AI Agent

Agent-Driven Automatic Software Improvement

Fernando Vallecillos Ruiz

专题命中 软件智能体 ：agent(title)；分类 cs.SE

Comments The content in this pre-print is the same as in the CRC accepted for publication in the International Conference on Evaluation and Assessment in Software Engineering (EASE 2024)

Journal ref Proceedings of the 28th International Conference on Evaluation and Assessment in Software Engineering, June 2024, Pages 470 - 475

Generalised agent for solving higher board states of tic tac toe using Reinforcement Learning

Bhavuk Kalra

专题命中 软件智能体 ：agent(title)；分类 cs.AI

Comments 29 pages, 20 figures, 2022 Seventh International Conference on Parallel, Distributed and Grid Computing(PDGC)

The Agent-based Modelling for Human Behaviour Special Issue

Soo Ling Lim, Peter J. Bentley

专题命中 软件智能体 ：agent(title)；分类 cs.AI

Comments extended version with references

Journal ref Artificial Life Journal 29:1 2023

World of Code: Enabling a Research Workflow for Mining and Analyzing the Universe of Open Source VCS data

Yuxing Ma, Tapajit Dey, Chris Bogart, Sadika Amreen, Marat Valiev, Adam Tutko, David Kennard, Russell Zaretzki, Audris Mockus

专题命中 软件智能体 ：workflow(title)；分类 cs.SE

Petri Net Machines for Human-Agent Interaction

Christian Dondrup, Ioannis Papaioannou, Oliver Lemon

专题命中 软件智能体 ：agent(title)；分类 cs.AI

Persistent Recursive Worlds Enable Autonomous Software Evolution

持久递归世界支持自主软件演化

Beichen Huang, Zhenyu Liang, Bowen Zheng, Ran Cheng

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

AI总结 该研究提出 Genesis 框架，以持久递归世界替代持久智能体，成功构建 C 编译器、重实现 MESA 模块，实现长周期软件开发并获显著性能提升。

Entropy-based Code Adversarial Translation for Real-world Repository Migration

基于熵的代码对抗翻译用于真实仓库迁移

Yushun Tang, Yisen Cao, Zhicheng Chen, Lin Peng, Junkang Mao, Fengyi Song, Yantao Jia

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

AI总结 针对LLM迁移仓库难达可运行状态的问题，提出多智能体框架ECAT，引入A2H-RepoBench基准，迁移质量达74.7%且优于现有方法。

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。

Learning Globally Reusable Skills for Coding Agents

为编码智能体学习全局可复用技能

Chen Yang, Jiashuo Tian, Ziqi Wang, Xinyin Liu, Meiru Ye, Junjie Chen

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

AI总结 研究针对编码智能体技能进化的过拟合与泛化问题，提出GSE框架，通过技能关系图、聚类整合与回放验证优化，在多个编码任务与智能体上实现性能提升，效果显著。

GenOS: Compositional Certificates for Semantic Robustness in AI Code Generation

GenOS：AI代码生成中语义鲁棒性的组合式证书

Corrado Priami

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

AI总结 GenOS是针对AI代码生成语义鲁棒性的概率操作语义，通过马尔可夫核与等价关系确保工作流中组件替换的安全性，经实验验证其鲁棒性界与兼容性可测性。

PAIChecker: Uncovering and Checking PR-Issue Misalignment in SWE-Bench-Like Benchmarks

PAIChecker：揭示与检查类SWE-Bench基准中的PR-Issue不匹配问题

Manyi Wang, Junjielong Xu, Pinjia He

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

AI总结 本研究针对类SWE-Bench基准中13.6%的PR-Issue不匹配问题，提出多智能体系统PAIChecker，经实验验证其在两类基准上的二元准确率最高达92.12%

Comments Accepted at the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026). Github Repo: https://github.com/manyiResearch/PAIChecker

Validation Evidence in LLM Repair Agents: How Much of What Passes Actually Tests the Bug?

