AI Agent

SCAFFOLD-CEGIS: Preventing Latent Security Degradation in LLM-Driven Iterative Code Refinement

SCAFFOLD-CEGIS: 防止由LLM驱动的迭代代码精炼中的潜在安全退化

Yi Chen, Yun Bian, Haiquan Wang, Shihao Li, Zhe Cui

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

AI总结 SCAFFOLD-CEGIS通过多智能体协作架构，将安全约束显式化，有效降低LLM驱动迭代代码精炼中的潜在安全退化率至2.1%。

HDLxGraph: Bridging Large Language Models and HDL Repositories via HDL Graph Databases

HDLxGraph: 通过HDL图数据库连接大型语言模型和HDL仓库

Pingqing Zheng, Jiayin Qin, Fuqi Zhang, Niraj Chitla, Zishen Wan, Shang Wu, Yu Cao, Caiwen Ding, Yang, Zhao

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

AI总结 HDLxGraph通过整合HDL图特性与RAG，提升LLM在HDL任务中的搜索、调试和完成准确率。

SMGI: A Structural Theory of General Artificial Intelligence

SMGI：一般人工智能的结构理论

Aomar Osmani

机构 * INSA-Rouen（鲁昂国家理工学院） 纠错

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

AI总结 SMGI提出了一种一般人工智能的结构理论，通过严格数学分离结构本体与行为语义，定义了满足四个义务的耦合动态，并证明了结构泛化界限和结构包含定理。

Comments Preprint. 77 pages, 1 figure, 3 tables

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

Zhiwei Fei, Yue Pan, Federica Sarro, Jidong Ge, Marc Liu, Vincent Ng, He Ye

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

Zheng Wang, Wanhao Yu, Li Yang, Sen Lin

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） 纠错

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

How undergraduate physics students use generative AI for computational modeling

大学物理学生如何利用生成式人工智能进行计算建模

Karl Henrik Fredly, Tor Ole B. Odden, Benjamin M. Zwickl

专题命中 软件智能体 ：planning(abstract)

AI总结 研究探讨了大学物理学生使用生成式AI进行计算建模的方式，发现其影响包括建模规划、实现和调试，同时指出过度依赖AI带来的挑战及教学改进的必要性。

Faster-HEAL: An Efficient and Privacy-Preserving Collaborative Perception Framework for Heterogeneous Autonomous Vehicles

Faster-HEAL: 一种高效且隐私保护的异构自动驾驶车辆协作感知框架

Armin Maleki, Hayder Radha

机构 * Electrical and Computer Engineering（电气与计算机工程） ； Michigan State University（密歇根州立大学） 纠错

专题命中 软件智能体 ：agent(abstract)

AI总结 Faster-HEAL通过低秩视觉提示和金字塔融合，实现高效且隐私保护的异构自动驾驶车辆协作感知

Comments Accepted to appear in the 2026 IEEE Intelligent Vehicles Symposium (IV 2026), Detroit, MI, USA, June 22-25, 2026. 6 pages, 1 figure, 4 tables