AI Agent

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

Curriculum as Code: An AI-Assisted Architecture for Instructional Design in STEM Education

课程即代码：STEM教育中教学设计的AI辅助架构

Henrique Mohallem Paiva

机构 * Universidade Federal de Sao Paulo (Unifesp)（圣保罗联邦大学） ； Institute of Technology and Leadership (Inteli)（技术与领导力学院） 纠错

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

AI总结 该研究提出基于课程即代码的六阶段AI辅助教学设计架构，结合生成式AI与LaTeX、Python，经验证可降低教师STEM教学材料创作工作量，提升材料质量与可扩展性。

Comments This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible

Autonomous discovery of accelerator commissioning algorithms

加速器调试算法的自主发现

Thorsten Hellert

专题命中 软件智能体 ：agent(abstract)；分类 cs.AI

AI总结 该研究提出语言模型智能体闭环循环，自主发现加速器调试算法，在ALS-U储存环射频束流捕获任务中取得良好效果，生成多目标非支配算法，推动调试研究模式转变。

Comments 9 pages, 4 figures. Submitted to Physical Review Accelerators and Beams (ZVR1001)

Robust Context-Aware Detection of Malicious Instructions in Text

文本中恶意指令的鲁棒上下文感知检测

Buzhao Liu, Xinhang Ma, Yevgeniy Vorobeychik

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

AI总结 该研究针对LLM易受间接提示注入攻击的问题，提出上下文感知的恶意句子分类方法及两种对抗训练技术，在静态和自适应攻击下均提升了IPI防御性能，且需根据领域调整参数。

PPDL: LLM-Based Flows as Probabilistic Programs

PPDL：基于大语言模型的流作为概率程序

Louis Mandel, Guillaume Baudart, Mandana Vaziri, Martin Hirzel

专题命中 软件智能体 ：agent(abstract)；分类 cs.LG

AI总结 本文提出用于编程基于LLM的流的概率语言PPDL，可量化传播流中不确定性，无需额外代码即可尝试推理缩放技术，还通过实验及面向Rocq的定理证明智能体案例验证了其能力。

Comments Published at ICML 2026

Towards a Risk Assessment of Malicious Skill Files in Coding Agents

面向编码智能体中恶意技能文件的风险评估

Rui Yang, Michael Fu, Kla Tantithamthavorn, Chetan Arora, Joey Chua

专题命中 软件智能体 ：agent(abstract)；分类 cs.SE

AI总结 该研究针对编码智能体技能接口的恶意文件风险，提出对抗性技能合成方法与评估流水线，发现企业级智能体易被恶意技能利用，仅少数运行有明确安全识别，呼吁企业提前评估风险。

Comments 29 pages, 6 figures, 6 tables. Preprint; under review

Characterizing Visual Accessibility Issues in AI Developer Tools: An Empirical Study

AI开发者工具中的视觉可访问性问题表征：一项实证研究

Sabrina Haque, Christoph Csallner

专题命中 软件智能体 ：agent(abstract)；分类 cs.SE

AI总结 本研究通过分析五个AI开发者工具生态系统的问题报告，表征了其中的视觉可访问性障碍类型及差异，揭示了交互设计与生态系统实践对工具可访问性记录的影响。

Hidden Ciphers and Where to Find Them: Static Discovery and Assessment of Cryptographic Assets in Software

隐藏的密码及其发现途径：软件中密码资产的静态发现与评估

Christian Näther, Eduard Hirsch

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

AI总结 本文提出分类驱动的静态方法，可在不到6分钟处理57610个文件，发现370个密码资产（含6个CVE漏洞、52个后量子迁移候选），F1达0.75，助力密码资产发现与后量子迁移规划

Comments 22 pages, 8 figures, 5 tables, accepted at ICICS 2026

EffiHolmes: Differential Profiling-Guided Repository Level Time Inefficiency Fix Localization