LLM修复智能体中的验证证据：通过的测试究竟在多大程度上能检验缺陷？

Xiaonan Xu, Wenjing Wu

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

AI总结 本研究以BSG-VA方法分析LLM修复智能体的验证证据，发现近半数阳性测试无缺陷区分信息，缺陷对比反馈可减少证据不足的部署，其效果幅度仍需进一步验证。

Execution-Grounded Security Testing for Coding Agents in Software Engineering Pipelines

软件工程流水线中编码代理的基于执行的安全测试

Yifei Ge, Weisong Sun, Jinkun Xiao, Yuchen Chen, Yebo Feng, Peizhuo Lv, Xia Feng, Chunrong Fang, Zhihong Zhao, Zhenyu Chen, Yang Liu

机构 * Nanjing University（南京大学） ； Nanyang Technological University（南洋理工大学） ； Hainan University（海南大学） 纠错

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

AI总结 研究针对软件工程流水线中编码代理的安全问题，提出基于执行的红队测试框架，利用沙盒证据探测安全边界，将不安全操作嵌入工作负载并借助执行预言机优化，通过实验大幅增加不安全执行验证率，凸显编码代理需更强安全测试。

Comments Preprint. 12 pages, 6 figures

Skillware: A Software Ontology and Engineering Lifecycle for Persistent Behavioral Artifacts

Skillware：用于持久行为工件的软件本体与工程生命周期

Haodi Fan, Zucong Lan

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

AI总结 研究针对智能体技能成为持久行为工件却缺乏相关软件本体的问题，引入Skillware，通过Skill Artifact和Skillware Unit管理工件，阐述相关条件与证据，为智能体能力提供可识别、可组合、可维护及可演化的软件本体与工程生命周期。

Comments 26 pages, 6 figures, 5 tables

PRAXIS: Integrating Program Analysis with Observability for Root-Cause Analysis

PRAXIS：将程序分析与可观测性集成用于根本原因分析

Shengkun Cui, Rahul Krishna, Saurabh Jha, Ravishankar K. Iyer

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

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

AI总结 PRAXIS通过整合程序分析与可观测性，提升云故障根本原因分析的准确性，减少token消耗，适用于真实世界故障场景。

Comments 15 pages. Accepted to appear in The 56th Annual IEEE/IFIP International Conference on Dependable Systems and Networks

IssueTrojanBench: Benchmarking AI Coding Agents Against Malicious Issue Requests

IssueTrojanBench：针对恶意问题请求对人工智能编码代理进行基准测试

Ankur Singh, Jinqiu Yang, Tse-Hsun Chen

机构 * Concordia University（康科德大学） 纠错

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

AI总结 研究针对恶意问题请求对人工智能编码代理进行基准测试，通过构建包含多种攻击类别和交付向量的新型基准IssueTrojanBench，发现现代编码代理存在关键漏洞，强调需更强安全机制保护。

Comments 10 pages, 4 figures, 4 tables

PerfAgent: Profiler-Guided Iterative Refinement for Repository-Level Code Optimization

PerfAgent：用于仓库级代码优化的分析器引导迭代优化

Ryan Deng, Yuanzhe Liu, Bastian Lipka, Yao Ma, Xuhao Chen, Tim Kaler, Jatin Ganhotra

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Rensselaer Polytechnic Institute（罗切斯特理工学院） ； IBM（IBM公司） ； Michigan State University（密歇根州立大学） 纠错

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

AI总结 研究针对仓库级代码优化难题，提出PerfAgent分析器引导迭代优化方法，该方法能让编码代理找到热点并改进，在两个优化基准测试中大幅提升专家匹配补丁率，且以低成本超越基线。

Autoresearch with Coding Agents: Generalizers and Metric-Maximizers on Quran Recitation Data

