AI Agent

EVMbench: Evaluating AI Agents on Smart Contract Security

EVMbench：在智能合约安全上评估AI代理

Justin Wang, Andreas Bigger, Xiaohai Xu, Justin W. Lin, Andy Applebaum, Tejal Patwardhan, Alpin Yukseloglu, Olivia Watkins

机构 * OpenAI ； Paradigm ； OtterSec 纠错

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

AI总结 EVMbench通过评估AI代理在智能合约安全领域的检测、修补和利用能力，揭示了AI在区块链安全评估中的潜力与挑战。

Self-Attribution Bias: When AI Monitors Go Easy on Themselves

自我归因偏差：当AI监控对自己宽容时

Dipika Khullar, Jack Hopkins, Rowan Wang, Fabien Roger

专题命中 软件智能体 ：tool-use(abstract)；agentic(abstract)；分类 cs.AI、cs.LG

AI总结 研究发现AI监控在自我归因偏差下可能低估风险，导致部署不充分的监控系统。

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

Sunishchal Dev, Andrew Sloan, Joshua Kavner, Nicholas Kong, Morgan Sandler

机构 * RAND Corporation（RAND公司） 纠错

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

Rodrigo Falcão, Frank Elberzhager, Karthik Vaidhyanathan

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"