AI Agent

P$^{3}$: Joint Program-and-Proof Planning for Verified Code Generation

P³：用于验证代码生成的程序与证明联合规划

Zenan Li, Ziran Yang, Peiyang Song, Zhaoyu Li, Kaiyu Yang

机构 * Apodex ； Princeton University（普林斯顿大学） ； Caltech（加州理工学院） ； University of Toronto（多伦多大学） 纠错

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

AI总结 P³是一种用于验证代码生成的程序与证明联合规划的LLM智能体工作流，在三个基准上的求解率优于基线，还降低了API成本与运行时间。

A Unified Issue Resolution Benchmark for Requirement Clarification, Planning, and Code Generation for Coding Agents

面向编码智能体的需求澄清、规划与代码生成的统一问题解决基准

Xin Zhou, Chun Yong Chong, Kisub Kim, Yun Peng, Rui Shu, Zihan Wu, Xu Han, Guowen Yuan, Zeyang Zhuang, Jounghoon Kim, Jeongjin Ju, Seongmin Ju, Taein Yoon, David Lo

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

AI总结 该研究推出SWE-RPG编码智能体基准，评估发现主流编码智能体在该基准上平均解决率仅31.5%，隐性需求恢复是主要瓶颈，为改进编码智能体提供了方向。

Comments 9 pages

VideoCoCo: Code-as-CoT for Physically-Consistent Video Generation via an Agentic Dual-Engine System

VideoCoCo：基于智能体双引擎系统的、以代码为思维链（CoT）的物理一致性视频生成方法

Haodong Li, Tianfei Ren, Xiaoxiao Ma, Chunmei Qing, Zhen Fang, Sipeng He, Ziyu Guo, Haoyu Wu, Juanxi Tian, Yihang Zou, Ruichuan An, Dongzhi Jiang, Boxue Yang, Ji Xie, Xu Huang, Wenhao Yan, Jialv Zou, Zhengrong Yue, Yaxin Luo, Xiaotong Li, Yuzhu Wang, Junyan Ye, Jinjing Zhao, Zehui Chen, Lin Chen, Renye Yan, Feng Zhao, Pheng-Ann Heng

机构 * CUHK（香港中文大学） ； USTC（中国科学技术大学） ； SCUT（华南理工大学） ； HKU（香港大学） ； NTU（南洋理工大学） ； PKU（北京大学） ； SJTU（上海交通大学） ； CMU（卡内基梅隆大学） ； THU（清华大学） ； HUST（华中科技大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 VideoCoCo作为智能体双引擎框架，以可执行Blender代码为过程级思维链，构建专属数据集提升视频编辑器适配性，在两个基准上显著优于基线，实现了高质量物理一致性视频生成。

Comments 15 pages, 3 figures, and 3 tables

SkillClaw: Let Skills Evolve Collectively with Agentic Evolver

SkillClaw: 让技能与代理进化者共同进化

Ziyu Ma, Shidong Yang, Yuxiang Ji, Xucong Wang, Yong Wang, Yiming Hu, Tongwen Huang, Xiangxiang Chu

机构 * DreamX Team（DreamX团队） 纠错

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

AI总结 SkillClaw通过聚合多用户交互数据，实现技能的集体进化，提升代理在现实场景中的性能。

Listwise Cross-Encoder Fine-Tuning vs. Agentic Instruction Tuning for LLM Rerankers: A Systematic Study in Medical Procedure Reranking

用于LLM重排序器的列表式交叉编码器微调与智能体指令微调：医疗流程重排序的系统性研究

Matan Fainzilber, Shlomit Plavner

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

AI总结 本文系统性对比列表式交叉编码器微调与智能体指令微调两种LLM重排序范式，在自建医疗流程重排序数据集上，发现1.09亿参数的ListNet微调交叉编码器性能优于40亿参数的Qwen3-Reranker-4B，参数量仅为后者1/37，相关成果已开源。

Comments 10 pages, 6 figures, 4 tables. Code available at https://github.com/matanf-healthee/listwise-crossencoder-reranking

Evidence-Calibrated Runtime Reconstruction for Agent Skills Across Heterogeneous Coding Agents

面向异构编码智能体的技能的证据校准运行时重构

Xueping Gao

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

AI总结 本文提出Skill Runtime Intelligence系统，针对异构编码智能体重构技能生命周期阶段，在多场景实验中验证其能准确定位失败边界，为适配器资格认定提供支撑。

Comments 17 pages, 1 figure, 6 tables. Submitted to PROFES 2026. Code and artifacts: https://github.com/hellogxp/skill-runtime-intelligence

