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。
代码作为代理工具
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Meta ； Stanford University（斯坦福大学）
专题命中 软件智能体 ：agent(title,abstract)；AI agent(abstract)；tool use(abstract)；planning(abstract)
AI总结 本文探讨了代码在代理系统中的作用，提出了一种统一的视角，将代码视为代理基础设施的基础，并讨论了代理工具接口、机制以及扩展到多代理系统的挑战。
Comments GitHub: https://github.com/YennNing/Awesome-Code-as-Agent-Harness-Papers
鲁棒代理补偿（RAC）：教AI代理补偿
机构 * University of Stuttgart（斯图加特大学）
专题命中 软件智能体 ：agent(title,abstract)；AI agent(title)；分类 cs.AI；agentic(comments)
AI总结 本研究提出了一种基于日志的恢复范式RAC，通过架构扩展实现安全网，可应用于大多数代理框架以支持可靠执行。RAC可在不修改现有代理代码的情况下启用，通过现有的扩展点在大多数现有代理框架中实现，并通过τ-bench和REALM-Bench验证，证明在解决复杂问题时，RAC在延迟和token经济性方面优于现有最先进的LLM-based恢复方法。
Comments Accepted at ACM Conference on AI and Agentic Systems (ACM CAIS 2026)
MemRepair：用于代理级漏洞修复的分层内存
机构 * Beihang University（北京航空航天大学） ； The University of Hong Kong（香港大学）
专题命中 软件智能体 ：agentic(title,abstract)；agent(abstract,abstract_cn)；分类 cs.AI、cs.CL、cs.SE
AI总结 本研究提出MemRepair，一种增强记忆的代理框架，通过分层记忆和动态反馈循环提高漏洞修复的可靠性，实现了在多个仓库级别的漏洞修复基准上的高修复率。
Reversa：一个用于将遗留软件转换为AI代理操作规范的反向文档工程框架
机构 * Federal Institute of Goias（戈亚斯联邦理工学院） ； Federal University of Goias（戈亚斯联邦大学）
专题命中 软件智能体 ：AI agent(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出Reversa框架，旨在通过反向文档工程将遗留软件转换为AI代理可操作的规范，通过多代理流水线流程提取隐含规则，生成可追溯的操作规范，并提出评估协议以衡量覆盖率、可追溯性、置信度、效用和成本。
Comments Preprint. Includes a generative AI use statement
AgentWall：本地AI代理的运行时安全层
专题命中 软件智能体 ：AI agent(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 本文提出AgentWall，一种用于本地AI代理的运行时安全与可观测性层，通过拦截代理操作、评估政策、要求人类批准和记录执行轨迹，实现92.9%的政策执行准确率。
Comments 16 pages, 2 figures, open-source implementation at https://github.com/agentwall/Agentwall
Code-as-Room: 通过代理代码合成从俯视图图像生成3D房间
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Southern University of Science and Technology（南方科技大学） ； University of Warwick（沃里克大学）
专题命中 软件智能体 ：agentic(title,abstract)；agent(abstract)
AI总结 本文提出Code-as-Room框架，通过结构化执行 harness 生成3D房间，利用Blender代码表示房间，并引入专门的代码基3D房间合成基准进行评估。
AgentKernelArena: GPU核优化代理的通用化意识基准测试
机构 * AMD
专题命中 软件智能体 ：agent(abstract,abstract_cn)；agentic(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 本文提出AgentKernelArena，一个用于评估GPU核优化代理的开源基准，通过隔离工作区和统一评分机制，测试代理在不同任务和硬件目标上的性能和通用化能力，发现大多数任务在正确性和编译效率上表现优异，但在PyTorch到HIP的转换任务中存在显著的正确性下降。
EvolveR：通过经验驱动的生命周期实现自进化大语言模型代理
机构 * Zhejiang University（浙江大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； East China Normal University（华东师范大学） ； Fudan University（复旦大学） ； Central South University（中南大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； University of Science and Technology of China（中国科学技术大学）
专题命中 软件智能体 ：agent(abstract)；tool use(abstract)；agentic(abstract)；分类 cs.AI、cs.CL
AI总结 EvolveR通过闭环经验生命周期实现LLM代理的自进化，结合离线自蒸馏和在线交互，利用策略强化机制迭代优化，提升多跳问答任务性能。
Comments Accepted by ICML 2026
A-ProS：通过多模型反馈实现可靠的自主编程
机构 * Dept. of Computer Science and Engineering, University of Dhaka（达卡大学计算机科学与工程系） ； Dept. of Information Systems, University of Maryland, Baltimore County（马里兰大学巴尔的摩县信息学院） ； University of Maryland, Baltimore County（马里兰大学巴尔的摩县）
专题命中 软件智能体 ：agent(abstract)；AI agent(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出A-ProS，一种通过多模型反馈框架实现自主编程的AI代理，结合生成器和调试器，通过多轮反馈提升代码生成的准确性与效率，实验表明其在解决编程问题上具有显著优势。
Comments Accepted for Publication in ACM Transactions on Software Engineering and Methodology (TOSEM)
面向AI时代的可信模块仓库
机构 * Automation Department, Technical University of Cluj-Napoca, Romania（克卢日-纳波卡技术大学自动化系，罗马尼亚）
