AI Agent

RAG-Reflect: Agentic Retrieval-Augmented Generation with Reflections for Comment-Driven Code Maintenance on Stack Overflow

RAG-Reflect：基于反思的代理检索增强生成用于Stack Overflow的评论驱动代码维护

Mehedi Hasan Shanto, Muhammad Asaduzzaman, Alioune Ngom

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

AI总结 本文提出RAG-Reflect框架，通过检索增强推理和自我反思机制，实现精确的评论-编辑预测，提升代码维护效率。

Comments 27 pages, submitted to the TOSEM

Read the Paper, Write the Code: Agentic Reproduction of Social-Science Results

读论文，写代码：社会科学结果的代理重生产

Benjamin Kohler, David Zollikofer, Johanna Einsiedler, Alexander Hoyle, Elliott Ash

机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Basel（巴塞尔大学） 纠错

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

AI总结 本文提出了一种代理重生产系统，通过提取论文中的方法描述，在不接触原始代码和数据的情况下复现社会科学结果，并通过误差溯源分析识别根本原因。

Clover: A Neural-Symbolic Agentic Harness with Stochastic Tree-of-Thoughts for Verified RTL Repair

Clover：一种基于随机树-of-thoughts的神经符号代理体系用于验证RTL修复

Zizhang Luo, Yansong Xu, Runlin Guo, Fan Cui, Kexing Zhou, Mile Xia, Hongyuan Hou, Yuhao Luo, Yun Liang

机构 * Peking University（北京大学） 纠错

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

AI总结 Clover通过结构化搜索代码操作解决RTL修复问题，结合LLM和符号求解器动态调度任务，实现高可靠性修复，修复率高达96.8%。

SOK: A Taxonomy of Attack Vectors and Defense Strategies for Agentic Supply Chain Runtime

SOK：代理供应链运行时的攻击向量和防御策略分类

Xiaochong Jiang, Shiqi Yang, Wenting Yang, Yichen Liu, Cheng Ji

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 本文系统化了现有研究，提出统一的运行时框架，区分数据和工具供应链攻击，并识别出病毒代理循环现象，主张采用零信任运行时架构。

Comments Published at ICLR 2026 Workshop on AI for Mechanism Design and Strategic Decision Making

Agentic Verification of Software Systems

软件系统的代理验证

Haoxin Tu, Huan Zhao, Yahui Song, Mehtab Zafar, Ruijie Meng, Abhik Roychoudhury

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

AI总结 本文提出AutoRocq代理，通过与Rocq定理证明器协作实现程序验证，采用迭代优化提升证明质量，实验显示在SV-COMP和Linux内核模块上具有良好的自动验证效果。

Comments Camera-ready version appeared in the Proceedings of the ACM International Conference on the Foundations of Software Engineering (FSE 2026)

Program Analysis Guided LLM Agent for Proof-of-Concept Generation

基于程序分析的LLM代理证明概念生成

Achintya Desai, Md Shafiuzzaman, Wenbo Guo, Tevfik Bultan

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

AI总结 本文提出PAGENT方法，结合静态和动态分析指导，提升自动化PoC生成成功率，实验显示比现有方法提升132%。

ClawLess: A Security Model of AI Agents

ClawLess：AI代理的安全模型

Hongyi Lu, Nian Liu, Shuai Wang, Fengwei Zhang

机构 * Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系） ； Department of Computer Science and Engineering, Hong Kong University of Science and Technology（香港科技大学计算机科学与工程系） ； Southern University of Science and Technology（南方科技大学） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 ClawLess提出一种形式化安全框架，通过在最坏情况威胁模型下强制验证策略，确保AI代理运行时的安全性，结合BPF技术实现动态策略的高效执行。

CODE-GEN: A Human-in-the-Loop RAG-Based Agentic AI System for Multiple-Choice Question Generation

CODE-GEN：一种基于检索增强生成的多选题生成人机协作人工智能系统

Xiaojing Duan, Frederick Nwanganga, Chaoli Wang

机构 * University of Notre Dame（圣母大学） 纠错

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

AI总结 CODE-GEN通过生成与课程目标一致的多选题提升学生代码推理能力，采用生成器和验证器代理，结合专用工具提高准确性，评估结果显示系统在七个教学维度上表现优异，但人类专家仍需参与设计教学性干扰项和反馈质量。

