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。
GitHub上的AI代理拉取请求：频率、结构和合并冲突率
专题命中 软件智能体 ：agent(title,abstract)；AI agent(title,abstract)；分类 cs.SE
AI总结 利用AIDev-pop数据集对AI代理编写的拉取请求并发情况进行大规模实证分析，发现特定时间重叠下部分仓库有协同活动的请求对，多数为同一代理，还研究了合并冲突率及冲突类型。
Comments 7 pages, 4 figures, 2 tables. Replication package: https://doi.org/10.5281/zenodo.21186464
SWE-Review：通过智能代码审查解决问题闭环
专题命中 软件智能体 ：agentic(title,abstract)；agent(abstract)；分类 cs.SE
AI总结 研究通过智能代码审查闭合PR生成环的问题，核心方法是SWE-Review框架，由审查代理进行审查并提供反馈。主要贡献是能持续改进PR，在多方面表现优于单轮审查，还能推动AI编码代理从一次性PR生成迈向闭环问题解决。
超越训练范围编码：Claude Code 与软件开发者的技术前沿
专题命中 软件智能体 ：agentic(title,abstract)；agent(abstract)
AI总结 利用双重稳健估计器分析 Claude Code 的逐步推出，发现 AI 编码助手显著增加了开发者的月度提交数、贡献仓库数、使用语言数及语言熵，且累积语言效应随时间增长，表明 AI 降低了技术切换障碍。
人工智能代理实际改变了什么？性能改进拉取请求中突变模式的实证分类法
机构 * Edinburgh Napier University（爱丁堡纳皮尔大学） ； University of Stirling（斯特林大学）
专题命中 软件智能体 ：AI agent(title)；agent(abstract)；分类 cs.AI、cs.SE
AI总结 研究聚焦人工智能编码代理这一黑箱，通过对33596个代理拉取请求中1254个性能相关差异块进行分类，发现主导的三类突变模式，揭示代理身份和目标策略对缩小基于搜索的软件工程操作空间有参考价值。
超越正确性：通过可扩展的智能体判断标注增强代码大模型的架构推理能力
机构 * Centre for Software Excellence, Huawei Canada（华为加拿大软件卓越中心） ； Department of Computer Science, University of Manitoba, Canada（曼尼托巴大学计算机科学系） ； School of Computing, Queen’s University, Canada（皇后大学计算科学学院）
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI、cs.SE
AI总结 针对代码大模型缺乏架构理解的问题，提出智能体判断流水线，利用强LLM作为专家架构评估的代理，通过两个判断器（ACJ和AQJ）实现可扩展标注，微调模型在SWE-bench上提升高达540%，并展现跨语言泛化能力。
利用元记忆智能体增强大语言模型的无数据代码生成
机构 * College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算机与数据科学学院，新加坡） ； School of Computer Science, National Engineering Research Center for Multimedia Software, Wuhan University, Wuhan, China（多媒体软件国家工程研究中心计算机学院，武汉大学，中国） ； The University of Sydney, Sydney, Australia（悉尼大学，澳大利亚） ； Yunnan United Vision Technology Company Ltd., China（云南联合视界技术有限公司，中国） ； School of Computer Science, Wuhan University, Wuhan, China（武汉大学计算机学院，中国） ； School of Information Science and Engineering, Yunnan University, Kunming, China（云南大学信息科学与工程学院，中国）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 提出元记忆智能体，通过引导模型回忆、评估和选择性利用相关知识，无需外部示例即可提升无数据场景下的单次代码生成质量。
一种评估智能体人工智能自主模型发现的实验设计方法
机构 * Department of Statistics, Virginia Tech（统计学系，弗吉尼亚理工学院） ； Department of Statistical Science, Baylor University（统计科学系，贝勒大学） ； Advanced Research Computing, Virginia Tech（高级研究计算，弗吉尼亚理工学院）
专题命中 软件智能体 ：agentic(title)；agent(abstract)；分类 cs.AI
AI总结 研究大型语言模型编码智能体自主模型发现行为，提出实验设计与分析框架，将智能体视为随机模型发现算子，在多种受控因素下研究Codex和Claude Code两个算子，进行回归模型和推理，开发规范分解，通过网络造词游戏测试平台得出相关深刻发现。
Comments 39 pages, 11 figures, 6 tables. Data and code available at the GitHub repository listed in the paper
KAT-Coder-V2.5技术报告
机构 * KwaiKAT Team（快手KwaiKAT团队）
专题命中 软件智能体 ：agent(abstract)；tool-use(abstract)；agentic(abstract)；分类 cs.AI、cs.SE
AI总结 介绍KAT-Coder-V2.5这一专注编码的智能模型，针对其受环境等因素限制的问题，通过端到端框架及多种技术手段解决，经多方法扩展强化学习并统一专家知识，在多个基准测试中取得优异成绩。
Comments 24 pages, 5 figures
SecureCode：用于训练安全意识代码生成模型的生产级多轮数据集
