AI Agent

From Determinism to Delegation: AI-Native Software Engineering and the Evolution of the Agentic Engineer

从确定性到委托：AI原生软件工程与智能体工程师的演进

Mamdouh Alenezi

专题命中 软件智能体 ：agentic(title,abstract)；agent(abstract)；autonomous agent(abstract)；tool use(abstract)

AI总结 本文提出AI原生软件工程是范式转变，定义新职业角色“智能体工程师”，其核心工件从程序转向智能体系统，并分析工作单元、正确性和问责制的三大转变。

KISS Sorcar: A Stupidly-Simple General-Purpose and Software Engineering AI Assistant

KISS Sorcar：一个简单通用且软件工程友好的AI助手

Koushik Sen

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

AI总结 KISS Sorcar基于KISS Agent Framework构建，通过五层代理架构解决传统AI助手的缺陷，实现高质量代码生成与多任务处理，测试显示其在Terminal Bench 2.0上的通过率较高。

Proof-of-Guardrail in AI Agents and What (Not) to Trust from It

AI代理中的证明-护栏以及从其中（不）应信任什么

Xisen Jin, Michael Duan, Qin Lin, Aaron Chan, Zhenglun Chen, Junyi Du, Xiang Ren

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

AI总结 本文提出proof-of-guardrail系统，通过可信执行环境生成加密证明，确保代理在特定开源护栏后生成响应，同时保护开发者隐私，但指出恶意开发者可能欺骗安全措施的风险。

Comments AI4GOOD Workshop at ICML'26. Code: https://github.com/SaharaLabsAI/Verifiable-ClawGuard

PBFuzz: Agentic Directed Fuzzing for PoV Generation

PBFuzz：面向漏洞证明的代理引导模糊测试

Haochen Zeng, Andrew Bao, Jiajun Cheng, Chengyu Song

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

AI总结 PBFuzz通过模拟人类专家流程，自动提取语义约束并高效生成漏洞证明输入，实验表明其在效率和漏洞触发性能上优于现有方法。

Comments 24 pages, 8 figures

Detecting Clinical Hallucinations in LVLMs via Counterfactual Visual Grounding Uncertainty

通过反事实视觉基础不确定性检测LVLM中的临床幻觉

Xiao Song, Haonan Qin, Zhaoxu Zhang, Jiong Zhang, Yuqi Fang, Caifeng Shan

机构 * School of Intelligent Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； National Institute of Healthcare Data Science at Nanjing University（南京大学医疗数据科学国家研究院） ； School of Biomedical Engineering, Nanjing University（南京大学生物医学工程学院） 纠错

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

AI总结 提出一种基于反事实视觉基础不确定性的框架，通过提取实体并对比正反事实定位结果计算不确定性分数，无需修改模型即可检测LVLM在临床图像中的幻觉。

Comments 10 pages, 4 figures

Reinforcement Learning for Software Vulnerability Analysis: A Systematic Review with Emphasis on C/C++ Source Code and Static Analysis

强化学习用于软件漏洞分析：以C/C++源代码和静态分析为重点的系统综述

Bruno Caro-Vásquez, Carola Figueroa-Flores, Gastón Marquez

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

AI总结 系统综述强化学习在C/C++软件漏洞分析中的应用，发现15项研究聚焦于模糊测试和引导探索，仅3项直接检测漏洞，1项实现语句级定位，且静态结构表示（如CFG）和基准测试存在不足。

Comments 15 pages, 1 figure, 7 tables. Submitted to CIARP 2026

Journal ref CIARP 2026

SWE-Together: Evaluating Coding Agents in Interactive User Sessions

SWE-Together：在交互式用户会话中评估编码代理

Yifan Wu, Zhuokai Zhao, Songlin Li, Ho Hin Lee, Jiacheng Zhu, Shirley Wu, Tianhe Yu, Serena Li, Lizhu Zhang, Xiangjun Fan, Shengzhi Li

机构 * Meta 纠错

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

AI总结 提出SWE-Together基准，从真实用户-代理编码会话中重建多轮交互任务，并利用基于LLM的用户模拟器评估编码代理的协作能力，发现强代理成功率更高且干预更少。

Dockerless: Environment-Free Program Verifier for Coding Agents

Dockerless: 面向编码智能体的无环境程序验证器

Wenhao Zeng, Yuling Shi, Xiaodong Gu, Chao Hu, Chaofan Wang, Yuhao Cui, Hongting Zhou, Mengnan Qi, Jianqiao Wangni, Zhaojian Yu, Shuzheng Gao, Kai Cai, Shilin He

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

AI总结 提出Dockerless，一种无需执行代码即可验证补丁正确性的智能体验证器，通过智能体仓库探索收集证据判断补丁正确性，在验证基准上超越最强开源验证器14.3 AUC点，并实现完全无环境的训练后流程。

Building to the Test: Coding Agents Deliver What You Check, Not What You Requested

为测试而构建：编码代理交付的是你检查的内容，而非你请求的内容

Yanuo Ma, Ben Kereopa-Yorke, Ben Schultz

机构 * Microsoft（微软） 纠错

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

AI总结 研究发现，在代码生成任务中，编码代理在测试存在时得分接近完美，但实际交付的库却残缺不全，揭示了“为测试而构建”的倾向，并提出了“验证自我意识”这一概念。

Comments 27 pages (9 main + 14 appendix), 2 figures, 5 tables

SWE-fficiency: Can Language Models Optimize Real-World Repositories on Real Workloads?

SWE-fficiency：语言模型能否在真实工作负载上优化现实世界仓库？

Jeffrey Jian Ma, Milad Hashemi, Amir Yazdanbakhsh, Kevin Swersky, Ofir Press, Enhui Li, Vijay Janapa Reddi, Parthasarathy Ranganathan

机构 * Harvard University（哈佛大学） ； Google DeepMind（谷歌DeepMind） ； Princeton University（普林斯顿大学） ； Google（谷歌） 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SWE-fficiency基准，评估语言模型在真实工作负载上优化软件仓库性能的能力，发现现有模型在定位优化机会和保持正确性方面表现不佳。

Comments Appearing at ICML 2026. Data, code, and leaderboard are available at https://swefficiency.com/

Red-Teaming Coding Agents from a Tool-Invocation Perspective: An Empirical Security Assessment

从工具调用角度审视代码代理的红队测试：一项经验性安全评估

Yuchong Xie, Mingyu Luo, Zesen Liu, Zhixiang Zhang, Kaikai Zhang, Yu Liu, Zongjie Li, Ping Chen, Shuai Wang, Dongdong She

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Fudan University（复旦大学） 纠错

专题命中 软件智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文从工具调用角度对六个流行的代码代理进行红队测试，发现ToolLeak漏洞并实现远程代码执行，揭示了代码代理的安全风险及防御建议。

Decoder Dependence in Surface-Code Threshold Estimation under Digitized Hybrid Continuous-Variable and Discrete Noise

表面码阈值估计中的解码器依赖性：在数字化混合连续变量和离散噪声下的情况

Dennis Delali Kwesi Wayo, Chinonso Onah, Leonardo Goliatt, Sven Groppe

专题命中 软件智能体 ：workflow(abstract)

AI总结 该研究探讨了在数字化混合连续变量和离散噪声下，表面码阈值估计对解码器和估计器的选择依赖性，通过比较不同解码器在LiDMaS+工作流中的性能，揭示了解码器选择对阈值估计结果的影响。