EffiHolmes：基于差分分析的仓库级时间低效修复定位

Haowen Yang, Yun Peng, Zishuo Ding

专题命中 软件智能体 ：agent(abstract)；分类 cs.SE

AI总结 EffiHolmes是基于LLM的仓库级时间低效修复定位框架，通过差分分析等技术提升定位精度，在RepoEffi-Bench上优于多种基线方法，且跨模型规模稳健。

Comments Accepted at the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026). 13 pages, 3 figures, and 4 tables

MDArena: Evaluating Coding Agents on Realistic Molecular Dynamics Workflows

MDArena：面向真实分子动力学工作流的编码智能体评估基准

Nithishwer Mouroug Anand, Wei-Tse Hsu, Kyle Vaccaro, Eden James Gage, Jonathan David Colburn, Linda Xi Phan, Minjoon Seo, Kevin Guan, Philip C. Biggin

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

AI总结 MDArena基准评估了6种编码智能体在真实分子动力学任务上的表现，发现其在精细科学工作流细节上存在不足，为追踪其可靠性进展提供了平台。

Comments 17 pages including appendices, 4 figures

AgenTag: Attribution of AI Coding Agents from Behavioral Fingerprints

AgenTag：基于行为指纹的AI编码智能体归因

Taher A. Ghaleb

专题命中 软件智能体 ：agent(abstract)；分类 cs.SE

AI总结 本文提出多模态框架AgenTag，基于PR的文本、行为等模态，结合监督对比学习实现开放世界AI编码智能体归因，在AIDev数据集上取得良好效果，且发现归因主要依赖PR描述和提交消息等行为指纹。

Turning Interaction History into Execution State: A Runtime Layer for Long-Horizon Coding Agents

将交互历史转化为执行状态：面向长程编码智能体的运行时层

Zehao Wang, Yisen Xu, Chenglin Li, Chao Peng, Bram Adams, Ahmed E. Hassan, Tse-Hsun, Chen

专题命中 软件智能体 ：agent(abstract)；分类 cs.SE

AI总结 该研究针对长程编码智能体易受过时状态干扰的问题，提出Ledger运行时层，通过显式执行状态提升编码任务性能并降低成本，效果在多个模型和基准上得到验证。

Shared Organizational Memory for Enterprise Coding Agents: System Design and Deployment Snapshot

企业编码智能体的共享组织记忆：系统设计与部署快照

Harsh Rao Dhanyamraju, Leonidas Raghav

机构 * SAP SE（思爱普公司） 纠错

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

AI总结 本文设计部署共享组织记忆系统，将经验捕获融入企业编码工作流，收集并整理任务相关经验，管控风险并供智能体检索，目前其效果仍在评估。

CodeShrink: Adaptive Visual Compression for Efficient Multimodal Code Understanding

CodeShrink：面向高效多模态代码理解的自适应视觉压缩

Wenxin Tang, Jingyu Xiao, Zhenyu Liu, Zipeng Xie, Junliang Liu, Wang Luo, Yuan Jiang, Yintong Huo, Michael Lyu

专题命中 软件智能体 ：agent(abstract)；分类 cs.SE

AI总结 CodeShrink是含无空白渲染、自适应压缩配置、主导令牌选择的自适应视觉压缩框架，可减少代码理解的视觉令牌用量，在三类代码任务上优于基线。

Preventing Premature Commitment in Coding Agents with an Evidence-Conditioned Execution Layer

通过证据条件执行层防止编码智能体的过早提交

Yisen Xu, Chenglin Li, Zehao Wang, Jinqiu Yang, Tse-Hsun Chen

专题命中 软件智能体 ：agent(abstract)；分类 cs.SE

AI总结 ECLoop是介于编码智能体与仓库间的证据条件执行层，可防止过早提交，在SWE-bench Verified上提升Pass@1指标4.8-11.8个百分点，同时降低平均token消耗。

Comments 9 pages

Repository-Aware Metamorphic Relation Generation for Augmented Reality Applications using Large Language Models

基于大型语言模型的增强现实应用的仓库感知变形关系生成

Dibyendu Brinto Bose, Jiawei Qin, Chris Brown

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

AI总结 本文提出一种结合仓库级上下文与推理编排的流水线，利用大型语言模型生成优化的变形关系，在142个移动AR仓库数据集上验证了该方法可构建可靠的领域相关测试预言，能有效检测代码变异。

