AI Agent

Locus: Agentic Predicate Synthesis for Directed Fuzzing

Locus：面向定向模糊测试的代理谓词合成

Jie Zhu, Chihao Shen, Ziyang Li, Jiahao Yu, Yizheng Chen, Kexin Pei

机构 * University of Chicago（芝加哥大学） ； University of Maryland（马里兰大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Northwestern University（西北大学） 纠错

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

AI总结 Locus通过合成语义谓词提升定向模糊测试效率，发现多个未修补漏洞。

Journal ref ICSE '26: 2026 IEEE/ACM 48th International Conference on Software Engineering

PerfAgent: Profiler-Guided Iterative Refinement for Repository-Level Code Optimization

PerfAgent：用于仓库级代码优化的分析器引导迭代优化

Ryan Deng, Yuanzhe Liu, Bastian Lipka, Yao Ma, Xuhao Chen, Tim Kaler, Jatin Ganhotra

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Rensselaer Polytechnic Institute（罗切斯特理工学院） ； IBM（IBM公司） ； Michigan State University（密歇根州立大学） 纠错

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

AI总结 研究针对仓库级代码优化难题，提出PerfAgent分析器引导迭代优化方法，该方法能让编码代理找到热点并改进，在两个优化基准测试中大幅提升专家匹配补丁率，且以低成本超越基线。

CEO-Bench: Can Agents Play the Long Game?

CEO-Bench：智能体能否玩转长期博弈？

Haozhe Chen, Karthik Narasimhan, Zhuang Liu

机构 * Princeton University（普林斯顿大学） 纠错

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

AI总结 提出CEO-Bench，通过模拟500天运营初创公司的任务，评估语言模型智能体在长期、不确定、动态环境下的综合决策能力。

Context Matters: Improving the Practical Reliability of LLM-Based Unit Test Generation

上下文很重要：提高基于大语言模型的单元测试生成的实际可靠性

Junjie Chen, Ziqi Wang, Lin Yang, Chen Yang, Xiao Chu, Jianyi Zhou, Guangtai Liang, Qianxiang Wang, Dong Wang

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

AI总结 研究基于大语言模型的单元测试生成在实际应用中的问题，提出上下文感知工作流程CATGen，通过明确依赖、稳定框架、静态分析等改进设计，经评估在实际项目和基准测试中提升编译成功率与覆盖率，减少生成时间和消耗。

Comments 23 pages, 5 figures, 7 tables

Symbolon: Symbolic Execution by Learning Code Transformation

Symbolon: 通过学习代码变换进行符号执行

Jie Zhu, Penghui Li, Zhongxuan Li, Chihao Shen, Ziyang Li, Yizheng Chen, Kexin Pei

专题命中 软件智能体 ：agent(abstract)；分类 cs.SE

AI总结 提出Symbolon框架，自动学习多样化的代码变换并上下文敏感地应用，以缓解符号执行的路径爆炸和复杂约束问题，在32个真实程序上平均行覆盖率提升3.69倍，内存和求解时间分别降低29.2倍和123倍，并在Linux内核中发现21个新漏洞。

A Probabilistic Framework for Population Studies of the Solar Neighborhood: Application to SDSS-V and Gaia

太阳邻域种群研究的概率框架：应用于SDSS-V和盖亚

Ilija Medan, Keivan G. Stassun, Zachary Way, Guy S. Stringfellow, Alexandre Roman-Lopes, Jiadong Li, Madeline Lucey, Andrew R. Casey, Bárbara Rojas-Ayala, Ricardo López-Valdivia, José G. Fernández-Trincado

专题命中 软件智能体 ：planning(abstract)

AI总结 该研究针对SDSS-V太阳邻域普查样本选择效应问题，提出概率框架及正向建模方法，通过模拟数据集验证，利用盖亚数据发布19的数据展示其科学效用，公开代码为未来研究提供重要工具。

Comments 23 pages, 8 figures