专题命中 软件智能体 ：AI agent(abstract)；workflow(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出HCMR框架，通过人类监督与自动化分析结合，确保模块的可信度，为AI辅助开发提供安全可预测的模块组装方法。
Comments v4: acknowledged AI use for grammar and readability, added IEEE copyright notice; v3: 13 pages, new subsection about strong typed languages forcing AI to create more reliable code; v2: 12 pages, improved references; v1: 11 pages, 3 figures, 2 tables, prepared for AQTR 2026
双人乐器：一种改进云服务基准测试灵敏度的代理方法
专题命中 软件智能体 ：agentic(title)
AI总结 本文提出了一种名为duet instrumentation的新基准测试方法，利用大型语言模型的代码理解能力，通过分析两个连续应用版本之间的代码变更，提高云服务基准测试的灵敏度。
EvilGenie: 一个奖励黑客基准
机构 * Cambridge Boston Alignment Initiative（剑桥波士顿对齐倡议） ； MIT FutureTech（麻省理工 FutureTech）
专题命中 软件智能体 ：agent(abstract,abstract_cn)；分类 cs.LG
AI总结 本文提出EvilGenie基准，用于评估编程环境中奖励黑客问题，通过测试用例硬编码和测试文件编辑等方法检测奖励黑客行为，并验证了LLM判断在无歧义情况下的有效性。
实验作为代码实验室：面向AI驱动科学发现的声明式栈
专题命中 软件智能体 ：agent(abstract)；AI agent(abstract)；分类 cs.AI
AI总结 本文提出实验作为代码实验室框架，通过声明式配置编译至设备API，实现AI代理与自动化实验室设备的高效协同，推动AI在科学发现中的应用突破。
Comments Experiment-as-Code (EaC) white paper
过度激进的编码代理：在良性任务中测量超出范围的动作
机构 * Griffith University（格里菲斯大学） ； Wake Forest University（威克森林大学） ； Nanyang Technological University（南洋理工大学） ； University of New South Wales（新南威尔士大学） ； Quantstamp
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.CL、cs.SE
AI总结 本文提出OverEager-Gen基准，用于评估编码代理在良性任务中超出范围的行为。研究发现，当基准中明确列出授权范围时，代理会停止推断边界并开始匹配声明文本，从而影响测量有效性。通过行为梯度验证器和双通道堆栈审计内部工具调用，验证了不同框架下的过度激进行为差异。
用强化学习建模客户轨迹以获得实际零售洞察
机构 * McGill University（麦吉尔大学） ； Mila - Quebec AI Institute（魁北克人工智能研究所）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.LG；autonomous agent(comments)
AI总结 本文提出了一种基于智能体的建模框架，将客户轨迹预测转化为最大熵强化学习问题，以更准确地反映具有有限理性的客户行为，从而提供更精确的冲动购买率和货架交通密度估计。
Comments Proceeding of the 25th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2026)
SaaSBench: 探索编码代理在长周期企业SaaS工程中的边界
机构 * University of Science and Technology of China（中国科学技术大学） ； AMAP, Alibaba Group（阿里云实验室）
专题命中 软件智能体 ：AI agent(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出SaaSBench，首个针对企业SaaS工程的基准，旨在探索AI代理在复杂系统中的边界，通过30个任务和5370个验证节点，涵盖8种编程语言、6种数据库和13种框架，揭示了当前最先进代理在多组件系统配置和集成中的主要瓶颈。
精确调试基准：你的模型是在调试还是重生成？
机构 * University of Southern California（南加州大学） ； Microsoft（微软） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of Toronto（多伦多大学）
专题命中 软件智能体 ：agentic(abstract)；分类 cs.CL、cs.SE
AI总结 本文提出PDB基准，评估LLM调试能力，发现前沿模型调试精度低，即使受指令引导也难以达到高精度。
LARGER: 词典锚定的仓库图探索与检索
机构 * Emory University（埃默里大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 LARGER通过词典锚定的结构化定位方法提升代码仓库文件定位精度，实现测试生成和代码库理解任务的性能提升。
校准后再行动：在大语言模型代理中考虑成本的探索
机构 * New York University（纽约大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出Calibrate-Then-Act框架，使LLM代理在不确定环境下显式平衡成本与不确定性，从而更优地决策。
基于大语言模型的代码对自然语言要求的静态验证：一项工业经验报告
专题命中 软件智能体 ：workflow(abstract)；分类 cs.SE
AI总结 本文提出一种基于大语言模型的两阶段工作流，用于在智能汽车网络安全案例中验证代码是否符合自然语言要求，通过引入结构化中间表示减少幻觉和输出变异，提升静态分析的准确性与解释性。
一个模型翻译它们所有：面向异构协作感知的通用任意到任意翻译
机构 * State Key Laboratory of Networking and Switching Technology（网络与交换技术国家重点实验室）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 本文提出UniTrans，一种通用任意到任意特征模态翻译模型，通过预训练一组翻译专家参数并学习其组合系数来实现零样本翻译，从而在OPV2V-H和DAIR-V2X数据集上实现了优于现有方法的性能。
Comments 19 pages, accepted at the 43rd International Conference on Machine Learning (ICML 2026)
让神经代码发声：通过人类语言自动表征猴子视觉神经元
专题命中 软件智能体 ：agentic(abstract)
AI总结 该研究通过人类语言表征猴子视觉皮层神经元的选择性，利用生成模型和神经数字孪生技术，实现了对神经功能的可解释、可测试的大规模描述，推动了智能科学发现。
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