 纠错

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

AI总结 本文提出HAFixAgent，通过注入历史衍生的仓库启发式方法，提升大规模多补丁bug修复的效率与鲁棒性，实验证明其在Defects4J和BugsInPy上均优于现有方法。

Comments support both Defects4J and BugsInPy; use the same LLM for all baseline comparisons; add sensitivity analysis for imperfect fault localization

CliffSearch: Structured Agentic Co-Evolution over Theory and Code for Scientific Algorithm Discovery

CliffSearch: 基于理论与代码的结构化代理共进化用于科学算法发现

Youssef Mroueh, Carlos Fonseca, Brian Belgodere, David Cox

机构 * IBM Research（IBM研究院） 纠错

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

AI总结 CliffSearch通过结构化代理共进化框架，在科学算法发现中优先考虑科学可解释性和正确性，同时优化任务指标，在受控新颖性约束下实现发现流程。

Dynamic Cogeneration of Bug Reproduction Test in Agentic Program Repair

代理程序修复中的动态共生测试生成

Runxiang Cheng, Michele Tufano, José Cambronero, Renyao Wei, Sherry Shi, Grant Uy, Pat Rondon, Franjo Ivančić

机构 * Google, USA（谷歌（美国）） 纠错

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

AI总结 本文研究了在程序修复中动态共生生成测试的方法，通过在同一补丁中生成修复和测试用例，提高修复的可信度并减少维护成本。

AutoSAM: an Agentic Framework for Automating Input File Generation for the SAM Code with Multi-Modal Retrieval-Augmented Generation

AutoSAM：一种用于自动化生成SAM代码输入文件的代理框架，结合多模态检索增强生成

Zaid Abulawi, Zavier Ndum Ndum, Eric Cervi, Rui Hu, Yang Liu

机构 * Department of Nuclear Engineering, Texas A\&M University. ； Engineering Division, Argonne National Laboratory 纠错

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

AI总结 AutoSAM通过多模态检索增强生成技术，自动化生成SAM代码输入文件，解决异构工程文档中提取设计数据并转换为求解器语法的难题，实现100%结构化输入利用和88%PDF文本提取。

Comments 34 Pages, 14 Figures

TDAD: Test-Driven Agentic Development - Reducing Code Regressions in AI Coding Agents via Graph-Based Impact Analysis

TDAD：基于图的影响力分析减少AI编码代理中的代码回归

Pepe Alonso, Sergio Yovine, Victor A. Braberman

机构 * Universidad ORT Uruguay（ORT大学乌拉圭分校） ； DC, UBA, Argentina（阿根廷布宜诺斯艾利斯大学（DC, UBA）） 纠错

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

AI总结 TDAD通过在AI编码代理提交更改前进行影响分析，减少代码回归。实验表明其将回归率降低70%，优于传统方法。

Comments Toolpaper, 7 pages, 7 tables, 3 figures, 1 algorithm. Submitted to ACM AIWare 2026 (Data and Benchmark Track)

The Agentic Researcher: A Practical Guide to AI-Assisted Research in Mathematics and Machine Learning

代理研究员：人工智能辅助数学和机器学习研究的实用指南

Max Zimmer, Nico Pelleriti, Christophe Roux, Sebastian Pokutta

机构 * Department for AI in Society, Science, and Technology（人工智能与社会、科学和技术部门） ； Zuse Institute Berlin（柏林Zuse研究所） ； Institute of Mathematics（数学研究所） ； Technische Universität Berlin（柏林技术大学） 纠错

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

AI总结 本文提出了一种开源框架，通过方法学规则将CLI编码代理转化为自主研究助手，并通过深度学习和数学案例研究，指导研究人员如何有效利用AI工具进行研究。

Agentic Code Reasoning

代理代码推理

Shubham Ugare, Satish Chandra

机构 * Meta, USA（Meta公司） 纠错

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

AI总结 本文提出半形式推理方法，通过结构化提示提升代理在代码补丁验证、故障定位和问答任务中的准确性，实现无需执行的代码语义分析。

TopoEdge: Topology-Grounded Agentic Framework for Edge Networking Code Generation and Repair

TopoEdge：基于拓扑的代理框架用于边缘网络代码生成与修复

Haomin Qi, Bohan Liu, Zihan Dai, Yunkai Gao

机构 * University of California San Diego（加州大学圣地亚哥分校） ； The Chinese University of Hong Kong（香港中文大学） ； University of Copenhagen（哥本哈根大学） ； Duke University（杜克大学） 纠错

