AI Agent

StateAct: Program State, before Pixels, for Long-Horizon Computer-Use Agents

StateAct：在像素之前的程序状态，用于长期计算机使用代理

Yan Yang, Xiangru Jian, Ziyang Luo, Zirui Zhao, Yutong Dai, Ziji Shi, Hanshu Yan, Jun Hao Liew, Silvio Savarese, Junnan Li

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

AI总结 研究针对计算机使用代理，提出基于程序状态的StateAct多代理框架，主要代理用代码处理状态，GUI子代理辅助，支持验证，在OSWorld 2.0上提升了Claude Opus 4.8的成功率，且成本降低，实现从感知到推理的瓶颈转移。

Distribution-First Population Simulation: Collapse, Calibration, and Recall in Non-WEIRD LLM Persona Modeling

分布优先的总体模拟：非怪异大语言模型角色建模中的崩溃、校准和召回

Gurkan Ozkan

机构 * Istanbul Technical University（伊斯坦布尔技术大学） 纠错

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

AI总结 研究非怪异LLM角色建模中独立代理范式的问题，提出分布优先校正方法，通过言语化采样等进行实验，发现原范式有崩溃等问题，校正方法能测量内部不一致性及校准条件。

Comments 8 pages, 8 figures

DREA: Decoupled Reasoning and Exploration Agents for Repository-Level Vulnerability Detection

DREA：用于仓库级漏洞检测的解耦推理与探索代理

Mingyang Sun, Guozhu Meng

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

AI总结 研究针对大语言模型用于仓库级漏洞检测时的不足，提出DREA框架，通过规划与探索代理解耦，实现目标导向上下文获取。构建RepoPairBench评估，提升配对正确性，降低成本，还发现安全推理质量是当前大语言模型的瓶颈。

Comments Accepted for presentation at Internetware 2026. 12 pages, 4 figures, and 5 tables

Imaging-101: Benchmarking LLM Coding Agents on Scientific Computational Imaging

成像101：在科学计算成像上对大语言模型编码智能体进行基准测试

Siyi Chen, Jiahe Ying, Yixuan Jia, Yuxuan Gu, Enze Ye, Weimin Bai, Zhijun Zeng, Shaochi Ren, Binhong Gao, Yubing Li, Tianhan Zhang, He Sun

机构 * College of Future Technology and the National Biomedical Imaging Center, Peking University（北京大学未来技术学院和国家生物医学成像中心） ； AI for Science Institute (AISI)（科学人工智能研究所） ； University of Michigan（密歇根大学） ； State Key Laboratory of Acoustics and Marine Information, Institute of Acoustics, Chinese Academy of Sciences（中国科学院声学研究所声场声信息国家重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Astronautics, Beihang University（北京航空航天大学宇航学院） ； Key Laboratory of Spacecraft Design Optimization and Dynamic Simulation Technologies, Ministry of Education（教育部航天器设计优化与动态仿真技术重点实验室） 纠错

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

AI总结 研究针对计算成像构建正确重建管道费力的问题，引入含57个任务的Imaging-101基准及三个评估轨道，评估七个前沿大语言模型，发现应用编码智能体于计算成像存在系统性挑战，指出技能增强、领域专业化智能体是可靠成像辅助的途径。

PERFOPT-Bench: Evaluating Coding Agents on Software Performance Optimization

PERFOPT-Bench：评估软件性能优化中的编码代理

Yingyun Cui, Yi Xie, Piaohong Wang, Jiawei Ma, Bo Liu, Liangliang Cao

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

AI总结 该研究介绍PERFOPT-Bench基准，用于评估软件性能优化中编码代理的完整性能工程循环。通过7个长期任务评估7个不同的代理堆栈，发现优化性能取决于工作负载，原始加速作基准分数不安全，还提出中继试验可恢复额外空间。

The Balkanization of Execution-Security Research for AI Coding Agents: Isolation, Access Control, and Time-of-Check-to-Time-of-Use Vulnerabilities

