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。
旧测试能否为解决软件工程问题带来新用途？
专题命中 软件智能体 ：agent(abstract,abstract_cn)；agentic(abstract)；分类 cs.SE
AI总结 本文提出TestPrune，通过重用回归测试自动最小化测试套件，提升问题复现和修复效率，实验证明在多个基准测试中显著提高复现和修复率。
Comments Accepted to the main technical track of the Symposium on the Foundations of Software Engineering (FSE), 2026
代理生成的代码需要多少维护？一项实证研究
专题命中 软件智能体 ：agent(title)；分类 cs.SE
AI总结 研究通过分析AI生成与人工编写代码的维护情况，发现AI代码维护频率较低，主要修改类型为功能扩展，而人工代码则以修复bug为主，人类开发者主导了大部分维护工作。
Comments 6 pages, 2 figures, 2 tables. Accepted at the 30th International Conference on Evaluation and Assessment in Software Engineering (EASE 2026)
Nautilus Compass：生产LLM代理的黑盒人格漂移检测
机构 * Yiluo Technology Co., Ltd.（亿洛科技有限公司）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 Nautilus Compass通过提示文本层的余弦相似度检测生产编码代理的人格漂移，无需调用LLM提取事实，实现高效且低成本的代理记忆层。
Comments 19 pages, 6 figures. MIT-licensed code + reproduction scripts at github.com/chunxiaoxx/nautilus-compass
CrackMeBench：用于代理的二进制逆向工程
机构 * University College London（伦敦大学学院）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 CrackMeBench旨在评估语言模型代理在教育类CrackMe逆向工程任务中的能力，通过确定性二进制验证问题，结合公开校准CrackMe和生成任务，测试代理在无网络LinuxDocker沙箱中的表现，提供可重复的测试平台。
通过可执行代码工作流基准测试实时问答
机构 * Li Auto Inc（利亚 Auto 公司） ； Minzu University of China（民族大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出RT-QA框架，通过可执行代码工作流实现动态评估，发现现有模型在实时适应性上存在显著不足，主要问题包括懒惰检索和时间混淆。
MURPHY：具有回顾性信用分配的反馈感知GRPO用于多轮代码生成
机构 * Massachusetts Institute of Technology（麻省理工学院） ； AWS AI（AWS人工智能）
专题命中 软件智能体 ：agentic(abstract)；分类 cs.AI、cs.LG
AI总结 MURPHY通过构建反馈条件化的rollout树，实现多轮自修正代码生成，采用最大奖励和平均奖励策略，并引入post-rollout剪枝机制，提升多轮优化效率。
Comments 21 pages, 2 figures, 8 Tables
利用LLM自动化能源感知的并行科学代码重构
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 本文研究LLM能否在经验执行反馈指导下生成能源高效的并行科学代码，提出LASSI-EE框架，通过多阶段迭代方法结合运行时功耗分析、能源感知提示、自纠正反馈循环和LLM作为裁判代理，实现代码重构。
Comments 12 pages, 5 figures, version under review at a peer-reviewed conference
SWE Atlas：超越问题解决的编码代理基准测试
专题命中 软件智能体 ：agentic(abstract)；分类 cs.LG、cs.SE
AI总结 SWE Atlas通过涵盖代码库问答、测试编写和重构三个软件工程流程，提供了一种新的基准测试套件，评估编码代理的正确性和工程质量。
Comments 10 pages
SkillEvolver: 技能学习作为元技能
机构 * Tsinghua University（清华大学） ； Beijing Jiaotong University（北京交通大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 SkillEvolver通过元技能迭代生成、部署和优化领域特定技能，无需重新训练即可直接应用于任何智能体，其学习目标是技能的文本和代码而非模型权重，通过元技能自身作为技能加载，提升技能表现。
教语言模型用代码思考
机构 * Korea University（韩国大学） ； AIGEN Sciences（AIGEN科技）
专题命中 软件智能体 ：planning(abstract)；分类 cs.CL
AI总结 本文提出ThinC框架，通过代码自身进行推理而非依赖自然语言，提升了数学问题解决能力，其在多个基准测试中表现优异。
Comments Preprint
EvidenT: 一个证据保留的系统级包修复框架
专题命中 软件智能体 ：agentic(abstract)；分类 cs.SE
AI总结 本文提出EvidenT框架，通过证据管理与工具执行解耦，解决系统级包修复中的依赖和环境配置问题，实验显示其在RISC-V包修复中表现优异，且在不同架构上具有良好的通用性。
干预复杂性作为规范奖励和智能的度量