FlashRT: Agent Harness for Guiding Agents to Deploy Real-Time Multimodal Applications

FlashRT：用于引导智能体部署实时多模态应用的智能体框架

Krish Agarwal, Zhuoming Chen, Yanyuan Qin, Zhenyu Gu, Atri Rudra, Beidi Chen

机构 * Carnegie Mellon University（卡内基梅隆大学） ； AMD（超威半导体公司） ； University at Buffalo（纽约州立大学水牛城分校） 纠错

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

AI总结 研究实时多模态应用部署难题，提出FlashRT智能体框架。通过新范式引导编码智能体多阶段转换，将参考实现转为高效部署，在不同GPU上显著提升性能，尤其在专家优化不成熟平台更具扩展性。

Stop Means Stop: Measuring and Repairing the Enforcement Gap in Agent-Framework Control Primitives

停止即停止：测量和修复智能体框架控制原语中的执行差距

Sajjad Khan

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

AI总结 研究生产型大语言模型智能体框架控制原语执行差距，用无模型差分探针发现漏洞及差距，提出SOUNDGATE修复，能强制执行多种属性，端到端阻止违规，释放合法效果。

Comments 32 pages, 3 figures, 11 tables. Code: pip install soundgate (PyPI)

AutoRefine: Compiling Trajectories into Validated Typed Agent Artifacts

AutoRefine: 从轨迹到可重用的专业知识为连续LLM代理优化

Libin Qiu, Zhirong Gao, Junfu Chen, Yuhang Ye, Liangyu Li, Weizhi Huang, Xiaobo Xue, Wenkai Qiu, Shuo Tang

机构 * alibaba（阿里巴巴集团） 纠错

专题命中 软件智能体 ：agent(title)；分类 cs.AI

AI总结 AutoRefine通过提取和维护双重形式的经验模式，提升连续LLM代理的知识积累与维护效率，实现98.4%的准确率提升。

Comments 7 pages, 2 figures, 3 tables

El Agente Gráfico: A Semantic Execution Runtime for Scientific Agents

图形代理：用于科学代理的结构化执行图

Jiaru Bai, Abdulrahman Aldossary, Thomas Swanick, Marcel Müller, Yeonghun Kang, Changhyeok Choi, Naruki Yoshikawa, Zijian Zhang, Jin Won Lee, Tsz Wai Ko, Aiwei Yin, Mohammad Ghazi Vakili, Chris Crebolder, Varinia Bernales, Alán Aspuru-Guzik

机构 * School of Computer Science, McGill University（计算机科学学院，麦吉尔大学） 纠错

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

AI总结 El Agente Gráfico通过结构化执行图和类型安全机制，实现科学代理的高效自动化，适用于复杂计算任务。

Can Coding Agents Solve Repository-Level Issues with Rendered Code? An Exploratory Study of Visual Representations

编码智能体能通过渲染代码解决仓库级问题吗？一项关于视觉表示的探索性研究

Weijie Liang, Yuanfeng Song, Xing Chen, Caleb Chen Cao, Sirui Han, Yike Guo

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

AI总结 本研究探索将渲染代码作为编码智能体的操作上下文，基于 SWE-bench Verified 实验发现其可降低提示 token 成本但受模型架构限制，仅在原始代码读取为瓶颈时有用，是可行但有条件的压缩机制。

Comments 8 pages of main content

SkillSentry: Reliable Skill Execution for LLM Agents via Runtime Assurance

SkillSentry：基于运行时保障的大语言模型智能体可靠技能执行方案

You Lu, Xinyu Huang, Bihuan Chen, Xin Peng

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

AI总结 SkillSentry是基于DSL的技能运行时保障框架，通过初始化、监控引导与迭代优化提升LLM智能体技能执行可靠性，在15项技能上平均提升任务成功率24.1%且降低变异性。

Independent Patch Verification for Coding Agents with a Bidirectional Reconstruct-and-Verify Framework

基于双向重构-验证框架的代码智能体独立补丁验证

Chenglin Li, Yisen Xu, Zehao Wang, Shin Hwei Tan, Tse-Hsun, Chen

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

AI总结 本研究针对代码智能体生成补丁后缺乏独立验证的问题，提出无需训练的RETRACE双向重构-验证框架，在SWE-bench Verified等基准上显著提升了代码补丁的正确性。

Comments 8 pages

FailForge: Distilling Procedural Competence from Persistent Failures into Code Agents

FailForge：从持续失败中提取过程能力到代码智能体

Dongyi Lv, Fushun E, Aichen Cai, Liang Huang, Ya Zhang, Qiuyu Ding, Canhui Wu, Zhi Wang, Yuesong Zhang, Jiaqi Wang, Nan Duan

