AI Agent

Towards Agentic Runtime Healing

面向代理的运行时自愈

Zhensu Sun, Haotian Zhu, Bowen Xu, Xiaoning Du, Li Li, David Lo

机构 * Singapore Management University（新加坡国立大学） ； North Carolina State University（北卡罗来纳州立大学） ； Monash University（墨尔本大学） ； Beihang University（北航） 纠错

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

AI总结 本文提出利用大语言模型实现动态生成错误处理策略，通过Healer框架在四个代码数据集上验证了其在运行时错误恢复中的有效性，展示了LLM在自愈系统中的潜力。

Comments Accepted by CACM

The Buy-or-Build Decision, Revisited: How Agentic AI Changes the Economics of Enterprise Software

重新审视买或建决策：代理AI如何改变企业软件的经济学

David Klotz

专题命中 软件智能体 ：agentic(title,abstract)

AI总结 本文通过结合交易成本经济学和资源基础观，重新评估AI对买或建决策的影响，揭示AI如何重塑七个核心决策因素，并提出企业应用的分类及治理结构变化。

Feedback-Normalized Developer Memory for Reinforcement-Learning Coding Agents: A Safety-Gated MCP Architecture

反馈归一化的开发者内存用于强化学习编码代理：一种安全门控MCP架构

Mehmet Iscan

机构 * PythaLab, Yildiz Technical University, Istanbul, Türkiye（PythaLab，伊兹密尔技术大学，伊斯坦布尔，土耳其） 纠错

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

AI总结 本文提出RL Developer Memory架构，通过归一化反馈和安全门控机制提升强化学习编码代理的内存管理，实验证明其在确定性任务中的有效性。

Comments 25 pages, 5 figures, 7 tables. Preprint. Implementation and supplementary artifacts are available at the project repository

LLM Ghostbusters: Surgical Hallucination Suppression via Adaptive Unlearning

LLM Ghostbusters: 通过自适应反学习实现精准幻觉抑制

Joseph Spracklen, Pedram Aghazadeh, Farinaz Koushanfar, Murtuza Jadliwala

机构 * University of Texas San Antonio（德克萨斯大学圣安东尼奥分校） ； University of California San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 本文提出自适应反学习框架，通过混合token级目标和自适应发现循环，有效抑制LLM幻觉，减少81%的包幻觉率，同时保持编码基准性能，验证其对特定分布的针对性效果。

RECAP: An End-to-End Platform for Capturing, Replaying, and Analyzing AI-Assisted Programming Interactions

RECAP：一个端到端的平台，用于捕捉、回放和分析AI辅助编程交互

Keyu He, Qianou Ma, Valerie Chen, Wayne Chi, Tongshuang Wu

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 RECAP通过记录和回放开发者与AI编程助手的交互，分析其行为模式和策略演变，为软件工程教育提供支持。

Fusing Urban Structure and Semantics: A Conditional Diffusion Model for Cross-City OD Matrix Generation

融合城市结构与语义：一种基于条件扩散模型的跨城市OD矩阵生成方法

Bin Chen, Zhuoya Meng, Fang Yang, Runkang Guo, Jingtao Ding, Yin Zhang, Chuan Ai, Zhengqiu Zhu

机构 * Institute of Intelligent Computing, University of Electronic Science and Technology of China (UESTC)（电子科技大学智能计算研究所） ； College of Systems Engineering, National University of Defense Technology（国防科技大学系统工程学院） ； Department of Electronic Engineering, Beijing National Research Center for Information Science and Technology (BNRist)（信息科学与技术国家研究中心电子工程系） ； School of Information and Communication Engineering, University of Electronic Science and Technology of China (UESTC)（电子科技大学信息与通信工程学院） 纠错

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

AI总结 本文提出SE DAN模型，通过融合城市语义与空间约束生成跨城市OD矩阵，实验显示其在RMSE上优于现有方法，并在不同城市场景中保持鲁棒性。