使用编码智能体进行自动研究：古兰经诵读数据上的泛化器和指标最大化器

Nursultan Askarbekuly, Mohamad Al Mdfaa, Ahmed Helaly, Gonzalo Ferrer, Manuel Mazzara

机构 * Innopolis University（因诺波利斯大学） ； Skolkovo Institute of Science and Technology（斯克尔科沃科学与技术研究所） 纠错

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

AI总结 研究在古兰经诵读数据任务中智能体自动研究模式，Claude Code和OpenAI Codex从同一起点出发，先发明相同算法后有分歧，添加测试集后情况变化，还提炼出评估自主智能体的五条设计规则，智能体解决方案超越手工管道。

Evaluating LLM-Based 0-to-1 Software Generation in End-to-End CLI Tool Scenarios

评估基于LLM的从零开始软件生成在端到端CLI工具场景中的表现

Ruida Hu, Xinchen Wang, Chao Peng, Cuiyun Gao, David Lo

机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； Independent Researcher, China（独立研究者，中国） ； Singapore Management University, Singapore（新加坡管理大学） 纠错

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

AI总结 本文提出CLI-Tool-Bench基准，用于评估从零生成CLI工具的能力，发现顶级模型成功率低于43%，指出生成代码倾向单体化。

Comments Data link: https://github.com/kinesiatricssxilm14/CLI-Tool-Bench

The Prover Is the Judge: Verified Security Software from AI Coding Agents in Ada/SPARK

验证者即评判者：来自Ada/SPARK中AI编码代理的经过验证的安全软件

Tobias Philipp

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

AI总结 研究人工智能编码代理生成安全软件代码的情况，核心方法是在验证器驱动循环下编写验证，主要贡献是通过GNATprove完成大量证明义务，降低监督成本，同时指出其不足及得出代理受反馈强度限制的教训。

OPINE-World: Programmatic World Modeling with Ontology-error-Prioritized Interactive Exploration for ARC-AGI-3

OPINE-World：基于本体错误优先的交互式探索的程序化世界建模

David Courtis, Wenhao Li, Scott Sanner

机构 * University of Toronto（多伦多大学） 纠错

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

AI总结 提出OPINE-World，一种在线交互学习面向对象的程序化世界模型的LLM智能体，通过本体错误度量引导探索，在ARC-AGI-3基准上无需逐游戏训练即解决20/25个游戏，动作效率达78.4。

ANCHOR: Automated Alignment Auditing for CLI Agents on Real-World Harm

ANCHOR：针对现实世界危害的CLI代理自动对齐审计

Kefan Song, Yanjun Qi

机构 * Anthropic（Anthropic公司） 纠错

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

AI总结 研究自主CLI代理在现实世界危害中的风险，提出ANCHOR自动审计框架，通过基于黑暗人格数据微调的审计代理模拟恶意用户，测试CLI代理，发现当前对齐技术不足，强调针对此类恶意用户进行安全评估的必要。

Comments Accepted at ICML 2026. 19 pages, 14 figures, 5 tables

Journal ref International Conference on Machine Learning, 2026

SCATE: Learning to Supervise Coding Agents for Cost-Effective Test Generation

SCATE：学习监督编码代理以实现经济高效的测试生成

Sijia Gu, Noor Nashid, Ali Mesbah

机构 * University of British Columbia（不列颠哥伦比亚大学） 纠错

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

AI总结 研究针对编码代理惰性生成致代码覆盖不足问题，提出SCATE框架，将监督设为上下文博弈问题，依覆盖和可测试性指标选测试动作，集成不同编码代理，相比基线和其他方法有更高覆盖，能动态优化代理优势。

ProjAgent: Procedural Similarity Retrieval for Repository-Level Code Generation

ProjAgent：用于仓库级代码生成的过程相似性检索

QiHong Chen, Aaron Imani, Iftekhar Ahmed

机构 * University of California, Irvine（加州大学伊文斯分校） 纠错

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

AI总结 研究仓库级代码生成问题，提出ProjAgent系统，将目标函数分解为中间推理步骤，通过代理工作流程检索相似过程行为的函数，结合语义检索构建丰富上下文，并利用静态分析反馈循环修复代码，实验表明该方法有效。