人工智能编码代理执行安全研究的巴尔干化：隔离、访问控制和检查时间到使用时间漏洞

Mohammadreza Rashidi

机构 * Department of Computer Science（计算机科学系） ； AI and Media Analysis Lab（人工智能与媒体分析实验室） ； Berlin, Germany（德国柏林） 纠错

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

AI总结 研究人工智能编码代理执行安全相关文献分散问题，将39篇论文系统化分类并验证，找出五个交叉差距，如隔离架构与能力模型缺乏共享基准评估等，最后针对差距提出研究议程。

Comments 18 pages, 15 figures, 6 tables. Systematizes 39 execution-security papers (2023-2026) into 17 verified categories. Machine-readable corpus and verification script released as a supplementary artifact

Formal Disco: Scalable Open-Ended Generation of Formally Verified Programs

形式化迪斯科：可扩展的形式化验证程序的开放式生成

Gabriel Poesia, Simon Henniger, Tzu-Han Hsu, Yilun Du, Nada Amin

机构 * Kempner Institute, Harvard University（坎普纳研究所，哈佛大学） ； School of Engineering and Applied Sciences, Harvard University（工程与应用科学学院，哈佛大学） 纠错

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

AI总结 针对生成程序质量保证落后及形式验证数据稀缺问题，提出Formal Disco分布式系统，协调三类工人，记录痕迹用于改进，提出最大熵原则，发布数据集并微调模型，为形式推理领域大规模创建合成数据。

Comments Code: https://github.com/metareflection/formal-disco Datasets: https://huggingface.co/collections/metareflection/formal-disco

SwarmResearch: Orchestrating Coding Agents for Open-Ended Discovery

群体研究：编排编码智能体以进行开放式发现

Yuvraj Virk, Zack Edds, Chunqiu Steven Xia, Lingming Zhang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 研究长期运行的编码智能体存在的问题，假设两个设计选择导致该问题，介绍SwarmResearch，一种编排器-子智能体架构，在开放式优化任务中表现良好，其编排器引导扩展能发现更好方案。

FeatX: Editing Software by Editing Features for Repository-Level Code Evolution

FeatX: 通过编辑特征来编辑软件以实现仓库级代码演化

Xutian Li, Yifeng Zhu, Xianlin Zhao, Yanzhen Zou, Lu Zhang, Bing Xie

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

AI总结 提出特征导向工具FeatX，通过提取层次化史诗-特征结构并调用三阶段演化代理，将特征编辑转化为代码补丁，显著降低认知负荷并提升修改定位F1达42.6%。

Comments 4 pages, Accepted to the Tools and Datasets Track of ASE 2026

FastContext: Training Efficient Repository Explorer for Coding Agents

FastContext: 为编码智能体训练高效的仓库探索器

Shaoqiu Zhang, Maoquan Wang, Yuling Shi, Yuhang Wang, Xiaodong Gu, Yongqiang Yao, Tori Gong, Sheng Chen, Rao Fu, Anisha Agarwal, Spandan Grag, Gabriel Ryan, Colin Merkel, Yufan Huang, Shengyu Fu

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

AI总结 提出专用探索子智能体FastContext，通过并行工具调用和专注上下文生成，分离仓库探索与问题解决，在SWE-bench等任务上提升修复率达5.5%，降低编码智能体token消耗达60%。

Comments The current article involves some product IP issues and needs to be withdrawn and re-approved

Theory-Scale Auto-Formalization of Logics for Computer Science

计算机科学逻辑的理论级自动形式化

Yuming Feng, Frederick Pu, One An, Osbert Bastani, Li Zhang, Jiani Huang, Xujie Si, Ziyang Li

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

AI总结 提出LCS-Bench基准，通过半自动化流水线构建包含327个教材条目、4076个Lean声明的理论级自动形式化数据集，评估14个模型，发现最先进模型仅达20.1%准确率。

