AI Agent

Coding with "Enemy": Can Human Developers Detect AI Agent Sabotage?

与“敌人”编码：人类开发者能否检测到AI代理的破坏行为？

Jingheng Ye, Huiqi Zou, Simon Yu, Weiyan Shi

机构 * Northeastern University（东北大学） 纠错

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

AI总结 通过大规模用户实验，研究人类开发者在长时间编码任务中检测AI代理恶意代码插入的能力，发现94%的开发者未能识别破坏，并分析其原因，提出安全监控设计建议。

Comments 34 pages, 30 figures, 3 tables

Human oversight of agentic systems in practice: Examining the oversight work, challenges, and heuristics of developers using software agents

实践中对智能体系统的人类监督：考察使用软件代理的开发者的监督工作、挑战与启发式方法

Shipi Dhanorkar, Samir Passi, Mihaela Vorvoreanu

机构 * Microsoft Redmond USA（微软红mond美国） 纠错

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

AI总结 通过访谈17位经验丰富的开发者，探索人类对自主软件代理的监督实践，发现四种监督工作形式（先验控制、协同规划、实时监控、事后审查），并总结监督挑战与应对策略。

AgentDisCo: Towards Disentanglement and Collaboration in Open-ended Deep Research Agents

AgentDisCo: 向开放深度研究代理中的解耦与协作迈进

Jiarui Jin, Zexuan Yan, Shijian Wang, Wenxiang Jiao, Yuan Lu

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 本文提出AgentDisCo，一种解耦且协作的代理架构，将深度研究视为信息探索与利用之间的对抗优化问题。通过批评代理评估生成的草稿并优化搜索查询，生成代理检索更新结果并修订草稿，最终生成综合报告。该框架通过元优化 harness 支持手工和自动发现的设计策略，并利用强大的代码生成代理自完善。

Ask or Assume? Uncertainty-Aware Clarification-Seeking in Coding Agents

提问还是假设？编码代理中的不确定性意识澄清寻求

Nicholas Edwards, Sebastian Schuster

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（维也纳大学计算机科学博士学院） 纠错

专题命中 软件智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.CL

AI总结 本研究评估了LLM代理在未指定任务中的澄清能力，提出了一种不确定性意识的多代理框架，提高了任务解决率，并展示了多代理系统在复杂任务中主动寻求信息的行为。

Comments 18 pages, 7 figures; added experiments evaluating open-weight models (Kimi K2.6), expanded related work, and included dataset validation details

Asuka-Bench: Benchmarking Code Agents on Underspecified User Intent and Multi-Round Refinement

Asuka-Bench: 针对未明确用户意图与多轮优化的代码智能体基准测试

Xin Wang, Liangtai Sun, Yaoming Zhu, Shuang Zhou, Jiaxing Liu, Fengjiao Chen, Lin Qiu, Xuezhi Cao, Xunliang Cai, Licheng Zhang, Zhendong Mao

机构 * University of Science and Technology of China（中国科学技术大学） ； Independent researchers（独立研究人员） 纠错

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

AI总结 提出Asuka-Bench基准，通过未明确用户意图与多轮优化闭环评估代码智能体，包含50个网页任务和784个评估标准，揭示模型间显著性能差异。

Comments under review

Microskill Architecture: A Modular Skill-Driven Framework for AI-Native Code Generation

微技能架构：一种面向AI原生代码生成的模块化技能驱动框架

Mohammad Zare, Omid Abdolrahmani

机构 * Artificial Intelligence Laboratory at AriooBarzan（AriooBarzan人工智能实验室） ； Engineering Team, Shiraz, Iran（伊朗谢尔兹工程团队） 纠错

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

AI总结 本文提出微技能架构，通过将知识封装为原子技能胶囊并动态选择相关胶囊，解决AI代码生成中的上下文窗口管理问题，显著降低token消耗、提高编译成功率并消除架构违规。

TensorBench: Benchmarking Coding Agents on a Compiler-Based Tensor Framework

TensorBench: 在基于编译器的张量框架上对编码智能体进行基准测试

Bobby Yan, Fredrik Kjolstad

机构 * Department of Computer Science, Stanford University（计算机科学系，斯坦福大学） 纠错

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

AI总结 本文提出 TensorBench，一个包含199个特征添加和重构任务的基准测试，用于评估编码智能体在基于编译器的张量框架上的表现，并通过测试套件自动评分。

Using Large Language Models to Support High Volume Application Review for an Undergraduate Research Program

使用大型语言模型支持本科研究项目的高容量申请评审

Varun Aggarwal, Kay Kobak, John Howarter

机构 * Engineering Undergraduate Research Office, Purdue University（普渡大学本科生研究办公室） ； Elmore School of Electrical and Computer Engineering, Purdue University（普渡大学电子与计算机工程学院） ； School of Materials Engineering, Purdue University（材料工程学院） 纠错

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

AI总结 本研究开发并部署基于GPT模型（GPT-4o、GPT-5-mini、GPT-5.2）的工具，对普渡大学SURF项目约1200份目的陈述进行自动化评分与理由注释，将评审时间从数周缩短至约4小时。

Evidence Over Plans: Online Trajectory Verification for Skill Distillation

证据与计划：用于技能蒸馏的在线轨迹验证

Yang Zhou, Zihan Dong, Zhenting Wang, Can Jin, Shiyu Zhao, Bangwei Guo, Difei Gu, Linjun Zhang, Mu Zhou, Dimitris N. Metaxas

机构 * Rutgers University（罗杰斯大学） 纠错

专题命中 软件智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文提出了一种基于轨迹的后验蒸馏指数（PDI）来评估技能与任务环境证据的契合度，通过SPARK框架实现环境验证轨迹的生成，从而提升技能的效率和可迁移性。

Latent Reasoning Guidance for Parallel Code Translation

并行代码翻译的潜在推理引导

Tomer Bitan, Erel Kaplan, Roee Bar-Yadin, Lian Ghrayeb, Le Chen, Samyak Jhaveri, Niranjan Hasabnis, Gal Oren

专题命中 软件智能体 ：autonomous agent(abstract)

AI总结 提出一种在测试时使用过程奖励模型（PRM）对连续潜在前缀进行评分，以在最终代码解码前选择替代隐藏状态轨迹的方法，从而提升并行代码翻译的成功率。

Multi-Qubit Dyadic Phase Fixing for Fault-Tolerant Quantum Compilation

用于容错量子编译的多量子比特二元相位固定

Justin Kalloor, Mathias Weiden, Ed Younis, John Kubiatowicz, Costin Iancu

专题命中 软件智能体 ：workflow(abstract)

AI总结 提出一种名为二元相位固定（DPF）的多量子比特合成工具，通过数值酉合成贪婪提取二元角度旋转，结合决策矩阵自动调整相位梯度寄存器大小，在多种基准测试中实现T计数减少高达70%，并降低表面码架构中的时空体积。

A Virtual Processor brings back the Free Lunch

虚拟处理器重现免费午餐

Haymo Kutschbach

专题命中 软件智能体 ：agent(abstract)

AI总结 提出一种自优化的虚拟处理器，通过去中心化的协作执行段网络，在运行时自动并行化数值数组程序，无需开发者手动设计并行策略。

Comments 10 pages + appendix (3 pages), 7 figures, 4 benchmarks at https://github.com/hokb/decentralized-array-execution-artifacts2026 (GitHub) or https://doi.org/10.5281/zenodo.20407801 (DOI Zenodo)