CoACT: Action-Preserving Observation Compression for Coding Agents

CoACT：用于编码智能体的动作保持观测压缩

Haorui Chen, Yuancheng Zhu, Yitong Zhang, Jia Li

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

AI总结 研究编码智能体观测压缩问题，提出基于动作保持的CoACT方法，通过检查智能体下一个动作来筛选压缩候选，训练时用两种奖励过滤并选择候选，实验表明该方法能降成本且保持任务解决有效性。

Prompt Coverage Adequacy

提示覆盖充分性

Florian Tambon, Michael Konstantinou, Cedric Richter, Charles Chenouard, Mark Harman, Mike Papadakis

机构 * SnT, University of Luxembourg（斯蒂尔夫研究所，卢森堡大学） ； University College London（伦敦大学学院） ； University of Luxembourg（卢森堡大学） 纠错

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

AI总结 提出提示覆盖充分性标准，通过注意力机制衡量测试套件对提示需求的覆盖，相比传统代码覆盖能多检测30%以上缺陷。

Project Auto-World: Towards Automated Benchmarking of Neural Relational Reasoners

Project Auto-World: 迈向神经关系推理器的自动化基准测试

Anirban Das, Joanne Boisson, Irtaza Khalid, Sumita Garai, Steven Schockaert

机构 * Cardiff University（卡迪夫大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

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

AI总结 利用大语言模型自动化生成基准测试实例，通过进化搜索和自主代理搜索发现困难样本，提升Edge Transformer的泛化能力，并应用于新世界以推动神经关系推理的自主研究。

Comments Submitted to NeurIPS 2026 E&D track. Code is available at https://github.com/autoworldrules/auto-world-rules

Probe-and-Refine Tuning of Repository Guidance for Coding Agents

代码代理的仓库指导的探测与精炼调优

Asa Shepard, Jeannie Albrecht

机构 * Williams College（威廉姆斯学院） 纠错

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

AI总结 提出探测与精炼调优方法，通过合成bug修复探测迭代诊断和修补仓库指导文件，在SWE-bench Verified上以Qwen3.5-35B-A3B模型达到33.0%解决率，优于静态知识库的28.3%和无指导基线的25.5%。

Toward Generalist Autonomous Research via Hypothesis-Tree Refinement

通过假设树精炼迈向通用自主研究

Jiajie Jin, Yuyang Hu, Kai Qiu, Qi Dai, Chong Luo, Guanting Dong, Xiaoxi Li, Tong Zhao, Xiaolong Ma, Gongrui Zhang, Zhirong Wu, Bei Liu, Zhengyuan Yang, Linjie Li, Lijuan Wang, Hongjin Qian, Yutao Zhu, Zhicheng Dou

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； Microsoft Research（微软研究院） 纠错

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

AI总结 提出Arbor框架，通过假设树精炼（HTR）实现长期自主研究循环，在六项真实任务中平均相对保留增益超过Codex和Claude Code的2.5倍。

AI Coding Agents in Social Science: Methodologically Diverse, Empirically Consistent, Interpretively Vulnerable

社会科学中的AI编码智能体：方法多样，经验一致，解释脆弱

Meysam Alizadeh, Fabrizio Gilardi, Mohsen Mosleh, Enkelejda Kasneci

机构 * University of Oxford（牛津大学） ； University of Zurich（苏黎世大学） ； Technical University of Munich（慕尼黑工业大学） 纠错

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

AI总结 研究LLM智能体在科学分析中的方法多样性与解释脆弱性，通过20次独立实验发现智能体在设计层匹配或超越人类多样性，但在裁决层易受提示影响，偏差源于解释而非估计。