机构 * School of Computing University of Otago（计算学院奥塔哥大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 本文提出干预复杂性作为智能的规范度量，具有环境衍生性、普遍性、最小性、敏感性和成就偏好等性质，通过资源函数定义通用奖励，并探讨智能的双维度表征及计算可性。
Comments 23 pages
SecureForge：通过提示优化发现并防止LLM生成代码中的漏洞
机构 * Stanford University（斯坦福大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.CL
AI总结 本文提出SecureForge框架，通过自动化流程发现并减少LLM生成代码中的安全漏洞，提升代码安全性的同时保持单元测试性能，实验显示漏洞减少达48%。
扩展移动代理系统：从能力密度到集体智能
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
专题命中 GUI与网页智能体 ：agent(title,abstract)；multi-agent(abstract)；分类 cs.CL
AI总结 本文提出通过紧凑基础模型设计与压缩提升单个代理能力密度，并通过通信丰富的多代理协作实现集体智能，以解决移动代理系统的扩展性问题。
Comments Accepted by ACM MobiSys 2026
Mem-W: 基于潜在记忆的原生GUI代理
机构 * LV-NUS Lab（LV-NUS实验室）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.CL、cs.LG
AI总结 Mem-W通过将记忆作为连续上下文的一部分，改进GUI代理的长期任务执行能力，实验证明其在多个导航基准测试中提升了性能，最高提升达+30.0。
Nemotron 3 Nano Omni：高效且开放的多模态智能
机构 * NVIDIA
专题命中 GUI与网页智能体 ：agentic(abstract)；分类 cs.AI、cs.LG
AI总结 Nemotron 3 Nano Omni是首个原生支持音频输入的多模态模型，通过架构、数据和训练方法的改进，在所有模态上均实现了更准确的性能，同时提供更低的推理延迟和更高的吞吐量。
在统计悬崖边缘的计算机使用
机构 * Meta Superintelligence Labs（Meta超智能实验室）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 本文指出现有交互环境评估方法存在系统性缺陷，提出PRISM原则设计更真实的环境，并开发新的聚合框架以提升CUA评估的准确性。
别点那个：教网络代理抵抗欺骗界面
机构 * Renmin University of China（中国人民大学） ； Ant Digital Technologies, Ant Group（蚂蚁集团数字技术部）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI
AI总结 本文提出DUDE框架，通过混合奖励学习和不对称惩罚，结合经验总结，提升网络代理对欺骗界面的抵抗力，实验显示欺骗敏感度降低53.8%。
Comments Accepted to ACL 2026 Main Conference. 23 pages, 8 figures, 19 tables
与幻灯片对话：通过语言驱动的结构化数据操作实现高效幻灯片编辑
机构 * KAIST AI（韩国科学技术院人工智能研究所） ； Chung-Ang University（Chung-Ang 大学）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.CL
AI总结 本文提出Talk-to-Your-Slides，通过语言驱动的结构化数据操作实现高效幻灯片编辑，相较于基于图像的GUI方法，其在文本处理和格式任务中更快、更准确且成本更低。
Comments 30 pages, Accepted at ACL2026
WebTrap: 隐秘的中任务劫持攻击浏览器代理在导航过程中的行为
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； City University of Hong Kong（香港城市大学） ； City University of Macau（澳门城市大学）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI
AI总结 WebTrap通过多步骤指令融合引导实现浏览器代理在导航任务中的隐秘劫持，提升攻击成功率同时保持系统可用性。
Comments 31 pages, 4 figures, 10 tables. Code: https://github.com/liuyaojialiuyaojia/WebTrap
TourMart: 一种用于LLM旅行代理佣金管理的参数审计工具
专题命中 GUI与网页智能体 ：agent(abstract)
AI总结 TourMart通过参数lambda和kappa驱动反事实分析，区分LLM工程故障与真实商业引导，验证代理引导效果，输出合规报告。
SafeHarness：面向LLM代理部署的生命周期集成安全架构
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； Institute of Applied Physics and Computational Mathematics（应用物理与计算数学研究所） ； Peking University（北京大学）
专题命中 记忆与上下文管理 ：agent(title,abstract)；tool use(abstract)；分类 cs.AI
AI总结 本文提出SafeHarness架构，通过四个防御层集成到代理生命周期中，解决现有安全方法的结构性不匹配问题，降低不安全行为和攻击成功率。
Comments 26 pages, 6 figures
轨迹的陷阱：朝着理解并缓解代理记忆中的虚假相关性