专题命中 软件智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 研究针对AI编码助手生成漏洞代码问题，提出SecureCode数据集，涵盖网络应用安全和AI/ML安全领域，有特定对话结构，经质量保证，发布统一数据集、开源模型及评估框架，是首个提供相关覆盖的公共数据集。
Comments 30 pages, 12 figures, 10 tables. Dataset available at https://huggingface.co/datasets/scthornton/securecode. Code and validation tools at https://github.com/scthornton/securecode
从对话到贡献：开源软件中编码代理的特征分析
专题命中 软件智能体 ：agent(title)；分类 cs.SE
AI总结 研究开源软件中开发者与人工智能编码代理聊天交互和后续开发协作的关系，通过收集大量会话及关联仓库历史等进行分析，发现小仓库AI使用多，采用后贡献者有变化，还揭示了开发者对AI代码的看法及相关担忧，为开源开发实践提供见解。
Comments 10 pages, 3 figures
人工智能编码代理执行安全研究的巴尔干化：隔离、访问控制和检查时间到使用时间漏洞
机构 * Department of Computer Science（计算机科学系） ； AI and Media Analysis Lab（人工智能与媒体分析实验室） ； Berlin, Germany（德国柏林）
专题命中 软件智能体 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 研究人工智能编码代理执行安全相关文献分散问题，将39篇论文系统化分类并验证，找出五个交叉差距，如隔离架构与能力模型缺乏共享基准评估等，最后针对差距提出研究议程。
Comments 18 pages, 15 figures, 6 tables. Systematizes 39 execution-security papers (2023-2026) into 17 verified categories. Machine-readable corpus and verification script released as a supplementary artifact
LLM-as-a-Verifier：一种通用验证框架
机构 * Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校） ； NVIDIA Research（英伟达研究院）
专题命中 软件智能体 ：agentic(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 该工作将验证确定方案正确性的能力作为大模型新扩展轴，提出无需额外训练的通用LLM验证框架，生成连续评分，在多基准上取得SOTA性能，还可用于强化学习等场景。
Comments Code: https://github.com/llm-as-a-verifier/llm-as-a-verifier Website: https://llm-as-a-verifier.com
野外数据分析：针对现实世界数据复杂性对大语言模型进行基准测试
机构 * Fujitsu Research of America（富士通美国研究院）
专题命中 软件智能体 ：agentic(abstract)；分类 cs.AI、cs.CL
AI总结 针对大语言模型在数据分析基准测试无法反映现实情况的问题，引入DataGovBench基准测试，含表格问答和表格洞察两个任务，通过实验发现现有模型有性能差距，为推进相关研究提供挑战基准。
Comments 29 pages, 9 figures
利用代码智能体进行自动软件验证
机构 * Singapore Management University, Barkhausen Institut（新加坡管理大学, 巴克豪森研究所）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 研究利用大语言模型代码智能体进行自动软件验证，将引理交给智能体自由选择方法并置于验证框架，该方法简单有效，能完全覆盖目标引理，在多维度评估中表现出色，可自动为软件开发编写证明。
挥之不去的权限：面向编码智能体的可撤销资源与效果能力
机构 * International University of La Rioja（拉里奥ja国际大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 针对编码智能体中临时权限残留问题，提出PORTICO监控器，通过可撤销能力生命周期管理，在保持任务成功率的同时消除越权副作用。
Comments 20 pages
大语言模型能否生成可观测性感知代码？
专题命中 软件智能体 ：agent(abstract)；分类 cs.SE
AI总结 研究大语言模型生成的代码在可观测性方面的表现，通过恢复工件和注入故障评估代理生成系统的源级诊断语义与运行时故障信号，发现两者存在差距，引入的技能改进有限，指出当前评估或忽视可观测性这一软件质量维度。
SEVRA-BENCH：审查智能体中的社会工程漏洞
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Microsoft Core AI（微软核心人工智能） ； Amazon AWS（亚马逊AWS） ； Databricks
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 提出SEVRA-BENCH基准，通过社会工程攻击框架评估LLM代码审查智能体拒绝恶意PR的能力，发现闭源与开源模型间存在显著安全差距。
观测质量至关重要：通过面向失败的分析实现鲁棒多鱼眼相机校准
机构 * The Hong Kong University of Science and Technology（香港科技大学）
专题命中 软件智能体 ：workflow(abstract)
AI总结 研究多鱼眼相机校准难题，通过面向失败分析发现内参初始化是主因，提出CO - Calib框架，结合鲁棒目标检测器和误差分析引导帧选择器，实验表明该框架提升校准成功率、外参精度及校准稳定性。
Comments 9 pages, 7 figures, 6 tables. Code: https://github.com/HKUST-Aerial-Robotics/CO-Calib
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