Distilling Answer Set Programming Theories from Large Language Models

从大型语言模型中提炼答案集编程理论

Nelson Higuera Ruiz, Markus Hofmarcher, Claudiu Leoveanu-Condrei

机构 * ExtensityAI 纠错

专题命中 软件智能体 ：agent(abstract)；分类 cs.AI

AI总结 该研究针对从头编写ASP理论困难的问题，采用神经符号方法测试9种模型从LLM提炼ASP理论的能力，在VQA基准上验证了前沿模型的性能，并发布了相关资源。

Comments Accepted at NeSy 2026

VeriSkill: A Self-Evolution Framework for Program Verification Skills

VeriSkill：一种用于程序验证技能的自进化框架

Changguo Jia, Tianqi Zhao, Zhiyou Xiao, Weiming Zhang, Minghui Zhou

专题命中 软件智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文提出专为程序验证设计的自进化框架VeriSkill，可将验证失败归因于技能缺陷并迭代优化技能，实验显示其在多种场景下均优于基线方法。

ExplainBench: Evaluating Code Explanations from Agents

ExplainBench：评估智能体生成的代码解释

Zhiyuan Pan, Sungmin Kang, Imam Nur Bani Yusuf, Abhik Roychoudhury

专题命中 软件智能体 ：agent(abstract)；分类 cs.SE

AI总结 该研究针对智能体代码解释缺乏评估基准的问题，提出ExplainBench基准，实验发现其对智能体的排名与SWE-bench Verified不同，还实现了解释审核智能体，可提升智能体解释的可信度。

Comments ASE 2026

(Im)Paired Programming: Coding Agents Improve Productivity but Harm Understanding

（非）配对编程：编码智能体提升生产力但损害理解能力

Nishant Balepur, Connor Baumler, Valerie Chen, Eunsol Choi, Rachel Rudinger, Jordan Lee Boyd-Graber

专题命中 软件智能体 ：agent(abstract)；分类 cs.CL

AI总结 该研究通过54名学生的对照实验，发现编码智能体虽提升生产力但损害用户代码理解，低投入交互加剧该问题，用户仍偏好智能体，同时为开发者提出了优化方向。

Comments In-progress Preprint

SkillGate: Cost Efficient Runtime Malicious Skill File Detection in Coding Agents

SkillGate：编码代理中经济高效的运行时恶意技能文件检测

Rui Yang, Michael Fu, Kla Tantithamthavorn, Chetan Arora, Joey Chua

专题命中 软件智能体 ：agent(abstract)；分类 cs.SE

AI总结 研究针对编码代理中恶意技能文件检测问题，提出SkillGate安全网关，采用混合正则表达式预过滤器+大语言模型判断管道，在SkillsBench基准测试中，检测效果好、成本低、运行时开销小，相比现有工具性能显著提升。

Comments 10 pages, 5 figures

SetGo: Metadata Readiness for Scientific AI Datasets

SetGo：科学人工智能数据集的元数据就绪性

Sean R. Wilkinson, Polina Shpilker, Wesley Brewer

专题命中 软件智能体 ：agent(abstract)；分类 cs.AI

AI总结 研究针对科学AI数据集元数据就绪性评估工具缺失的问题，提出开源工具SetGo，能从六个维度评估修复元数据，揭示通用工具未发现的缺陷，提升公平性分数，还可集成大语言模型支持自动化工作流程。

Comments 6 pages; accepted at SSDBM 2026

KG2Code: Bridging Knowledge Graphs and Large Language Models via Executable Code for Question Answering

KG2Code：通过可执行代码连接知识图谱与大语言模型以进行问答

Yike Wu, Nan Hu, Guilin Qi, Guohui Xiao, Chen Jiang, Xinchun Zou, Yuchen Lu, Songlin Zhai, Yongrui Chen, Yuyang Zhang, Xiaoguang Li, Lifeng Shang, Jiaoyan Chen, Jeff Z. Pan

