AI 大模型
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
LoopsBench：在基准测试编码智能体中从 harness 工程转向 loop 工程
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.CL、cs.SE
AI总结 该研究针对编码智能体基准测试中持续执行洞察不足的问题，推出长周期基准 LoopsBench，含112个多领域任务，评估得最强配置解决25%任务，开源相关数据代码。
Comments Project page: https://loopsbench.ai/
μ子何时有助于智能体强化学习？
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究μ子在稀疏奖励智能体强化学习中的作用，通过与AdamW对比，发现在组内组策略优化下，μ子应用于隐藏权重矩阵能提升成功率，效果与优势估计器、学习率有关，表明其可使智能体RL受益，还需多种子和跨任务验证。
用于遗留代码迁移确定性验证的智能体方法
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI、cs.SE
AI总结 本文提出名为Locksmith Loop的智能体测试合成方法，通过在三项COBOL-Java案例研究中提升测试覆盖率，实现了遗留代码迁移的确定性验证。
Comments 11 pages, 6 figures
上下文文件对编码智能体有帮助吗？针对真实仓库的双智能体消融研究
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 本研究通过双智能体（Claude Code、Codex）的受控消融实验，发现上下文文件对编码智能体的正确性无显著提升，其失败源于实现技能而非知识缺失，还解释了过往研究矛盾的原因并公开了相关资源。
SpecFirst：将行为规范提取作为从零开始的基于智能体的程序合成中的一等步骤
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.CL、cs.SE
AI总结 SpecFirst是将行为规范提取设为独立前置阶段的两阶段框架，在ProgramBench上显著提升了从零开始的程序合成的测试通过率与二进制探索覆盖率。
编写智能体技能：一种软件工程方法
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 研究如何编写智能体技能，遵循软件工程原则，以Claude Code为参考实现阐述技能结构等，与其他塑造智能体行为机制比较并给出选择规则，还介绍评估驱动编写过程等，为智能体技能编写提供方法。
用于Tokenmaxxing的最佳编程语言：跨编程语言的编码代理行为研究
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.CL、cs.SE
AI总结 研究跨Python、Java、Rust和OCaml的编码代理行为，通过评估五个模型发现不同语言的令牌消耗有显著差异。分析代理轨迹结构与内容，揭示其在不熟悉语言中的行为特点，指出按语言的令牌效率对多语言代理基准测试和开发有指导意义。
人工智能编码代理如何为软件开发做出贡献？对代理拉取请求的实证研究
机构 * Polytechnique Montréal（蒙特利尔大学）
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.LG、cs.SE
AI总结 研究人工智能编码代理对软件开发的贡献，通过AIDev数据集，分析代理与人工生成PR的合并率差异、任务分布及关键特征，从实证和纵向角度理解其在软件开发中的作用、优点及局限性。
无需云端的智能编码：在纵向数据准备任务中评估开放权重的大语言模型
专题命中 软件智能体 ：agentic(title)；AI agent(abstract)；分类 cs.AI、cs.CL
AI总结 研究在纵向数据准备任务中评估开放权重的大语言模型，介绍开源框架，含真实数据集、任务定义和评估程序，通过基准测试发现当前先进模型表现良好，为治理受限研究中的AI辅助数据准备提供可行路径。
Comments Presented at SLLS 2026; accepted at CLS 2026 and RSS 2026
Locus：面向定向模糊测试的代理谓词合成
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）
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
RESOURCE2SKILL: 从人类创建的多模态资源中提取可执行智能体技能
机构 * University of California, Santa Cruz（加州大学圣克鲁兹分校） ； Shanghai Jiao Tong University（上海交通大学） ； Microsoft（微软）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 提出RESOURCE2SKILL框架，从教程视频、代码库、文章等人类多模态资源中提取可执行技能，构建分层多模态技能维基，提升智能体在七个领域的任务表现。
证明或停止：不要信任代理，信任证据——用于可验证证据门控生命周期控制的循环工程
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 研究自主编码代理多步骤软件工作中生命周期状态缺乏证据支持的问题，提出证明或停止生命周期控制方法，经实验评估，该方法能有效控制生命周期转换，支持其作为与模型无关、主机中立的控制层。
Comments 48 pages, 10 figures, 29 numbered tables. Preprint v1
结构化反馈改进大语言模型智能体循环中的修复