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

AI总结 FailForge 框架将代码智能体的失败案例转化为训练信号，以边际成本恢复超26%失败实例，使 Qwen3.5-4B 在 SWE-bench Verified 上的解决率提升6.6个百分点，增益集中于最难问题。

HINT: Toward an Executable Hardware-Intent Representation Layer for LLM-Driven RTL Generation

HINT：面向大语言模型驱动的RTL生成的可执行硬件意图表示层

Tairan Cheng, Yi Liu, Dongsheng Zuo, Zhengyuan Shi, Hongji Zhang, Xiangfei Hu, Maoshuo He, Hao Yan, Qiang Xu

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

AI总结 本文提出HINT可执行硬件意图表示层，用于LLM驱动的RTL生成，在7个算子案例中全量生成合规可综合RTL，面积较人工实现及直接C2RTL结果显著降低，还验证了其在各类复杂设计中的有效性。

FronTalk: Benchmarking Front-End Development as Conversational Code Generation with Multi-Modal Feedback

FronTalk: 以多模态反馈进行对话式代码生成的前端开发基准测试

Xueqing Wu, Zihan Xue, Da Yin, Shuyan Zhou, Kai-Wei Chang, Nanyun Peng, Yeming Wen

机构 * Meta Superintelligence Labs（Meta超智能实验室） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Duke University（杜克大学） 纠错

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

AI总结 提出FronTalk基准，通过多轮对话和多模态反馈（文本与视觉指令）评估前端代码生成，发现模型存在遗忘和视觉反馈理解困难，提出AceCoder方法有效减少遗忘并提升性能。

Comments CoLM 2026

SWE-Bench ProMax: Benchmarking Agents on Large-Scale Multilingual Code Refactoring

SWE-Bench ProMax：面向大规模多语言代码重构的智能体基准测试

Yuling Shi, Jinghan Xu, Kelin Fu, Wenhao Zeng, Shilin He, Lei Zhang, Yue Liu, Zelin Zhao, Terry Yue Zhuo, Jialun Cao, Siyu Ye, Tianyu Liu, Kai Cai, Shing-Chi Cheung, Xiaodong Gu

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

AI总结 该研究推出SWE-Bench ProMax多语言代码重构基准，含170个跨7种语言的大规模重构任务，经严格筛选后前沿模型仅达41.2%解决率，为AI编码智能体提供挑战性测试。

Comments Published as a conference paper at COLM 2026

Beyond the Capability Boundary: Zeroth-Order Optimization for Self-Evolving LLM Agents

超越能力边界：用于自进化大语言模型智能体的零阶优化

Bingzhen Liu, Xiaomeng Fan, Yuwei Wu, Zhi Gao, Mingyang Gao, Chuanhao Li, Yunde Jia

机构 * Beijing Institute of Technology（北京理工大学） ； Shenzhen MSU-BIT University（深圳北理莫斯科大学） ； Alaya Lab（阿莱亚实验室） 纠错

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

AI总结 本文提出零阶自进化框架，通过扰动LLM的LoRA参数形成闭环自进化循环，结合并行扰动推理等机制，在多基准实验中显著提升了LLM智能体在困难样例上的表现。

Mendel Gödel Machine: Recursive Self-Improving Coding Agents via Comparative Evolution

孟德尔哥德尔机：基于比较进化的递归自改进编码智能体

Changzhi Liu, Yilun Liu, Sikuan Yan, Volker Tresp, Yunpu Ma

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

AI总结 该研究针对现有自改进编码智能体仅利用单轨迹的缺陷，提出孟德尔哥德尔机，新增反应规范突变与跨谱系杂交两种自修改策略，经理论证明与实验验证，其在编码任务上的性能、效率及泛化性均优于基线方法。

Comments Project Page at https://reallcz.github.io/MGM; Code at https://github.com/RealLcz/MGM

Goedel-Code-Prover: Hierarchical Proof Search for Open State-of-the-Art Code Verification

Goedel-Code-Prover：面向开放状态的最新代码验证的分层证明搜索

Zenan Li, Ziran Yang, Deyuan He, Haoyu Zhao, Andrew Zhao, Shange Tang, Kaiyu Yang, Aarti Gupta, Zhendong Su, Chi Jin

机构 * ETH Zürich（苏黎世联邦理工学院） ； Princeton Language and Intelligence（普林斯顿语言与智能实验室） ； Department of Computer Science, Princeton University（普林斯顿大学计算机科学系） ； MiroMind 纠错

