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项目对智能编码工具的早期采用
机构 * Rochester Institute of Technology（罗切斯特技术学院）
专题命中 软件智能体 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI、cs.LG、cs.SE
AI总结 研究GitHub项目对智能编码工具的早期采用情况，通过分析大量智能PR，探究采用情况、项目生产力及协作模式，发现多数仓库采用少，小项目参与度高，生产力差异大，人机协作以单人监督为主，为相关管理提供实证依据。
Comments Accepted at the KDD 2026 Workshop on Agentic Software Engineering (SE 3.0)
使智能体部署安全民主化：一种结构监测方法
专题命中 软件智能体 ：agent(title,abstract)；AI agent(abstract)；分类 cs.AI
AI总结 研究人工智能智能体部署安全问题，引入信息流图（IFG）监测器，通过控制流、数据流图及原始代码差异分析结构安全回归。实验表明，IFG监测器能降低攻击错过率，还可同步作为部署前保障，为组织实现部署安全民主化提供实用途径。
Comments Accepted in ICML 2026 Workshops: AI4GOOD and AIWILD
证明或停止：不要信任代理，信任证据——用于可验证证据门控生命周期控制的循环工程
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 研究自主编码代理多步骤软件工作中生命周期状态缺乏证据支持的问题，提出证明或停止生命周期控制方法，经实验评估，该方法能有效控制生命周期转换，支持其作为与模型无关、主机中立的控制层。
Comments 48 pages, 10 figures, 29 numbered tables. Preprint v1
结构化反馈改进大语言模型智能体循环中的修复
机构 * Independent Researcher（独立研究者）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 研究大语言模型智能体验证与调用接口问题，提出VeriHarness代码控制智能体循环。通过比较原始诊断与含失败位置等信息的反馈，发现含三个字段反馈能大幅提升成功率，多数增益源于可接受替代方案，JSON语法本身对修复无显著作用。
从一开始就注定失败：通过召回控制的探测级联实现大语言模型智能体情节的早期终止
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； Duke University（杜克大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； College of Computer Science, Zhejiang University（浙江大学计算机学院）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI
AI总结 研究大语言模型智能体多步任务中早期失败预测问题，提出通过召回控制的探测级联方法，能早期预测失败并转化为实用终止级联，在TextCraft模型上达到高召回目标，节省大量推理计算资源，还刻画了样本复杂度。
CAMB v2：用于高精度巡天的宇宙学功率谱
专题命中 软件智能体 ：AI agent(summary_cn,abstract)
AI总结 该研究针对即将到来的CMB和大尺度结构巡天需求，对CAMB进行重大更新，通过新处理超球贝塞尔函数等方法，为透镜化CMB和物质功率谱提供快速高精度预测，满足收敛目标，还探讨了相关约定依赖性，新算法和代码由LLMs或AI agents在人类监督下开发。
Comments 25 pages, 4 figures. Code available at https://github.com/cmbant/camb
验证者即评判者：来自Ada/SPARK中AI编码代理的经过验证的安全软件
专题命中 软件智能体 ：agent(abstract)；AI agent(abstract)；分类 cs.AI、cs.SE
AI总结 研究人工智能编码代理生成安全软件代码的情况，核心方法是在验证器驱动循环下编写验证，主要贡献是通过GNATprove完成大量证明义务，降低监督成本，同时指出其不足及得出代理受反馈强度限制的教训。
MM-IssueLoc：用于评估多模态仓库级问题定位中视觉证据的可控基准
机构 * Tsinghua University（清华大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 研究针对仓库级问题定位多为文本任务，视觉证据作用不明的情况，引入MM-IssueLoc基准和评估协议，含多语言实例与标注等。评估LLM和检索系统，发现现有系统距可靠多模态定位有差距，该基准让视觉证据成评估变量，助于后续研究。
性能优化基准测试是否可靠地衡量编码智能体？
机构 * Singapore Management University（新加坡管理大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 本研究审计了三个仓库级性能优化基准（GSO、SWE-Perf、SWE-fficiency），发现参考补丁的可复现性差、评分规则导致排名不一致，且多数任务已被公开提交解决，揭示了聚合排名掩盖的性能差距。
Comments 12 pages, 7 figures. Public data: https://github.com/chenzhi-cz/performance-optimization-benchmark-reliability
设置完成，现在你已被攻破：利用设置指令攻击人工智能编码代理
专题命中 软件智能体 ：agent(abstract)；分类 cs.SE
AI总结 研究人工智能编码代理在安装包时因不验证依赖项而面临的供应链攻击，通过编辑项目设置文档即可发动攻击。对前沿模型在多场景下测试，发现安装安全性取决于工具与模型组合，还存在多种检测问题，提出预安装检查可弥补大部分安全差距。
技能问题：湖仓代理的数据中心优化
机构 * University of Maryland（马里兰大学） ； Università Milano Bicocca（米兰Bicocca大学） ； Bauplan Labs（Bauplan实验室）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 针对分支湖仓Bauplan上的编码代理，提出数据中心的优化流程，通过生成任务验证器对、在隔离沙箱中执行候选技能并利用追踪信号和程序化检查评分，将准确率提升31.9%。
Comments Pre-print of paper accepted at ADS @ VLDB 2026, Boston
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