AI Agent

Beyond Local Code Optimization: Multi-Agent Reasoning for Software System Optimization

超越局部代码优化：软件系统优化的多智能体推理

Huiyun Peng, Parth Vinod Patil, Antonio Zhong Qiu, George K. Thiruvathukal, James C. Davis

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

AI总结 本文提出多智能体框架，通过整合控制流、数据流与架构依赖信号，实现微服务系统的整体优化，提升吞吐量和响应时间。

Trust Over Fear: How Motivation Framing in System Prompts Affects AI Agent Debugging Depth

信任胜过恐惧：系统提示中的动机框架如何影响AI代理调试深度

Wu Ji

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

AI总结 研究探讨了信任与恐惧动机框架对AI代理调试深度的影响，发现信任框架能显著提升问题发现和调查步骤，而恐惧框架无明显效果，揭示了动机框架对AI行为的关键作用。

Comments 13 pages, 2 tables, 23 references. Code and data: https://github.com/wuji-labs/nopua

Do AI Agents Really Improve Code Readability?

AI代理真的能提高代码可读性吗？

Kyogo Horikawa, Kosei Horikawa, Yutaro Kashiwa, Hidetake Uwano, Hajimu Iida

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

AI总结 研究探讨AI代理重构对代码可读性的影响，通过分析403个提交发现，AI主要改进逻辑复杂度和文档，但导致传统质量指标下降。

Comments 5 pages

Journal ref 23rd International Conference on Mining Software Repositories (MSR '26) , 2026

Your Code Agent Can Grow Alongside You with Structured Memory

你的代码代理可以与你一同成长，借助结构化记忆

Yi-Xuan Deng, Xiaoqin Liu, Yi Zhang, Guo-Wei Yang, Shuojin Yang

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 本文提出MemCoder框架，通过结构化记忆和实时反馈实现人类与AI的持续共进化，提升代码代理在复杂软件工程任务中的性能。

Comments Code Agent

Questionnaire Responses Do not Capture the Safety of AI Agents

问卷回复无法捕捉AI代理的安全性

Max Hellrigel-Holderbaum, Edward James Young

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

AI总结 本文指出问卷式评估无法准确衡量AI代理的安全性，因LLM在情景中的表现与实际代理行为存在差异，导致评估方法缺乏有效性。

Comments 31 pages, 11 pages main text

Testing with AI Agents: An Empirical Study of Test Generation Frequency, Quality, and Coverage

利用AI代理进行测试：一项关于测试生成频率、质量和覆盖度的实证研究

Suzuka Yoshimoto, Shun Fujita, Kosei Horikawa, Daniel Feitosa, Yutaro Kashiwa, Hajimu Iida

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

AI总结 本研究通过AIDev数据集分析AI代理生成测试的频率、结构特征及对代码覆盖率的影响，发现AI生成的测试在代码长度和断言密度上表现突出，且能实现与人工测试相当的覆盖率提升。

Comments 5 pages

Journal ref 23rd International Conference on Mining Software Repositories (MSR '26) , 2026

Querying Everything Everywhere All at Once: Supervaluationism for the Agentic Lakehouse

全方位查询：代理湖house的超估值主义

Jacopo Tagliabue

机构 * Bauplan Labs（Bauplan实验室） 纠错

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

AI总结 本文提出一种新型查询方法，通过超估值语义在多个数据分支上回答问题，解决了传统OLAP系统无法处理多分支查询的局限。

Comments Pre-print submission

QiboAgent: a practitioner's guideline to open source assistants for Quantum Computing code development

QiboAgent：量子计算代码开发开源助手的实践指南

Lorenzo Esposito, Andrea Papaluca, Stefano Carrazza

专题命中 软件智能体 ：autonomous agent(abstract)；workflow(abstract)；agentic(abstract)

AI总结 本文提出QiboAgent，通过轻量级开源大语言模型与定制工作流架构，提升量子计算中间件代码生成的准确性和自动化能力，实现90.2%的高精度代码生成。

Comments 13 pages, 9 figures, 1 table. Source code and deployment instructions are publicly available at https://github.com/qiboteam/qiboagent

daVinci-Env: Open SWE Environment Synthesis at Scale

daVinci-Env：大规模开放软件工程环境合成

Dayuan Fu, Shenyu Wu, Yunze Wu, Zerui Peng, Yaxing Huang, Jie Sun, Ji Zeng, Mohan Jiang, Lin Zhang, Yukun Li, Jiarui Hu, Liming Liu, Jinlong Hou, Pengfei Liu

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

AI总结 本文提出OpenSWE，一个大规模透明的软件工程代理训练框架，包含45320个可执行Docker环境，通过多代理合成管道和质量过滤流程，实现高效学习和高质量训练。

Lore: Repurposing Git Commit Messages as a Structured Knowledge Protocol for AI Coding Agents

Lore：将Git提交信息重新利用为AI编码代理的结构化知识协议

Ivan Stetsenko

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

AI总结 本文提出Lore协议，通过Git trailers重构提交信息，生成包含约束、拒绝替代方案、代理指令和验证元数据的自包含决策记录，以解决AI编码代理在代码生产与消费中机构知识流失的问题。

Comments 8 pages, 1 figure, 1 table. Preprint available at https://doi.org/10.5281/zenodo.19051840

SemRep: Generative Code Representation Learning with Code Transformations

SemRep：基于代码变换的生成式代码表示学习

Weichen Li, Jiamin Song, Bogdan Alexandru Stoica, Arav Dhoot, Gabriel Ryan, Shengyu Fu, Kexin Pei

机构 * The University of Chicago（芝加哥大学） ； Columbia University（哥伦比亚大学） ； Microsoft（微软公司） 纠错

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

AI总结 SemRep通过生成式代码表示学习提升代码变换效果，利用语义保持变换作为中间表示，实现更准确的语义推理和更高效的代码优化。

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

Yicheng Wu, Tao Song, Zhonghua Wu, Jin Ye, Zongyuan Ge, Wenjia Bai, Zhaolin Chen, Jianfei Cai

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

FlowAD: Ego-Scene Interactive Modeling for Autonomous Driving

FlowAD: 无人驾驶中的自体场景交互建模

Mingzhe Guo, Yixiang Yang, Chuanrong Han, Rufeng Zhang, Shirui Li, Ji Wan, Zhipeng Zhang

机构 * AutoLab, School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院AutoLab） ； Baidu Inc（百度公司） 纠错

专题命中 软件智能体 ：planning(abstract)

AI总结 本文提出FlowAD框架，通过自体场景交互建模提升自动驾驶性能，利用场景流建模动态变化，结合新颖的FCP指标评估场景理解能力，实验表明其在碰撞率和驾驶评分上均优于现有方法。