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

AI总结 本文提出Goedel-Code-Prover框架，通过分层证明搜索提升Lean4中代码验证的自动化水平，实现62%的成功率，优于现有基线方法。

Comments Published as a COLM paper

SpecPath: Testing Coding Agents Across Contract-Equivalent Specification Histories

SpecPath：在合同等价的规范历史中测试编码智能体

Yangfan Wu, Haozhe Wang, Huanyu Yang, Jianmin Ji, Fangzhen Lin

专题命中 软件智能体 ：agent(abstract)；分类 cs.SE

AI总结 针对编码智能体的规范路径敏感性问题，提出SpecPath诊断评估方法，通过控制变量测试发现多数智能体在等价规范历史中存在行为不一致的问题，凸显需评估智能体对规范路径的鲁棒性。

Comments 11 pages, 3 figures, 3 tables

Activation Probes Surface Code-Security Signals that the Model's Output Misses

激活探针：挖掘模型输出遗漏的表面代码安全信号

Ivan Wiryadi

专题命中 软件智能体 ：agent(abstract)；分类 cs.LG

AI总结 本研究提出用线性探针分析开源审查器模型的激活值，发现其携带了仅通过模型提示无法获取的代码安全信号，可有效区分有漏洞与修复后的函数。

Comments 6 pages, 1 figure. Accepted at the TAIGR workshop, ICML 2026

SemPIC: Learning Semantic Position-Independent KV Caches

SemPIC：学习语义位置无关的键值缓存

Hui Xie, Peng Xiao, Yutong Deng, Shuoran Dou, Jian Yang, Jinyang Guo

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

AI总结 SemPIC通过训练启用LoRA的Writer编译文档KV，结合KV梯度检查点，提升了长上下文场景下的KV缓存性能，平均微F1值达0.60，接近全重计算效果。

ContextSniper: AntTrail's Token-Efficient Code Memory for Repository-Level Program Repair

ContextSniper: AntTrail的令牌高效代码记忆用于仓库级程序修复

Chiwang Luk, Matin Mohammad Najafi, Zhifeng Jia, Wei Yang, Xiuchang Li, Jinwei Zhu, Yang Ren, Lei Chen, Gao Cong

机构 * Huawei（华为） ； HKUST(GZ)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 软件智能体 ：agent(abstract)；分类 cs.AI

AI总结 提出ContextSniper，一种令牌高效的代码记忆层，通过精准证据选择、混合检索排序和意图感知上下文门控，在SWE-bench Lite上减少51.5%令牌使用和36.4%成本，修复率仅轻微下降。

Skills in Weights, Memory in Code: Hybrid Learning for Memory-Dependent Robot Manipulation

权重中的技能，代码中的记忆：面向依赖记忆的机器人操作的混合学习

Yunhao Zhao, Zhenyang Ni, Haoyang Chen, Ruohan Zhang, Qi Zhu

专题命中 软件智能体 ：agent(abstract)

AI总结 针对现实机器人操作的非马尔可夫性，提出混合学习框架 HyMeS，结合编码智能体与马尔可夫 VLA，在 RoboMemArena 上显著提升操作成功率，实现数据高效的组合泛化。

Comments 9 pages, 4 figures, and 3 tables

Simultaneous Group-Envelope Bounds for $Γ$-Robust Multiple-Choice Knapsack Problems

Γ-鲁棒多选背包问题的 simultaneous 组-包络界

Zi Yuan Eric Shao

专题命中 软件智能体 ：planning(abstract)

AI总结 本文针对Γ-鲁棒多选背包问题，提出 simultaneous 组-包络界方法，可同时界定阈值族，大幅加速松弛求解，在实验中实现2.37倍几何平均加速。

Comments 19 pages, 2 figures. Code and reproducibility materials: https://github.com/eric939/simultaneous-group-envelope-mckp

SymFT: Universal Fault-Tolerant Quantum Circuit Simulation via Symbolic Clifford--Pauli Frames and Stabilizer Coordinates

SymFT：基于符号Clifford–Pauli框架和稳定子坐标的通用容错量子电路模拟

Wang Fang, Huazhe Lou, Riling Li

专题命中 软件智能体 ：planning(abstract)

AI总结 SymFT是一款高吞吐量容错量子电路模拟器，通过符号Clifford–Pauli框架分解和自适应稳定子坐标规划优化采样，在多种量子电路上实现了比Stim、Clifft、SOFT更优的采样性能。

Comments 28 pages, 1 figure, 5 tables; v2: update benchmark results and related work. SymFT is the second-generation successor to SOFT, see GitHub repository: https://github.com/haoliri0/SOFT