Comments Full version of the paper accepted as a short paper at the 27th International Conference on Artificial Intelligence in Education (AIED 2026)

Foundations for Agentic AI Investigations from the Forensic Analysis of OpenClaw

从OpenClaw的取证分析为基础的代理AI研究基础

Jan Gruber, Jan-Niclas Hilgert

机构 * KASTEL Security Research Labs, Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院 KASTEL 安全研究实验室） ； Fraunhofer Institute for Communication, Information Processing and Ergonomics FKIE（弗劳恩霍夫通信、信息处理与人体工程学研究所 FKIE） 纠错

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

AI总结 本文通过分析OpenClaw的技术设计，提出了一种系统化的代理AI取证方法，揭示了代理执行带来的抽象层和非确定性挑战，为代理AI的系统研究提供了基础。

Comments Preprint. Code and experimental data available at: https://github.com/jgru/forensic-analysis-of-openclaw

Customized User Plane Processing via Code Generating AI Agents for Next Generation Mobile Networks

通过代码生成AI代理实现定制化用户平面处理以适用于下一代移动网络

Xiaowen Ma, Onur Ayan, Yunpu Ma, Xueli An

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

AI总结 本文研究了利用AI代理生成定制化处理模块的方法，探讨了模型选择、提示设计和代码模板对生成准确性的影响，证明AI代理能在合适条件下实现所需行为。

Exploring the Agentic Frontier of Verilog Code Generation

探索Verilog代码生成的代理前沿

Patrick Yubeaton, Siddharth Garg, Chinmay Hegde

机构 * New York University Tandon School of Engineering（纽约大学坦登工程学院） 纠错

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

AI总结 本文系统评估了代理LLM在Verilog生成中的影响，通过CVDP基准测试，分析了结构化提示和工具设计对性能的影响，并比较了开源与闭源模型的性能差异。

What Is Your Agent's GPA? A Framework for Evaluating Agent Goal-Plan-Action Alignment

你的代理的GPA是多少？一个评估代理目标-计划-行动对齐的框架

Allison Sihan Jia, Daniel Huang, Nikhil Vytla, Seung Won Wilson Yoo, Nirvika Choudhury, Shayak Sen, John C. Mitchell, Anupam Datta

机构 * BASIS Independent Silicon Valley Upper School（BASIS独立硅谷高中） ； Department of Computer Science, Stanford University（斯坦福大学计算机科学系） 纠错

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

AI总结 本文提出Agent GPA框架，通过评估代理目标、计划和行动的对齐性，验证其在多代理、单代理和企业数据代理中的有效性，展示了高误差覆盖和调试定位能力。

STRIATUM-CTF: A Protocol-Driven Agentic Framework for General-Purpose CTF Solving

STRIATUM-CTF: 一种基于协议的代理框架用于通用CTF求解

James Hugglestone, Samuel Jacob Chacko, Dawson Stoller, Ryan Schmidt, Xiuwen Liu

机构 * Department of Computer Science, Florida State University, Tallahassee, USA（计算机科学系，佛罗里达州立大学，塔拉萨斯，美国） 纠错

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

AI总结 本文提出STRIATUM-CTF框架，通过Model Context Protocol标准化工具接口，提升CTF求解的自主性和适应性，在真实竞赛中取得第一名。

Comments 8 pages, 7 pages

Nonstandard Errors in AI Agents

AI代理中的非标准误差

Ruijiang Gao, Steven Chong Xiao

机构 * School of Management, University of Texas at Dallas（德克萨斯大学达拉斯分校管理学院） 纠错

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

AI总结 研究AI代理在相同数据和问题下是否产生相同结果，发现其存在显著非标准误差，源于代理间分析选择的不确定性。不同模型家族在方法偏好上存在系统差异，同行评审对分散影响有限，但接触高质量论文可大幅缩小估计范围。

Comments 45 pages

Explainable Innovation Engine: Dual-Tree Agent-RAG with Methods-as-Nodes and Verifiable Write-Back

