AI 大模型
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
SWE-chat：从真实用户中编码代理交互
机构 * Stanford University（斯坦福大学）
专题命中 软件智能体 ：agent(title,abstract)；AI agent(abstract)；分类 cs.AI、cs.SE
AI总结 SWE-chat是首个大规模真实编码代理会话数据集，包含6000个会话，揭示了编码代理在真实场景中的使用模式和失败模式，发现代理生成的代码效率低下且存在更多安全漏洞。
OpenHands软件代理SDK：一种可组合且可扩展的生产代理基础
机构 * MLSys 2026
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 本文提出OpenHands SDK，提供灵活的代理实现接口、安全可靠执行及用户交互接口，整合了本地到远程执行、多LLM路由和安全分析，验证了其在生产部署中的有效性。
Comments Accepted at MLSys 2026
EvolveSignal：一种基于大语言模型的编程代理，用于发现交通信号控制策略
机构 * Department of Data Science and Artificial Intelligence, Monash University（数据科学与人工智能系，墨尔本大学） ； School of Transportation, Southeast University（交通学院，东南大学） ； Institute of Automation, Chinese Academy of Sciences（自动化研究所，中国科学院） ； Department of Civil and Environmental Engineering, Monash University（土木与环境工程系，墨尔本大学） ； Department of Civil and Architectural Engineering, KTH Royal Institute of Technology（土木与建筑工程系，皇家理工学院）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.LG
AI总结 本文提出EvolveSignal，利用大语言模型自动发现可解释的启发式策略，通过程序合成方法优化交通信号控制，实验表明其在减少延误和停车次数方面优于传统方法。
SweRank: 代码排名用于软件问题定位
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Salesforce Research（Salesforce 研究） ； KAIST AI（韩国科学技术院人工智能研究所）
专题命中 软件智能体 ：agent(abstract)；agentic(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出SweRank框架，通过高效的检索与重排序方法提升软件问题定位的准确性，实验表明其在SWE-Bench-Lite和LocBench上优于现有方法。
Comments ICLR 2026 Camera Ready Version
对代理基于市场碎片化和延迟套利模型的复制性检验
专题命中 软件智能体 ：agent(title)
AI总结 本文通过复制Wah和Wellman 2016年的延迟套利模型，发现原论文中缺失的实现细节和有限的定量报告阻碍了准确复制。通过增加模拟次数生成置信区间，弥补了分布信息的不足，并指出模型复杂性与对齐难度成正比。
ABTest：面向AI编码代理的行为驱动测试
专题命中 软件智能体 ：agent(abstract)；workflow(abstract)；分类 cs.SE
AI总结 本文提出ABTest框架，通过挖掘用户报告的异常生成可执行测试用例，发现AI编码代理在真实场景中的鲁棒性差异及新故障模式。
WebGen-R1: 通过强化学习激励大语言模型生成功能性和美观的网站
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Hong Kong University of Science and Technology（香港科技大学） ； Tongyi Lab, Alibaba Group（阿里云实验室） ； Electronics and Telecommunications Research Institute（电子电信研究院） ； Ant Group（蚂蚁集团）
专题命中 软件智能体 ：agentic(abstract)；分类 cs.CL、cs.LG、cs.SE
AI总结 本文提出WebGen-R1框架，通过强化学习生成多页面功能性和美观的网站，解决了传统方法在多页面交互和审美评估上的不足。
SolidCoder：通过具体执行弥合LLM代码生成中的心理现实差距
机构 * Electronics and Telecommunications Research Institute, Republic of Korea（韩国电信研究所）
专题命中 软件智能体 ：planning(abstract)；分类 cs.AI、cs.SE
AI总结 SolidCoder通过强制边缘情况意识和沙盒执行解决心理现实差距，提升代码生成性能，实现HumanEval、CodeContests和APPS的高准确率。
Comments 23 pages, 2 figures, Accepted at Findings of ACL 2026
HaS：通过同源感知的推测检索加速RAG
机构 * South China University of Technology（华南理工大学） ； Pengcheng Laboratory（鹏城实验室） ； Jinan University（暨南大学） ； Beijing Forestry University（北京林业大学）
专题命中 软件智能体 ：agentic(abstract)；分类 cs.CL
AI总结 HaS通过同源感知的推测检索框架，在受限范围内进行低延迟推测检索以获取候选文档，并验证其是否包含所需知识，从而提升RAG的效率。
Comments Accepted by ICDE 2026
对与安全相关的AI生成拉取请求的洞察
专题命中 软件智能体 ：agentic(abstract)；分类 cs.SE
AI总结 本文分析了33,000多个AI生成的拉取请求，发现675个与安全相关的提交，揭示了AI生成的拉取请求中常见的安全漏洞及审查结果，发现提交质量对接受度影响有限，扩展了拒绝分类。
Comments accepted at the International Conference on Evaluation and Assessment in Software Engineering (EASE), 2026
RExBench：代码代理能否自主实现AI研究扩展？
机构 * Faculty of Computer Science, University of Vienna（维也纳大学计算机科学系） ； UniVie Doctoral School Computer Science, University of Vienna（维也纳大学UniVie计算机科学博士学院） ； Boston University（波士顿大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.CL
AI总结 本文提出RExBench基准，评估代码代理自主实现AI研究扩展的能力，发现现有代理在无人类指导时成功率不足44%。
Comments ACL 2026
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