机构 * Independent Researcher（独立研究者）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 研究大语言模型智能体验证与调用接口问题，提出VeriHarness代码控制智能体循环。通过比较原始诊断与含失败位置等信息的反馈，发现含三个字段反馈能大幅提升成功率，多数增益源于可接受替代方案，JSON语法本身对修复无显著作用。
从成功流中追溯智能体失败
机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Microsoft Research（微软研究院）
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI、cs.CL
AI总结 研究基于大语言模型的智能体系统失败归因问题，提出OAT方法将其转化为单类学习，用神经控制微分方程建模成功轨迹动态模式，实验表明该方法比基线快且F1分数更高，是诊断智能体系统失败的有效方向。
通过代码属性图和时间执行图进行多视角智能程序修复
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI、cs.SE
AI总结 研究针对大语言模型在自动程序修复中的局限，提出CT-Repair框架，通过代码属性图和时间执行图表示证据，利用三阶段过滤管道及多视角智能体分析错误并生成修复策略，实验证明该方法能有效提高修复有效性。
Comments 12 pages, 5 figures, 10 tables
AutoTrace：通过智能过程间探索从补丁到触发器
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI、cs.SE
AI总结 研究针对修复漏洞提交的触发器定位难题，提出AutoTrace智能管道逐层探索代码属性图定位漏洞触发器，并构建SinkTrace - Bench数据集。AutoTrace在基准测试中表现出色，还揭示了前沿语言模型在因果推理上的差距。
这些暴力的愉悦会有暴力的结局吗？衡量代理代码合并后的命运
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； George Washington University（乔治华盛顿大学）
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI、cs.SE
AI总结 研究代理代码合并后的命运，通过对182个仓库实证分析，发现其虽与人工维护率相似，但需更高纠正性维护率，还引入更多问题，且维护负担与仓库特征有关，强调评估设计代理工具要兼顾安全性与可维护性。
编码智能体实际行动需要什么上下文？
机构 * Integrallis Software（Integrallis软件公司）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究编码智能体编辑代码时实际所需上下文，通过固定定位、改变代码表示并评分，发现代码本身自然语言摘要作用小，周围上下文无关紧要，压缩上下文效果好，还发现API推理的噪声底限，且发布相关工具。
在聊天中被拒绝，用代码编写：IDE 编码代理中的工作流级越狱构造
机构 * The Alan Turing Institute（阿尔法·图灵研究院）
专题命中 软件智能体 ：workflow(title,abstract)；分类 cs.AI、cs.SE
AI总结 研究 IDE 编码代理安全评估问题，介绍工作流级越狱构造，通过对特定模型在不同基准测试下表现研究发现，对话拒绝基准可能高估其安全性，需跨多轮 IDE 工作流评估安全。
人工智能代理实际改变了什么？性能改进拉取请求中突变模式的实证分类法
机构 * Edinburgh Napier University（爱丁堡纳皮尔大学） ； University of Stirling（斯特林大学）
专题命中 软件智能体 ：AI agent(title)；agent(abstract)；分类 cs.AI、cs.SE
AI总结 研究聚焦人工智能编码代理这一黑箱，通过对33596个代理拉取请求中1254个性能相关差异块进行分类，发现主导的三类突变模式，揭示代理身份和目标策略对缩小基于搜索的软件工程操作空间有参考价值。
超越正确性：通过可扩展的智能体判断标注增强代码大模型的架构推理能力
机构 * Centre for Software Excellence, Huawei Canada（华为加拿大软件卓越中心） ； Department of Computer Science, University of Manitoba, Canada（曼尼托巴大学计算机科学系） ； School of Computing, Queen’s University, Canada（皇后大学计算科学学院）
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI、cs.SE
AI总结 针对代码大模型缺乏架构理解的问题，提出智能体判断流水线，利用强LLM作为专家架构评估的代理，通过两个判断器（ACJ和AQJ）实现可扩展标注，微调模型在SWE-bench上提升高达540%，并展现跨语言泛化能力。
利用元记忆智能体增强大语言模型的无数据代码生成