可解释的创新引擎：双树代理-RAG与方法作为节点和可验证的写回

Renwei Meng

机构 * Anhui University（安徽大学） 纠错

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

AI总结 本研究提出了一种双树代理-RAG框架，通过方法作为节点和可验证的写回机制，提升代理系统在可控、可解释和可验证创新方面的性能。

Comments 15pages, 4figures, code available on Github

Design Conductor: An agent autonomously builds a 1.5 GHz Linux-capable RISC-V CPU

设计导体：一个自主代理构建1.5 GHz的Linux兼容RISC-V CPU

The Verkor Team, Ravi Krishna, Suresh Krishna, David Chin

机构 * The Verkor Team（Verkor 团队） 纠错

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

AI总结 设计导体自主构建1.5 GHz的Linux兼容RISC-V CPU，通过端到端流程实现从需求文档到GDSII的完整芯片设计。

Agentic Framework for Epidemiological Modeling

流行病建模的代理框架

Rituparna Datta, Zihan Guan, Baltazar Espinoza, Yiqi Su, Priya Pitre, Srini Venkatramanan, Naren Ramakrishnan, Anil Vullikanti

机构 * University of Virginia（弗吉尼亚大学） ； Virginia Tech（弗吉尼亚理工学院） ； Biocomplexity Institute（生物复杂性研究所） 纠错

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

AI总结 EPIAGENT通过代理框架自动合成和优化流行病模拟器，提升模型的准确性和效率。

What to Cut? Predicting Unnecessary Methods in Agentic Code Generation

什么要删？在代理代码生成中预测不必要的方法

Kan Watanabe, Tatsuya Shirai, Yutaro Kashiwa, Hajimu Iida

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

AI总结 本文提出了一种预测模型，用于识别在代理代码生成中可能被删除的功能，通过分析不同删除原因的特征，提升审查效率。

SoK: Trust-Authorization Mismatch in LLM Agent Interactions

SoK：LLM代理交互中的信任-授权不匹配

Guanquan Shi, Haohua Du, Zhiqiang Wang, Xiaoyu Liang, Weiwenpei Liu, Song Bian, Zhenyu Guan

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

AI总结 本文通过B-I-P框架系统分析LLM代理交互中的信任-授权不匹配问题，揭示了动态信任与静态授权之间的脱节，并提出动态风险适应性授权的研究方向。

Conversational No-code, Multi-agentic Disease Module Identification and Drug Repurposing Prediction with ChatDRex

基于对话的无代码、多智能体疾病模块识别与药物再利用预测ChatDRex

Simon Süwer, Kester Bagemihl, Sylvie Baier, Lucia Dicunta, Markus List, Jan Baumbach, Andreas Maier, Fernando M. Delgado-Chaves

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

AI总结 ChatDRex 是一种基于对话的多智能体系统，通过自然语言访问生物医学知识库，实现疾病模块识别与药物再利用预测，促进个性化医学发展。

Scaling Agentic Verifier for Competitive Coding

为竞争编程设计的扩展代理验证器

Zeyao Ma, Jing Zhang, Xiaokang Zhang, Jiaxi Yang, Zongmeng Zhang, Jiajun Zhang, Yuheng Jing, Lei Zhang, Hao Zheng, Wenting Zhao, Junyang Lin, Binyuan Hui

机构 * Renmin University of China（中国人民大学） ； Qwen Team, Alibaba Group（通义实验室，阿里巴巴集团） 纠错

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

AI总结 本文提出Agentic Verifier，通过主动推理和高效测试输入生成，提升竞争编程问题解决的准确性与效率。

Why Agentic-PRs Get Rejected: A Comparative Study of Coding Agents

为何智能代理生成的拉取请求被拒绝：智能代理的比较研究

Sota Nakashima, Yuta Ishimoto, Masanari Kondo, Shane Mclntosh, Yasutaka Kamei

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

AI总结 本文研究了不同智能代理生成的拉取请求被拒绝的原因差异，发现七种仅出现在智能代理生成PR中的拒绝模式，并提出启发式方法以减少无反馈的拒绝案例。

Comments 5 pages

Who Writes the Docs in SE 3.0? Agent vs. Human Documentation Pull Requests

在 SE 3.0 中谁撰写文档？代理 vs. 人类文档拉取请求

Kazuma Yamasaki, Joseph Ayobami Joshua, Tasha Settewong, Mahmoud Alfadel, Kazumasa Shimari, Kenichi Matsumoto