机构 * Southeast University（东南大学） ； Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education（教育部新一代人工智能技术及其交叉应用重点实验室（东南大学）） ； Huawei Technologies（华为技术有限公司） ； University of Manchester（曼彻斯特大学） ； University of Edinburgh（爱丁堡大学） 纠错

专题命中 软件智能体 ：agent(abstract)；分类 cs.AI

AI总结 研究针对知识图谱问答中现有方法的局限，提出KG2Code方法，将知识图谱转换为代码表示，在此基础上构建KG2Code-QA框架，把KGQA作为代码生成任务，还构建代码语料库，训练后的模型在KGQA任务中表现优异且泛化性强。

Claim Plane: Enforceable Change Intents and Dynamic Scope for Parallel Coding Agents

声明平面：并行编码代理的可执行变更意图和动态范围

Maxim Nikolaev

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

AI总结 研究并行编码代理变更问题，提出声明平面架构，工作者声明变更意图，控制平面管理，执行时处理突变，通过CooperBench机制检查展示可行性，为未来模型升级提供基础。

Comments 10 pages, 2 figures. Preprint

Code Monitor Red Teaming for Public-Test-Passing Code

用于通过公开测试的代码的代码监控红队

Junchi Liao, Jiawen Deng, Fuji Ren

机构 * University of Electronic Science and Technology of China（电子科技大学） 纠错

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

AI总结 研究公开测试通过后代码隐藏错误监控问题，引入代码监控红队协议并实例化为代码监控基准。通过大量实验发现弱验证器虽能改进但仍易漏错，对抗性压力影响验证效果，GLM - 5.1验证器缩小部分差距，揭示了验证器故障与证据限制的问题。

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

Beyond Text Editing: Algebraic Manipulation of Source Code

超越文本编辑：源代码的代数操作

Kevin Pulo

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

AI总结 研究提出源代码代数方法，通过逻辑代数操作修改代码库，概述其操作属性。实验表明大语言模型代理用此方法完成代码更改成功率更高、令牌数更少，为代码编辑提供新方向，推动相关研究。

Comments Accepted for publication in the Visions and Emerging Results Track of the 42nd IEEE International Conference on Software Maintenance and Evolution (ICSME 2026), 14-18 September 2026, Benevento, Italy

Interactive Training 2: Auditable Control Plane for Live Model Training

交互式训练2：实时模型训练的可审计控制平面

Wentao Zhang, Xuanhe Pan, Han Zhou, Yang Lu, Yuntian Deng

机构 * University of Waterloo（滑铁卢大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 软件智能体 ：agent(abstract)；分类 cs.LG

AI总结 研究针对实时模型训练更改需特定代码的问题，提出交互式训练2这一开源控制平面，通过共享协议指导训练，经五个工作流程演示，其代码和跟踪为可审计训练提供了可重用基础。

FindStatBench: Evaluating Large Language Models on Combinatorial Code Synthesis

FindStatBench：在组合代码合成上评估大语言模型

Soham Dan

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

AI总结 介绍用于评估大语言模型组合代码合成能力的FindStatBench基准，涵盖多种合成任务，通过特定方式评分并评估11个系统，发现开源闭源系统准确率趋同、示例可能有害、存在输出预算问题等，揭示统计合成与映射合成的差异及相关问题。

DepRepair: LLM-Based Source-Code Repair for Dependency Breaking Changes

DepRepair：基于大语言模型的针对依赖项破坏更改的源代码修复

Shenghao Yang, Bo Lu, Yaochen Liu, Yu Kang, Qiongfang Zhang, Chetan Bansal, Saravan Rajmohan, Minghua Ma

专题命中 软件智能体 ：agent(abstract)；分类 cs.SE

AI总结 研究软件项目因第三方库更新致依赖项破坏更改的问题，提出DepRepair单调用大语言模型方法，通过证据过滤器、用法定位器和子类别感知指南，基于结构化上游证据修复，在DepBench基准测试中取得高可执行通过率。

Comments 10 pages, 5 figures, 7 tables