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

AI总结 TopoEdge通过拓扑引导的检索增强生成框架，实现边缘网络配置的生成与修复，利用图神经网络和三个专门化代理协调生成-验证-修复循环。

Comments 6 pages, 4 figures, 3 tables

Journal ref IEEE Wireless Communications and Networking Conference (WCNC) 2026

VibeCodeHPC: An Agent-Based Iterative Prompting Auto-Tuner for HPC Code Generation Using LLMs

VibeCodeHPC: 基于大语言模型的多智能体迭代提示自动调优系统用于HPC代码生成

Shun-ichiro Hayashi, Koki Morita, Daichi Mukunoki, Tetsuya Hoshino, Takahiro Katagiri

机构 * Graduate School of Informatics（信息学院研究生院） ； Nagoya University（名古屋大学） ； Information Technology Center（信息技术中心） 纠错

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

AI总结 VibeCodeHPC通过多智能体系统实现HPC代码的自动调优，利用大语言模型进行自然语言交互，提升代码性能与开发效率。

FeatureBench: Benchmarking Agentic Coding for Complex Feature Development

FeatureBench: 评估代理编码在复杂特性开发中的性能

Qixing Zhou, Jiacheng Zhang, Haiyang Wang, Rui Hao, Jiahe Wang, Minghao Han, Yuxue Yang, Shuzhe Wu, Feiyang Pan, Lue Fan, Dandan Tu, Zhaoxiang Zhang

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Huawei Technologies Co., Ltd（华为技术有限公司） 纠错

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

AI总结 FeatureBench通过基于执行的评估协议和自动化任务收集方法，评估代理在复杂特征开发中的性能，发现先进模型在该基准上表现有限，为提升代理编码能力提供新机会。

Comments Accepted by ICLR 2026

daVinci-Dev: Agent-native Mid-training for Software Engineering

daVinci-Dev：面向软件工程的代理原生中训练

Ji Zeng, Dayuan Fu, Tiantian Mi, Yumin Zhuang, Yaxing Huang, Xuefeng Li, Lyumanshan Ye, Muhang Xie, Qishuo Hua, Zhen Huang, Mohan Jiang, Hanning Wang, Jifan Lin, Yang Xiao, Jie Sun, Yunze Wu, Pengfei Liu

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

AI总结 daVinci-Dev通过代理原生数据合成和中训练方法，在软件工程中实现了更高效的代理能力，优于现有方法。

Analyzing Message-Code Inconsistency in AI Coding Agent-Authored Pull Requests

分析AI编码代理生成的拉取请求中的消息-代码不一致

Jingzhi Gong, Giovanni Pinna, Yixin Bian, Jie M. Zhang

机构 * King's College London（伦敦大学国王学院） ； University of Trieste（特里斯特大学） ； Harbin Normal University（哈尔滨师范大学） 纠错

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

AI总结 研究发现AI生成的PR描述中存在显著的消息-代码不一致问题，导致接受率降低和合并时间延长，需加强验证机制和生成优化以提升人机协作的可信度。

Comments Accepted by MSR'26 Mining Challenge Track

DUET: Agentic Design Understanding via Experimentation and Testing

DUET：通过实验和测试进行代理设计理解

Gus Henry Smith, Sandesh Adhikary, Vineet Thumuluri, Karthik Suresh, Vivek Pandit, Kartik Hegde, Hamid Shojaei, Chandra Bhagavatula

机构 * Southmountain Research（Southmountain研究机构） ； ChipStack 纠错

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

AI总结 DUET通过实验和测试提升AI代理在硬件设计验证中的性能

Where Do AI Coding Agents Fail? An Empirical Study of Failed Agentic Pull Requests in GitHub

AI 编程代理在哪里失败？对 GitHub 中失败的代理拉取请求的实证研究

Ramtin Ehsani, Sakshi Pathak, Shriya Rawal, Abdullah Al Mujahid, Mia Mohammad Imran, Preetha Chatterjee

机构 * Drexel University（德雷塞尔大学） ； Missouri University of Science and Technology（密苏里科技大学） 纠错

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

AI总结 研究分析了 GitHub 上 33k 个代理生成 PRs 的失败原因，发现文档、CI 等任务合并成功率高，而性能和修复任务失败率高，揭示了代理协作中的关键社会技术因素。

Comments Accepted at International Mining Software Repositories Conference (MSR 2026)