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

AI总结 研究发现 AI 代理在文档拉取请求中比人类更活跃，且其文档修改较少被人类跟进，引发对文档质量和人机协作的担忧。

Comments Comments: 5 pages, 5 figures. To appear in MSR 2026 Mining Challenge (April 2026). Code available at https://github.com/NAIST-SE/msr2026-docs-prs-replication

Let's Make Every Pull Request Meaningful: An Empirical Analysis of Developer and Agentic Pull Requests

让每个拉取请求都有意义：对开发者和代理拉取请求的实证分析

Haruhiko Yoshioka, Takahiro Monno, Haruka Tokumasu, Taiki Wakamatsu, Yuki Ota, Nimmi Weeraddana, Kenichi Matsumoto

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

AI总结 本研究通过分析40,214个PRs，发现提交者属性对合并结果影响最大，审查相关特征在人类和代理PRs中效果相反，揭示了人机协作提升PR质量的途径。

Comments Accepted for publication in the 23rd International Conference on Mining Software Repositories (MSR '26) : 5 pages, 3 figures, 3 tables

Agentic Rubrics as Contextual Verifiers for SWE Agents

代理 rubrics 作为 SWE 代理的上下文验证器

Mohit Raghavendra, Anisha Gunjal, Bing Liu, Yunzhong He

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

AI总结 代理 rubrics 通过上下文感知的检查清单提升 SWE 代理的验证效率与准确性。

Comments 31 pages, 11 Figures

How Do Agentic AI Systems Address Performance Optimizations? A BERTopic-Based Analysis of Pull Requests

代理AI系统如何解决性能优化问题？基于BERTopic的拉取请求分析

Md Nahidul Islam Opu, Shahidul Islam, Muhammad Asaduzzaman, Shaiful Chowdhury

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

AI总结 本文通过BERTopic分析，揭示了代理AI系统在软件开发中处理性能优化的方式及影响因素。

ROAD: Reflective Optimization via Automated Debugging for Zero-Shot Agent Alignment

ROAD: 通过自动调试实现零样本智能体对齐的反思优化

Natchaya Temyingyong, Daman Jain, Neeraj Kumarsahu, Prabhat Kumar, Rachata Phondi, Wachiravit Modecrua, Krittanon Kaewtawee, Krittin Pachtrachai, Touchapon Kraisingkorn

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

AI总结 ROAD通过自动调试实现零样本智能体对齐的反思优化，利用多智能体架构将无结构故障日志转化为结构化决策树协议，提升智能体性能和样本效率。

Comments 22 pages, 1 figure

From Illusion to Insight: Change-Aware File-Level Software Defect Prediction Using Agentic AI

从幻觉到洞察：利用代理AI的变更感知文件级软件缺陷预测

Mohsen Hesamolhokama, Behnam Rohani, Amirahmad Shafiee, MohammadAmin Fazli, Jafar Habibi

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

AI总结 本文提出了一种基于代理AI的变更感知文件级软件缺陷预测方法，通过多代理辩论框架提升缺陷预测的准确性和敏感性。

On the Use of Agentic Coding Manifests: An Empirical Study of Claude Code

关于使用代理编码清单：对Claude代码的实证研究

Worawalan Chatlatanagulchai, Kundjanasith Thonglek, Brittany Reid, Yutaro Kashiwa, Pattara Leelaprute, Arnon Rungsawang, Bundit Manaskasemsak, Hajimu Iida

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

AI总结 本研究通过分析Claude.md文件，揭示了代理编码清单的结构特征与内容分布，为开发者提供了关于如何有效创建此类清单的实证洞察。

Journal ref Proceedings of the 26th International Conference on Product-Focused Software Process Improvement 2025

Agentic LMs: Hunting Down Test Smells

Rian Melo, Pedro Simões, Rohit Gheyi, Marcelo d'Amorim, Márcio Ribeiro, Gustavo Soares, Eduardo Almeida, Elvys Soares

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

Comments Accepted at IEEE Software