AI 大模型
代码生成、软件工程智能体、程序修复、测试生成和开发者工具。
归纳演绎合成：使AI能够生成形式化验证的系统
机构 * UC Berkeley（伯克利大学） ； Google（谷歌） ； UC Santa Cruz（圣克鲁兹大学）
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.AI、cs.PL
AI总结 提出归纳演绎合成（IDS）方法，通过联合增量合成实现与证明，并利用失败尝试学习，使AI在分布式系统规范上实现100%验证成功率，成本和时间远低于专家和现有AI代理。
SWE-Mutation：LLMs能否在软件工程中生成可靠的测试套件？
机构 * State Key Laboratory of Cognitive Intelligence（认知智能国家重点实验室） ； University of Science and Technology of China（中国科学技术大学） ； Beihang University（北航） ； School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； NeoShell AI ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院）
专题命中 软件智能体 ：program repair(abstract)；分类 cs.SE、cs.AI
AI总结 本文提出SWE-Mutation基准，用于评估LLM生成的测试套件质量，通过系统性地变异解决方案来测试测试套件的可靠性，并发现当前LLM在生成可靠且具有判别力的测试套件方面存在不足。
Comments 24 pages, 8 figures
Journal ref ACL 2026 Findings
Code Researcher: 用于大型系统代码和提交历史的深度研究代理
机构 * Microsoft Research（微软研究院）
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.SE、cs.AI
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。
RoadmapBench: 评估跨版本升级的长期代理软件开发
机构 * UniPat AI ； Peking University（北京大学） ； Fudan University（复旦大学） ； The University of Hong Kong（香港大学） ； Tsinghua University（清华大学） ； G Labs（0G实验室） ； Pipeline Lab（Pipeline实验室）
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.SE、cs.AI
AI总结 本文提出RoadmapBench，一个基于真实开源版本升级的115个长期编码任务的基准，旨在评估长期多目标软件开发，发现现有基准无法有效评估此类任务，表明长期软件开发仍是难题。
Comments 30 pages, 15 figures
Collider-Bench：通过粒子物理分析复现评估AI代理
机构 * New High Energy Theory Center（新高能理论中心） ； Department of Physics & Astronomy（物理与天文学系） ； Rutgers University（罗格斯大学） ； Faculty of Computing & Data Sciences（计算与数据科学学院）
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出Collider-Bench，评估AI代理能否仅通过公开论文和开源软件复现LHC实验分析，强调物理推理和领域知识的重要性，结果显示无代理能超越物理学家在环解决方案。
Comments 23 pages | 9 figures | 4 tables | Code: https://github.com/dfaroughy/Collider-Bench | Task Corpus: https://huggingface.co/datasets/Dariusfar/ColliderBench
单条消息能否瘫痪AI基础设施？通过针对性Mobius注入的AbO-DDoS攻击崛起
机构 * The Hong Kong Polytechnic University（香港理工大学） ； HKUST (GZ)（香港科技大学（广州））
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.CL、cs.AI
AI总结 研究揭示了通过Mobius注入攻击利用代理逻辑中的语义闭合漏洞，实现对AI基础设施的隐蔽攻击，展示了攻击的轻量、隐蔽性和高配置性，并提出基于组件能量分析的防御机制。
面向可靠重用的AI生成内容结构化框架
机构 * National Institute of Advanced Industrial Sciencen
专题命中 软件智能体 ：software agent(abstract)；分类 cs.CL、cs.AI
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
位置诅咒：LLM在列表中定位最后几个项目时表现不佳
机构 * UC San Diego（加州大学圣地亚哥分校） ； Georgia Tech（佐治亚理工学院） ； New York University（纽约大学）
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.CL、cs.LG
AI总结 LLM在定位长列表中单个相关项目时表现优异，但在短列表中最后几个项目定位上存在缺陷，即位置诅咒。通过构建PosBench数据集进行微调后，虽然提升了定位能力，但仍未达到理想水平。
代理编码需要主动性，而非仅仅自主性
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.SE、cs.AI
AI总结 本文探讨了软件开发中代理编码的主动性与自主性区别，提出主动性分类和评估标准，旨在提升编码代理的洞察力和适应性。
Comments Position Paper
代理编程的准备：作为情境工程方法论的刻意准备
机构 * LinearB
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.SE、cs.AI
AI总结 本文提出了一种三阶段的代理编程准备方法，通过情境 grounding、协作规范和任务分解，提升 AI 编程的效率与质量，通过 hackathon 实验验证了准备阶段的重要性。
Comments 5 pages. Accepted at VibeX 2026, the 1st International Workshop on Vibe Coding and Vibe Researching, co-located with EASE 2026, Glasgow, June 9-12 2026. Camera-ready version. Research artifact: https://doi.org/10.5281/zenodo.19868258