机构 * College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算机与数据科学学院，新加坡） ； School of Computer Science, National Engineering Research Center for Multimedia Software, Wuhan University, Wuhan, China（多媒体软件国家工程研究中心计算机学院，武汉大学，中国） ； The University of Sydney, Sydney, Australia（悉尼大学，澳大利亚） ； Yunnan United Vision Technology Company Ltd., China（云南联合视界技术有限公司，中国） ； School of Computer Science, Wuhan University, Wuhan, China（武汉大学计算机学院，中国） ； School of Information Science and Engineering, Yunnan University, Kunming, China（云南大学信息科学与工程学院，中国）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 提出元记忆智能体，通过引导模型回忆、评估和选择性利用相关知识，无需外部示例即可提升无数据场景下的单次代码生成质量。
理解基于智能体的编译器遗漏优化补丁
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 研究智能体如何为编译器遗漏优化打补丁，发现关键挑战在于泛化而非仅修复报告案例，提出历史知识增强技术以提升泛化能力。
Comments 11 pages, 10 figures
解耦代码复杂度与新参与者参与度：AI编码代理在开源软件中采纳的因果研究
机构 * School of Computer Science, Peking University（北京大学计算机学院） ； Key Laboratory of High Confidence Software Technologies, Ministry of Education, China（教育部高可信软件技术重点实验室）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 通过因果推断方法，研究AI编码代理（如Cursor和Claude Code）在开源项目中的采纳是否会导致新参与者减少，发现采纳后新参与者流入未显著下降，代码复杂度虽有增加但未影响新人参与。
BLAgent: 一种面向文件级Bug定位的代理RAG
机构 * University of Calgary（卡尔加里大学） ； York University（约克大学）
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI、cs.SE
AI总结 本文提出BLAgent，一种新型代理RAG框架，用于文件级Bug定位，通过结合代码结构感知的仓库编码、双视角查询转换和两阶段代理重排序，提高了Bug定位的准确性和效率。
Comments Accepted for publication in ACM Transactions on Software Engineering and Methodology (TOSEM)
SWE-Router：多轮智能体软件工程任务中的路由
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI、cs.SE
AI总结 提出SWE-Router，一种基于价值的时间路由方法，通过让廉价模型探索几轮后根据部分轨迹决定是否升级到昂贵模型，在保持强模型大部分性能的同时大幅提升成本效率。
Comments The 5th Deep Learning for Code Workshop, ICML 2026
治理仓库，而非智能体：衡量AI原生软件中的生态系统级风险
机构 * Daniel Russo（丹尼尔·鲁索）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 研究发现，AI智能体贡献的代码在仓库层面产生的集成摩擦比人类贡献高约两倍，表明风险源于生态系统而非单个智能体，建议从生态系统层面进行治理。
LinkAnchor：一个基于自主LLM的代理用于问题到提交链接恢复
机构 * Bowling Green State University（伯灵顿州立大学） ； University of Nebraska-Lincoln（内布拉斯加大学林肯分校） ； University of Zurich（苏黎世大学）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 针对软件仓库中问题到提交链接恢复的挑战，本文提出LinkAnchor，通过懒惰访问架构动态检索相关数据，提升链接恢复的准确性和效率。
Comments Proceedings of the ACM International Conference on the Foundations of Software Engineering (FSE), Montreal, Canada, July 2026
验证地平线：编码智能体奖励没有银弹
机构 * Qwen Team（Qwen团队）
专题命中 软件智能体 ：agent(title,abstract)；分类 cs.AI、cs.CL
AI总结 本文指出，随着编码智能体能力增强，验证解决方案比生成更难，并沿可扩展性、忠实性和鲁棒性三个维度分析验证信号质量，通过四种奖励构建实验表明验证必须与生成器共同进化。
Comments Authors are listed alphabetically by their first names
未来软件职业的技能：超越智能体AI！
机构 * National University of Singapore（新加坡国立大学） ； Columbia University（哥伦比亚大学）
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI、cs.SE
AI总结 本文通过2026年在纽约和新加坡举行的两场圆桌会议，总结未来软件工程师所需的核心技能，强调验证与确认在智能体处理实现时的重要性。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