机构 * Binghamton University, State University of New York（宾夕法尼亚州立大学） ； Oakland University（奥克兰大学） ； University of Pennsylvania（宾夕法尼亚大学）
专题命中 记忆与上下文管理 ：agentic(title,abstract)；分类 cs.AI、cs.LG
AI总结 本文研究代理记忆中的虚假相关性问题，通过基准测试揭示记忆在清洁输入下提升推理但放大虚假模式依赖性，并提出CAMEL方法在写入和检索时减少对虚假模式的依赖，同时保持性能。
个人视觉上下文学习在大型多模态模型中
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）
专题命中 记忆与上下文管理 ：agentic(summary_cn,abstract)
AI总结 本文提出个人视觉上下文学习（Personal VCL）以解决个性化查询，通过Personal-VCL-Bench评估，发现现有模型在利用视觉证据和聚合多视觉观察方面存在显著不足，提出Agentic Context Bank方法提升性能。
Comments Project website: https://vision.cs.utexas.edu/projects/PersonalVCL/
记住决策，而非描述：一种面向代理记忆的速率-失真框架
机构 * Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学） ； Meta AI ； AI Research Institute, Squirrel Ai Learning（Squirrel Ai Learning人工智能研究院） ； Monash University（墨尔本大学） ； Shanghai Academy of AI for Science（上海人工智能科学研究院）
专题命中 记忆与上下文管理 ：agent(title,abstract)；分类 cs.AI
AI总结 本文提出一种以决策为核心的速率-失真框架，用于代理记忆管理，通过优化内存预算与决策质量的权衡，提出DeMem算法在合成数据和对话任务中提升了决策性能。
HAGE: 通过RL驱动的加权图进化利用代理记忆
机构 * Department of Computer Science, The University of Texas at Dallas（德克萨斯大学达拉斯分校计算机科学系） ； Department of Electrical and Computer Engineering, University of Florida（佛罗里达大学电气与计算机工程系） ； University of California, Davis（加州大学戴维斯分校）
专题命中 记忆与上下文管理 ：agentic(title,abstract)；分类 cs.AI
AI总结 HAGE提出了一种加权多关系记忆框架，通过RL驱动的训练框架优化路由行为和边表示，提升长周期推理准确性和效率。
跨模态、跨时间：结构化记忆用于超长代理视频推理
机构 * University of Connecticut（康涅狄格大学） ； Northwestern University（西北大学） ； University of Virginia（弗吉尼亚大学）
专题命中 记忆与上下文管理 ：agentic(title,abstract)；分类 cs.AI
AI总结 本文提出MAGIC-Video框架，通过多模态记忆图和交织叙事链，实现超长视频的跨模态检索与长时序推理，优于现有基线模型。
知识不足：注入强化学习技能以实现持续适应
机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Yuanpei College, Peking University（北京大学元培学院）
专题命中 记忆与上下文管理 ：tool-use(abstract)；agentic(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 本文提出PaST框架，通过提取领域无关的Skill Vector，实现高效知识适应。实验表明PaST在知识问答和工具使用任务中优于现有方法，展现出良好的可扩展性和跨领域迁移能力。
GenCellAgent：基于大语言模型代理的通用、无需训练的细胞图像分割
机构 * Artificial Intelligence Department, Brookhaven National Laboratory, Upton, 11973, NY, US（1 人工智能部门，布鲁赫萨尔国家实验室，乌普顿，11973，纽约，美国） ； National Synchrotron Light Source II, Brookhaven National Laboratory, Upton, 11973, NY, US（2 国家同步辐射光源II，布鲁赫萨尔国家实验室，乌普顿，11973，纽约，美国） ； Biology Department, Brookhaven National Laboratory, Upton, 11973, NY, US（3 生物学部门，布鲁赫萨尔国家实验室，乌普顿，11973，纽约，美国）
专题命中 记忆与上下文管理 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 GenCellAgent通过规划-执行-评估循环实现无需训练的细胞图像分割，自动分配最佳工具并支持文本引导分割，优于现有方法且减少标注负担。
Comments 43 pages
超越自主性：一种动态分层代理运行框架用于可控且具有弹性的企业AI执行
机构 * a2alab（a2alab实验室）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出动态分层代理运行框架，通过风险自适应分层、权力分离架构和容错设计，解决企业AI执行中的可控性和可靠性问题。
Comments 9 pages, 2 figures, 3 tables
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