AI Agent

Agentic MR sequence development: leveraging LLMs with MR skills for automatic physics-informed sequence development

代理MR序列开发：利用LLM与MR技能进行自动物理引导的序列开发

Moritz Zaiss, Amr Aly, Jonathan Endres, Tobias Dornstetter, Simon Weinmüller, Andreas Maier

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

AI总结 本文提出Agent4MR框架，利用LLM和物理验证报告自动生成并优化PyPulseq序列，减少交互次数，实现高效序列开发。

Comments Word count abstract/body: 223 / 4303

ViBES: A Conversational Agent with Behaviorally-Intelligent 3D Virtual Body

ViBES：一个具有行为智能的3D虚拟身体对话代理

Juze Zhang, Changan Chen, Xin Chen, Heng Yu, Tiange Xiang, Ali Sartaz Khan, Shrinidhi K. Lakshmikanth, Ehsan Adeli

机构 * Stanford University（斯坦福大学） ； ByteDance（字节跳动） 纠错

专题命中 软件智能体 ：agent(title,abstract)；agentic(abstract)

AI总结 ViBES通过联合规划语言和运动，实现对话条件下的身体动作生成，提升了多轮对话中的社会交互能力。

Comments Project page: https://ai.stanford.edu/~juze/ViBES/. Accepted by CVPR 2026

CodeTracer: Towards Traceable Agent States

CodeTracer：迈向可追溯的代理状态

Han Li, Yifan Yao, Letian Zhu, Rili Feng, Hongyi Ye, Jiaming Wang, Yancheng He, Pengyu Zou, Lehan Zhang, Xinping Lei, Haoyang Huang, Ken Deng, Ming Sun, Zhaoxiang Zhang, He Ye, Jiaheng Liu

机构 * Nanjing University（南京大学） ； Kuaishou Technology（快手科技） ； Institute of Automation, CAS（中国科学院自动化研究所） ； University College London（伦敦大学学院） ； Renmin University of China（中国人民大学） ； Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 CodeTracer通过解析异构运行 artifacts，重建状态转换历史，并定位故障起始点，提升代理调试效率。

AI Coding Agents Need Better Compiler Remarks

AI 编程代理需要更好的编译器注释

Akash Deo, Simone Campanoni, Tommy McMichen

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

AI总结 本文研究了编译器注释对AI代理优化程序的影响，发现精确注释能显著提升性能，而模糊注释会导致语义错误，结论是未来编译器需提供结构化反馈以支持自主性能工程。

Comments 3 pages, 1 figure, 2 tables, Presented at Workshop on Co-Design for Agentic and Multimodal AI (CoDAIM) 2026

Applying an Agentic Coding Tool for Improving Published Algorithm Implementations

应用代理编码工具改进已发表的算法实现

Worasait Suwannik

机构 * Worasait Suwannik（独立研究者） 纠错

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

AI总结 本文提出一个两阶段流程，利用AI改进已发表的算法实现。首先，大语言模型识别符合条件的算法，其次通过Claude Code重复基准并迭代改进。研究显示所有实验均取得改进，且需单日完成，同时讨论了人类在选择目标、验证实验有效性等方面不可替代的作用。

Can Coding Agents Be General Agents?

编码代理可以是通用代理吗？

Maksim Ivanov, Abhijay Rana, Gokul Prabhakaran

机构 * Agentic Labs 纠错

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

AI总结 本文探讨编码代理能否实现端到端业务流程自动化，发现其在简单任务上表现可靠，但在复杂任务上存在瓶颈，指出领域逻辑与代码执行的衔接是通用性关键障碍。

Numerical Instability and Chaos: Quantifying the Unpredictability of Large Language Models

数值不稳定性与混沌：量化大型语言模型的不可预测性

Chashi Mahiul Islam, Alan Villarreal, Mao Nishino, Shaeke Salman, Xiuwen Liu

机构 * Department of Computer Science, Florida State University, Tallahassee, USA（佛罗里达州立大学计算机科学系，塔拉希西亚，美国） ； Department of Mathematics, Florida State University, Tallahassee, USA（佛罗里达州立大学数学系，塔拉希西亚，美国） 纠错

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

AI总结 本文研究了大型语言模型中数值不稳定性导致的不可预测性，揭示了浮点精度限制下误差传播机制，识别出混沌效应及三种不同行为模式。

Comments 8 pages, 9 figures

The Code Whisperer: LLM and Graph-Based AI for Smell and Vulnerability Resolution

代码低语者：结合图神经网络和大语言模型的代码和漏洞解决方法

Mohammad Baqar, Raji Rustamov, Alexander Hughes

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

AI总结 本文提出Code Whisperer框架，结合图分析与大语言模型，统一检测和修复代码维护性和安全性问题，提升检测性能和修复建议实用性。

Comments 10 Pages

Formal Architecture Descriptors as Navigation Primitives for AI Coding Agents

形式架构描述符作为AI编码代理的导航原语

Ruoqi Jin

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 本文研究了通过提供形式架构描述符减少AI编码代理在代码库探索中的导航开销，通过实验和观察证明了架构描述符在导航效率和错误检测方面的显著提升。

Comments 4 pages, 4 tables, preprint. Code and data: https://doi.org/10.5281/zenodo.19500105

CCCE: A Continuous Code Calibration Engine for Autonomous Enterprise Codebase Maintenance via Knowledge Graph Traversal and Adaptive Decision Gating

CCCE：一种基于知识图谱遍历和自适应决策门控的连续代码校准引擎，用于企业代码库的自主维护

Santhosh Kusuma Kumar Parimi

机构 * Independent Researcher（独立研究员） 纠错

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

AI总结 本文提出CCCE，通过知识图谱遍历和自适应决策门控技术，实现企业代码库的自主维护，减少修复时间并提供端到端可追溯性。

WybeCoder: Verified Imperative Code Generation

WybeCoder：验证性 imperative 代码生成

Fabian Gloeckle, Mantas Baksys, Darius Feher, Kunhao Zheng, Amaury Hayat, Sean B. Holden, Gabriel Synnaeve, Peter O'Hearn

机构 * CERMICS, ENPC, Institut Polytechnique de Paris, CNRS（CERMICS，ENPC，巴黎理工学院，CNRS） ； Computer Lab, University of Cambridge（剑桥大学计算机实验室） ； Korea Institute for Advanced Study（韩国高级研究院） ； FAIR, Meta（FAIR，Meta） ； University College London（伦敦大学学院） 纠错

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

AI总结 WybeCoder 提出了一种验证性 imperative 代码生成框架，通过证明与生成同步的方式，实现代码、不变式和证明的共同进化，提升了复杂算法的验证效率。

Towards Personalizing Secure Programming Education with LLM-Injected Vulnerabilities

面向个性化安全编程教育的LLM注入漏洞方法

Matthew Frazier, Kostadin Damevski

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

AI总结 本文提出利用LLM在学生代码中注入特定CWE漏洞，生成个性化教学材料，通过实验发现学生认为此类示例更相关清晰，但定量结果未显示显著差异，需进一步研究。