超越'差异'：应对代理软件开发中的代理熵
机构 * Dipartimento Tecnologie Innovative, SUPSI（技术创新部，SUPSI） ； Dalle Molle Institute for Artificial Intelligence (IDSIA), SUPSI（达勒莫利人工智能研究所（IDSIA），SUPSI） ； Management in Networked and Digital Societies (MINDS) Department, Kozminski University（网络化与数字化社会管理（MINDS）系，科津斯基大学） ； Institute of Biomedical Ethics and History of Medicine, University of Zurich（生物医学伦理与医学史研究所，苏黎世大学） ； ETH Zurich（苏黎世联邦理工学院）
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.SE、cs.AI
AI总结 本文提出一种过程导向的可解释框架，通过时间、工具调用和架构边界揭示代理决策过程，解决代理行为与架构意图的偏离问题，为代理监控提供意图层面的 telemetry。
Comments Camera-ready version of the position paper accepted to the Human-Centered Explainable AI (HCXAI) Workshop at CHI 2026
结构解放：如何受约束的意象生成产生更多创新性研究输出
机构 * University of Minnesota（明尼苏达大学）
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出SCISENSE框架，通过结构化认知阶段提升研究输出的创新性，展示目标导向的意象生成在轨迹质量与下游任务表现上的优势。
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 ：coding agent(abstract)；分类 cs.CL、cs.AI
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
OKG-LLM：通过LLMs对齐海洋知识图谱与观测数据以实现全球海表温度预测
机构 * Department of Computer Science and Technology, Tongji University（同济大学计算机科学与技术系） ； Department of Computing, The Hong Kong Polytechnic University（香港理工大学计算系） ； Department of Computing, University of Illinois Chicago（伊利诺伊大学芝加哥分校计算系） ； School of Computer Science, Fudan University（复旦大学计算机科学学院）
专题命中 软件智能体 ：repository(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出OKG-LLM框架，通过构建海洋知识图谱并融合数值数据，利用预训练LLM提升全球海表温度预测的准确性与鲁棒性。
HARBOR：自动化Harness优化
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出HARBOR框架，通过约束噪声贝叶斯优化解决Harness配置问题，强调自动化配置优于手动堆叠，并在生产编码代理中实例化。
通过组合创新和多智能体迭代搜索策略增强研究想法生成
机构 * Department of Information Management, Nanjing University of Science and Technology（南京理工大学信息管理学院）
专题命中 软件智能体 ：repository(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出结合迭代知识搜索与LLM多智能体系统的框架，通过反复交互生成、评估和优化研究想法，提升多样性与新颖性，在自然语言处理领域实验表明优于现有基线方法。
Comments Scientometrics
ARGUS：通过数据流不变量指导的代理GPU优化
机构 * CausalFlow Inc.（CausalFlow公司） ； HKUST（香港科技大学） ； Tsinghua University（清华大学） ； Stanford University（斯坦福大学） ； UCAS ； UC Riverside（UC河滨分校）
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.AI、cs.PL
AI总结 ARGUS通过数据流不变量指导代理生成高效GPU内核，解决传统代理在关键计算任务中的性能不足问题，实现接近人工优化的性能和广泛的任务泛化能力。
AgentForge: 基于执行的多智能体LLM框架用于自主软件工程
机构 * International Research Center for Complexity Sciences（复杂科学国际研究中心） ； Hangzhou International Innovation Institute（杭州国际创新研究院） ； Beihang University（北京航空航天大学） ； College of Science, Mathematics and Technology（科学、数学与技术学院） ； Wenzhou-Kean University（温州-凯恩大学） ； Fakulti Teknologi Maklumat dan Komunikasi（信息技术与通信学院） ； Universiti Teknikal Malaysia Melaka（马来西亚Melaka理工大学） ； Computer Systems Engineering Department（计算机系统工程系） ； Sukkur IBA University（苏库尔IBA大学） ； University of Electronic Science and Technology of China（电子科学与技术大学）
专题命中 软件智能体 ：repository(abstract)；分类 cs.SE、cs.AI
AI总结 AgentForge通过引入执行验证原则，提升代码正确性验证，实现40.0%的SWE-BENCH Lite解决率，优于单智能体基线。
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 ：coding agent(abstract)；分类 cs.SE、cs.AI