AIChilles: Automatically Uncovering Hidden Weaknesses in AI-Evolved Systems

AIChilles：自动发现AI进化系统中的隐藏弱点

Yajie Zhou, Ao Li, Ashwin Silla, Zaoxing Liu, Vyas Sekar

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Boston University（波士顿大学） 纠错

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

AI总结 提出AIChilles框架，通过结合确定性工作负载参数提取、基于代理的约束推断、差异预言机和代码频率覆盖，自动发现AI进化程序在正确性、运行时、内存使用或输出质量上相对于基线程序的回归问题，在5个系统应用和30个AI进化程序中发现49个隐藏弱点。

Understanding the (In)Security of Vibe-Coded Applications

理解“氛围编码”应用的安全性（与非安全性）

Junquan Deng, Zhiyu Fan, Ruijie Meng

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

AI总结 本文系统研究了通过“氛围编码”范式开发的应用的安全性，发现其存在占位符逻辑、未过滤输入和秘密泄露等重复性漏洞模式，根源在于AI代理的系统性局限，且即使改进LLM能力也无法消除根本风险。

Beyond NL2Code: A Structured Survey of Multimodal Code Intelligence

超越NL2Code：多模态代码智能的结构化综述

Xuanle Zhao, Qiushi Sun, Jingyu Xiao, Xuexin Liu, Haoyue Yang, Qiaosheng Chen, Xianzhen Luo, Jing Huang, Yufeng Zhong, Lei Chen, Shuai Fu, Zhenlin Wei, Jinhe Bi, Lei Jiang, Haibo Qiu, Siqi Yang, Peng Shi, Jian Hu, Zhixiong Zeng

机构 * Meituan（美团） ； The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Nanjing University（南京大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Australian Institute for Machine Learning, Adelaide University（阿德莱德大学澳大利亚机器学习研究所） ； Ludwig Maximilian University of Munich（慕尼黑大学） ； University of Science and Technology of China（中国科学技术大学） ； Queen Mary University of London（伦敦玛丽女王大学） 纠错

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

AI总结 本文系统综述多模态代码智能，将任务按代码角色分类，覆盖GUI、科学可视化、结构化图形及前沿任务，并提出四个基于验证的未来方向。

Comments Work completed in January 2026. Updating now

User as Code: Executable Memory for Personalized Agents

用户即代码：面向个性化智能体的可执行记忆

Bojie Li

机构 * Pine AI 纠错

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

AI总结 提出可执行记忆范式User as Code，将用户模型转化为可运行的Python代码，通过两阶段流水线实现精确聚合与规则执行，在长对话基准上达到78.8%召回率，聚合问题准确率99%，并能主动触发安全警报。

GitInject: Real-World Prompt Injection Attacks in AI-Powered CI/CD Pipelines

GitInject: AI驱动的CI/CD流水线中的真实提示注入攻击

Jafar Isbarov, Umid Suleymanov, Ilia Shumailov, Murat Kantarcioglu

机构 * Virginia Tech（弗吉尼亚理工学院） ； AI Sequrity Company（AI安全公司） 纠错

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

AI总结 提出GitInject框架，在真实GitHub工作流中评估AI代理的提示注入漏洞，发现所有测试提供商均存在结构性风险，并给出最低成本防护措施。

From Prompts to Contracts: Harness Engineering for Auditable Enterprise LLM Agents

从提示到契约：用于可审计企业大语言模型代理的 harness 工程

Joongho Ahn, Moonsoo Kim

机构 * AI Leadership Research Center（人工智能领导力研究中心） 纠错

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

AI总结 研究针对企业大语言模型应用从原型到产品化的需求，提出 harness 工程方法，在韩国企业数据切片上实例化并评估三个问题，包括契约保留、模型替换检查及代码执行效果，形成可将原型转为可审计应用的工程模式。

Comments 32 pages, 6 figures, 16 tables. Reference implementation and evaluation artifacts: https://github.com/hammerbaki/enterprise-llm-agent-harness (archived at https://doi.org/10.5281/zenodo.21269426)

