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。
Agent-Sentry: 通过执行溯源界定了LLM代理
机构 * University of Southern California（南加州大学） ； Washington University in St. Louis（圣路易斯华盛顿大学）
专题命中 软件智能体 ：agent(title,title_cn)；agentic(abstract)；分类 cs.AI
AI总结 本文提出Agent Sentry，通过学习代理良性执行的边界来检测恶意行为，有效阻止注入攻击，同时允许良性执行。
AgentGA：在Agent-Seed空间中进化代码解决方案
机构 * Diagnostics Development Hub (DxD Hub)（诊断开发中心（DxD中心）） ； Agency for Science, Technology and Research (A*STAR)（科学、技术和研究局（A*STAR））
专题命中 软件智能体 ：agent(title,title_cn)；分类 cs.AI、cs.LG
AI总结 AgentGA通过优化Agent-Seed提升自主代码生成性能，其在16场比赛中平均超越人类71.90%，胜率高达51.9%。
Comments 30 pages total (9-page main text + references + appendix), 5 figures, 9 tables
面向可靠重用的AI生成内容结构化框架
机构 * National Institute of Advanced Industrial Sciencen
专题命中 软件智能体 ：agentic(title,abstract)；AI agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出一种结构化框架，通过在生成时自动附加元数据，提升AI生成内容的可追溯性和可靠性，以支持其安全重用。
Comments 5 pages, 2 figures, Accepted at FAAW@WWW2026
ConCovUp：面向并发测试的有效代理基于测试驱动生成
专题命中 软件智能体 ：agent(title,abstract)；multi-agent(abstract)；分类 cs.SE
AI总结 本文提出ConCovUp框架，结合LLM与程序分析，通过静态分析提取共享内存访问及调用上下文，利用LLM驱动的逆向追踪方法生成有效并发测试，提升SMAP覆盖率。
上下文增强的代码生成：产品上下文如何通过49%提高AI编码代理的决策合规性
机构 * Brief（简述）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.LG、cs.SE
AI总结 本文提出一个衡量决策合规性的基准，通过产品上下文检索系统提升AI编码代理的决策合规性，实验结果显示合规率从46%提升至95%。
Comments 16 pages, 3 figures, 16 tables. Benchmark repository: https://github.com/brief-hq/dcbench
代理式AI科学家并非为自主科学发现而建
机构 * Yardi School of Artificial Intelligence, Indian Institute of Technology Delhi（印度理工学院德里人工智能学院） ； Department of Computer Science and Engineering, Indian Institute of Technology Delhi（印度理工学院德里计算机科学与工程系） ； Department of Civil and Environmental Engineering, Indian Institute of Technology Delhi（印度理工学院德里土木与环境工程系） ； Laboratory of Organic and Macromolecular Chemistry (IOMC), Friedrich Schiller University Jena（耶拿弗里德里希·席勒大学有机与大分子化学实验室） ； Center for Energy and Environmental Chemistry Jena, Friedrich Schiller University Jena（耶拿弗里德里希·席勒大学能源与环境化学中心） ； Helmholtz Institute for Polymers in Energy Applications Jena (HIPOLE Jena)（耶拿海德堡聚合物能源应用研究所（HIPOLE耶拿））
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI
AI总结 本文指出，尽管代理式AI科学家能作为合作者，但其设计并非为自主科学发现。挑战包括问题选择偏差、实验室知识缺失、输出多样性压缩及缺乏实验反馈，需重新审视基础设计。
一种代理AI编码工具配置数据集
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.SE
AI总结 本文提出一个包含40585个开源仓库的AI编码工具配置数据集，涵盖5种工具和8种配置机制，用于研究上下文工程、AI工具采用模式和人机协作。
Comments 9 pages, 8 figures, 2 tables, Proceedings of the 3rd ACM/IEEE International Conference on AI-powered Software (AIware 2026)
相信我，导入这个：通过恶意代理技能进行依赖引导攻击
专题命中 软件智能体 ：agent(title,abstract)
AI总结 研究提出依赖引导攻击，通过恶意技能引导编码代理生成恶意包，无需修改模型或数据，展示出软件供应链中的新攻击面。
代码代理编译器开发中可信编译与验证的定量比较
专题命中 软件智能体 ：agent(title,abstract)
AI总结 本文通过首个由人类监督的验证编译器，比较了可信编译与验证两种编译验证方法的效率，发现验证需要更多开发工作量，且验证优化选择更不高效的算法，证书检查时间占主导。
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%。
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