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%。
从有益到可信：用于配对编程的LLM代理
机构 * Texas State University（德克萨斯州立大学）
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.SE、cs.AI
AI总结 本文研究多代理LLM配对编程，通过外部化意图和工具迭代验证，提升代码可靠性、可审计性和可维护性。
Comments Accepted in 34th ACM Joint European Software Engineering Conference and Symposium on the Foundations of Software Engineering (FSE Companion 26)
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 ：repository(abstract)；分类 cs.SE、cs.AI
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。
超越最终代码：对现实世界GitHub场景中软件开发代理的过程导向错误分析
专题命中 软件智能体 ：repository(abstract)；分类 cs.SE、cs.AI
AI总结 本文通过分析3977个解决阶段轨迹和3931个测试阶段日志，揭示了软件开发代理在解决GitHub问题时的错误模式，发现Python执行错误与较低的解决率和更高的推理开销相关，并识别了影响基准公平性的三个bug。
Comments Paper accepted at ICSE 2026, Research Track
Munkres泛拓扑论在Isabelle/HOL中的自动形式化
机构 * Independent（独立研究者） ； Aalborg University（奥尔堡大学） ； University of Melbourne（墨尔本大学） ； AI4REASON and University of Gothenburg / Chalmers University（AI4REASON 和哥德堡大学 / 查尔姆斯理工大学）
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.AI、cs.LG
AI总结 本研究利用LLM辅助在Isabelle/HOL中自动形式化Munkres泛拓扑教材，生成85000余行代码，涵盖39章节，证明包括Tychonoff定理等核心结果，方法结合声明性证明与sledgehammer工具，展现高效形式化潜力。
Gym-Anything: 将任意软件转化为智能体环境
机构 * CMU（卡内基梅隆大学）
专题命中 软件智能体 ：coding 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。
通过率能讲述全部故事吗？评估基于LLM的问题解决的设计约束合规性
机构 * Fudan University（复旦大学） ； Nanyang Technological University（南洋理工大学）
专题命中 软件智能体 ：repository(abstract)；分类 cs.SE、cs.AI
AI总结 本文提出设计感知问题解决方法，引入bench基准，通过挖掘和验证真实项目中的设计约束，评估LLM在问题解决中设计约束的合规性，发现测试通过率高并不代表设计合规性好。
SuperLocalMemory V3.3：活脑——生物启发的遗忘、认知量化与多通道检索用于零LLM代理记忆系统
机构 * Independent Researcher（独立研究员）
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.CL、cs.AI
AI总结 本文提出SuperLocalMemory V3.3，通过生物启发的遗忘机制、认知量化和多通道检索，实现零LLM代理的记忆系统，提升了多跳和对抗场景下的性能。
Comments 19 pages, 4 figures, 11 tables. Third paper in the SuperLocalMemory trilogy. Code: https://github.com/qualixar/superlocalmemory (v3.3.26). npm: superlocalmemory. PyPI: superlocalmemory
从SWE-ZERO到SWE-HERO：从无执行到基于执行的微调方法用于软件工程代理
机构 * NVIDIA（英伟达）
专题命中 软件智能体 ：repository(abstract)；分类 cs.SE、cs.CL
AI总结 本文提出一种两阶段SFT方法，通过知识蒸馏实现SWE-bench的最佳性能，通过进化精炼策略提升代码语义和工程流程。
自动化Android构建修复：通过领域特定工具弥合LLM代理中的推理-执行差距
机构 * University of California, Davis（加州大学戴维斯分校） ； CodeDroid LLC（CodeDroid有限责任公司）
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.SE、cs.AI
AI总结 本文提出AndroidBuildBench基准和GradleFixer工具，通过领域特定抽象提升LLM修复Android构建错误的效率，解决LLM在低层执行中的不足。
SWE Context Bench: 一个用于编码上下文学习的基准测试
机构 * Independent Researcher（独立研究员） ； University of Oxford（牛津大学） ； University of Edinburgh（爱丁堡大学） ； Technical University of Munich（慕尼黑工业大学） ； MemoraX AI ； National University of Singapore（新加坡国立大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 软件智能体 ：repository(abstract)；分类 cs.SE、cs.AI
AI总结 本文提出SWE-ContextBench基准，用于评估编程代理的上下文重用能力，通过1100个基础任务和376个相关任务，从GitHub问题和拉取请求中挖掘真实依赖关系，评估预测准确度、时间效率和成本效率。
利用隐私保护的合成临床数据训练大型语言模型进行医学编码
机构 * Veradigm ； Snowflake
专题命中 软件智能体 ：coding agent(abstract)；分类 cs.CL、cs.AI
AI总结 本文研究了利用隐私保护的合成临床数据训练大型语言模型进行医学编码的可行性，通过微调Llama 3-70B模型，实现了ICD-10-CM和CPT代码的高精度预测，显著提升了编码准确性。
Comments 20 pages, 6 figures
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