Beyond Placement and Articulation: Usage-Driven Code Scenes for Embodied Interaction

超越布局与关节运动：面向具身交互的使用驱动型代码场景

Zijian Xiao, Zipeng Ye, Jinkun Hao, Xiong Yang, Yuchen Xie, Ran Yi

机构 * Meituan（美团） 纠错

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

AI总结 针对现有代码场景生成方法未建模场景功能使用的问题，提出RoomWright框架，通过使用驱动型物体推理与代码智能体实现可执行、可编辑的仿真就绪3D场景，为具身AI与策略学习提供交互式环境。

From crown candidates to neighborhood screening: integrating optical GeoAI and spatial modeling for urban-canopy assessment in Davis, California

从树冠候选到邻域筛选：整合光学地理人工智能与空间建模用于加利福尼亚州戴维斯市的城市树冠评估

Mohammadreza Narimani, Shreyan Mitra, Parastoo Farajpoor

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

AI总结 本研究整合光学GeoAI与空间建模，利用2022年影像在戴维斯市生成树冠筛选层，绘制了该市9.37%的树冠，验证了其与热环境的关联，为城市规划提供支持。

Comments 17 pages, 10 figures + 5 supplementary figures, 7 tables. Preprint submitted to Taylor & Francis. Code: https://github.com/MohammadrezaNarimaniUCDavis/Davis_Urban_Canopy_GeoAI Data: https://doi.org/10.5281/zenodo.21925527

RepoOMP: Repository-Aware Hotspot OpenMP Parallelization via Dependency-Aware Context Reduction

RepoOMP：基于仓库感知的热点OpenMP并行化方法——通过依赖感知的上下文缩减

Yongjie Qian, Ke Gao, Zhibin Zhang, Shaohui Peng, Ling Li

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

AI总结 RepoOMP是一种混合框架，通过构建MAP和STC，在951个热点上实现平均加速比8.23×至8.96×，降低智能体令牌成本，为仓库热点并行化提供证据引导的工作流。

OctoLong: Mid-Training On Cross-Repository Code Contexts Enhances Long-Context Modeling

OctoLong：跨仓库代码上下文的训练中优化增强长上下文建模

Indraneil Paul, Falko Helm, Goran Glavaš, Iryna Gurevych

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

AI总结 该研究提出OctoLong流水线，通过跨仓库代码上下文的训练中优化，训练出OctoLong-Instruct长上下文开源LMs，用其替代12%传统语料库可显著提升长上下文相关任务性能及短场景API使用能力。

An eightfold equivalence-preserving speedup of the JUNO OMILREC vertex and energy reconstruction

JUNO OMILREC顶点与能量重建的八倍等效保持加速

Guangbao Sun, Qishan Liu, Wenjie Wu, Jun Cao, Xuefeng Ding, Wenxing Fang, Wuming Luo, Liangjian Wen, Zeyuan Yu, Xiang Zhou

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

AI总结 本研究针对JUNO的OMILREC重建算法，通过分阶段等效保持优化实现了最高8.6倍的单线程加速，保持物理输出一致，为大型探测器似然重建加速提供了可转移模板。

Comments 7 pages, 1 figure

MindForge: Teaching Small Language Models Whole-Life-Cycle Software Engineering via Source-Free Program Synthesis

MindForge：通过无源码程序合成教小型语言模型全生命周期软件工程

Yihao Chen, Shi Chang, Khaled Chawa, Feng Lin, Boyuan Chen, Shaowei Wang, Ahmed E. Hassan

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

AI总结 研究针对小型语言模型从零构建程序的挑战，提出MindForge构建全生命周期无源码训练环境，微调Qwen3.6-27B后在ProgramBench及7个软件工程基准上性能显著提升。

CORVUS: Context Optimization and Reduction Via Underlying Synchronization for LLM Coding Agents

CORVUS：通过底层同步实现大语言模型编码代理的上下文优化与缩减

Mingwei Zheng, David OBrien, Siwei Cui, Pardis Pashakhanloo, Rajdeep Mukherjee, Myeongsoo Kim, Sachit Kuhar

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

AI总结 研究针对大语言模型编码代理传统轨迹架构问题，提出CORVUS架构解耦文件读取与观察，通过维护同步注册表注入当前内容，经实验评估，该架构能减少输入令牌、缩短提示并减少推理周期，保持通过率。

ORCAID: Oblique Rule-Based Continuous-Action Interpretation for Deep RL Policies

ORCAID：用于深度强化学习策略的基于斜规则的连续动作解释

Ignacio D. Lopez-Miguel, Ezio Bartocci, Thomas Eiter, Martin Tappler

机构 * TU Wien（维也纳技术大学） 纠错

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

AI总结 针对强化学习中连续动作空间下可解释性难题，提出ORCAID方法，通过高效斜决策树训练算法，经三阶段分割搜索提取基于规则的可解释策略，在多环境评估中表现良好，能保持性能并提升原深度强化学习策略。

Comments 33 pages, 8 figures, accompanying source code available at https://gitlab.tuwien.ac.at/ignacio.lopez/ORCAID

LLM-as-a-Verifier: A General-Purpose Verification Framework

LLM-as-a-Verifier：一种通用验证框架

Jacky Kwok, Shulu Li, Pranav Atreya, Yuejiang Liu, Yixing Jiang, Chelsea Finn, Marco Pavone, Ion Stoica, Azalia Mirhoseini

机构 * Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校） ； NVIDIA Research（英伟达研究院） 纠错

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

AI总结 该工作将验证确定方案正确性的能力作为大模型新扩展轴，提出无需额外训练的通用LLM验证框架，生成连续评分，在多基准上取得SOTA性能，还可用于强化学习等场景。

Comments Code: https://github.com/llm-as-a-verifier/llm-as-a-verifier Website: https://llm-as-a-verifier.com

Steer, Don't Solve: Training Small Critic Models for Large Code Agents

引导而非求解：为大型代码智能体训练小型评论模型

Shubham Gandhi, Yiqing Xie, Atharva Naik, Ruichen Zhu, Carolyn Rose

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 针对代码智能体策略推理不足的问题，提出冻结智能体并训练小型评论模型提供轨迹内反馈，在SWE-bench Verified上提升准确率并降低成本。

ReproRepo: Scaling Reproducibility Audits with GitHub Repository Issues

ReproRepo: 利用 GitHub 仓库问题扩展可重复性审计

Shanda Li, Qiuhong Anna Wei, Jingwu Tang, Valerie Chen, Nihar B Shah, Tim Dettmers, Yiming Yang, Ameet Talwalkar

机构 * School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院） ； Datadog 纠错

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

AI总结 提出 ReproRepo 框架，利用 GitHub issues 作为监督信号，对 1149 篇论文进行可重复性评估，发现 Codex with GPT-5.5 能识别约 90% 论文的语义相关复现问题。

MiniPIC: Flexible Position-Independent Caching in <100LOC

MiniPIC: 少于100行代码的灵活位置无关缓存

Nathan Ordonez, Thomas Parnell

机构 * IBM Research（IBM研究院） 纠错

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

AI总结 提出MiniPIC，通过无位置编码KV缓存和用户控制缓存重用原语，在vLLM中实现多种位置无关缓存方法，显著提升预填充吞吐量并降低首个令牌延迟。

Comments 13 pages, 5 figures

Code Is More Than Text: Uncertainty Estimation for Code Generation

代码不仅仅是文本：代码生成的不确定性估计

Yuling Shi, Caiqi Zhang, Yuexian Li, Haopeng Wang, Yeheng Chen, Nigel Collier, Xiaodong Gu

机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Cambridge（剑桥大学） 纠错

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

AI总结 针对代码生成中错误程序的可靠性问题，提出基于词法、算法和功能三个正交轴的不确定性估计方法，在五个代码LLM上将AUROC提升8.1个百分点。