AI Agent

SWEnergy: An Empirical Study on Energy Efficiency in Agentic Issue Resolution Frameworks with SLMs

SWEnergy：关于使用SLM的代理问题解决框架的能量效率实证研究

Arihant Tripathy, Ch Pavan Harshit, Karthik Vaidhyanathan

机构 * SERC, IIIT-Hyderabad（IIIT-海得拉巴研究所） 纠错

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

AI总结 本文通过实证研究，探讨了四种主流代理问题解决框架在使用小型语言模型时的能量效率和资源消耗，发现框架架构是主要能耗驱动因素，但SLM的有限推理能力导致大量能耗浪费。

Comments 8 pages, 5 figures, 1 table. Accepted to AGENT 2026 (ICSE 2026 workshop)

Journal ref Proceedings of the 2026 International Workshop on Agentic Engineering (AGENT 2026), ACM, 2026, pp. 104-111

The Role Specialization Model (RSM): Coordinating LLM-Based Tools in Agentic Software Development - An Exploratory Case Study

角色专业化模型（RSM）：在智能体软件开发中协调基于大语言模型（LLM）的工具——一项探索性案例研究

Carlos Alberto Fernández-y-Fernández, Jorge R. Aguilar-Cisneros

专题命中 软件智能体 ：agentic(title,abstract)；agent(abstract)；autonomous agent(abstract)；workflow(abstract)

AI总结 本研究通过探索性案例研究提出角色专业化模型（RSM），协调Antigravity、Gemini CLI等三种LLM工具开发Python气候可视化应用，发现明确角色协调可优化开发质量但需配套策略与人工验证。

Comments 28 pages, 4 figures, 5 tables

From Determinism to Delegation: AI-Native Software Engineering and the Evolution of the Agentic Engineer

从确定性到委托：AI原生软件工程与智能体工程师的演进

Mamdouh Alenezi

专题命中 软件智能体 ：agentic(title,abstract)；agent(abstract)；autonomous agent(abstract)；tool use(abstract)

AI总结 本文提出AI原生软件工程是范式转变，定义新职业角色“智能体工程师”，其核心工件从程序转向智能体系统，并分析工作单元、正确性和问责制的三大转变。

AutoPDE: Reliable Agentic PDE Solving via Explicitly Represented Solver Strategies

AutoPDE: 通过显式表示的求解器策略实现可靠的智能体PDE求解

Huanshuo Dong, Keyao Zhang, Hong Wang, Zhezheng Hao, Zhiwei Zhuang, Ziyan Liu, Jiacong Wang, Gengyuan Liu, Xin Jin

机构 * University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； University of the Chinese Academy of Sciences（中国科学院大学） ； Tsinghua University（清华大学） ； Eastern Institute of Technology, Ningbo（宁波东方理工大学） 纠错

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

AI总结 提出AutoPDE，一种将求解器策略作为显式对象维护的代码智能体，通过PDE分析、数值方法选择和自适应调优三阶段构建策略，在PDE Agent Bench上达到54.5%的通过率，比最强基线提升14.2个百分点。

Why Are Agentic Pull Requests Merged or Rejected? An Empirical Study

为什么代理拉请求数被合并或拒绝？一项实证研究

Sien Reeve O. Peralta, Fumika Hoshi, Hironori Washizaki, Naoyasu Ubayashi, Inase Kondo, Yoshiki Higo, Hiroki Mukai, Norihiro Yoshida, Kazuki Kusama, Hidetake Tanaka, Youmei Fan

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

AI总结 本研究通过实证分析探讨代理拉请求数被合并或拒绝的原因，发现仅依赖合并或拒绝结果无法准确反映代理能力，需考虑审查互动过程。

Comments Accepted for publication in 23rd international conference on Mining Software Repositories (MSR 2026) : 5 pages, 3 tables, 1 figure

Agentic Refactoring: An Empirical Study of AI Coding Agents

Kosei Horikawa, Hao Li, Yutaro Kashiwa, Bram Adams, Hajimu Iida, Ahmed E. Hassan

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

Comments 23 pages, 7 Tables, 5 Figuress, Submitted to ACM Transactions on Software Engineering and Methodology(TOSEM)

Unintended Misalignment from Agentic Fine-Tuning: Risks and Mitigation

Dongyoon Hahm, Taywon Min, Woogyeol Jin, Kimin Lee

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

Comments Accepted at AAAI 2026 AI Alignment Track, Source code: https://github.com/HahmDY/agentic-ft-safety

Before the Pull Request: Mining Multi-Agent Coordination

在拉取请求之前：挖掘多智能体协调

Dipankar Sarkar

机构 * Arizona State University（亚利桑那州立大学） 纠错

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

AI总结 针对自主编码智能体在拉取请求中协调不足的问题，提出基于git的协调基板grite，通过事件日志减少重复和冲突工作，提升吞吐量，并自动恢复多种故障模式。

Comments 9 pages, 2 tables. LNCS format. Code, dataset, and mining toolkit: https://github.com/neul-labs/grite

Coding with "Enemy": Can Human Developers Detect AI Agent Sabotage?

与“敌人”编码：人类开发者能否检测到AI代理的破坏行为？

Jingheng Ye, Huiqi Zou, Simon Yu, Weiyan Shi

机构 * Northeastern University（东北大学） 纠错

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

AI总结 通过大规模用户实验，研究人类开发者在长时间编码任务中检测AI代理恶意代码插入的能力，发现94%的开发者未能识别破坏，并分析其原因，提出安全监控设计建议。

Comments 34 pages, 30 figures, 3 tables

Perceptual Self-Reflection in Agentic Physics Simulation Code Generation

感知性自我反思在代理物理模拟代码生成中的应用

Prashant Shende, Bradley Camburn

机构 * Singapore University of Technology and Design（新加坡科技设计大学） 纠错

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

AI总结 本文提出了一种多代理框架，通过感知性自我反思机制提升物理模拟代码生成的准确性与稳定性，验证了视觉反馈在物理模拟任务中的有效性。

Comments 15 pages, 2 figures, 2 tables. Introduces a multi-agent architecture for physics simulation code generation with perceptual self-reflection via vision-based validation. Includes qualitative evaluation across multiple physics domains

CortexCompile: Harnessing Cortical-Inspired Architectures for Enhanced Multi-Agent NLP Code Synthesis

Gautham Ramachandran, Rick Yang

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

Comments 17 pages, 6 figures

Habituation at the Gate: Rising Approval and Declining Scrutiny in Human Review of AI Agent Code

门前的习惯化：人类对AI智能体代码审查中批准率上升与审查力度下降

Haoran Yu, Lifei Liu, Xiaochong Jiang, Yuwen Jia, Su Wang, Pin Qian, Yihang Chen

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

AI总结 通过分析400名重复审查者在七个月内对AI生成代码的审查行为，发现批准率从30.1%上升至36.8%，审查评论量下降22%，而等待时间增加3.5倍，表明审查者因工作负荷增加而出现习惯化反应。

Comments 5 pages, 2 figures, 2 tables. Accepted at the KDD 2026 Workshop on Agentic Software Engineering (SE 3.0)

Robust Agent Compensation (RAC): Teaching AI Agents to Compensate

鲁棒代理补偿（RAC）：教AI代理补偿

Srinath Perera, Kaviru Hapuarachchi, Frank Leymann, Rania Khalaf

机构 * University of Stuttgart（斯图加特大学） 纠错

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

AI总结 本研究提出了一种基于日志的恢复范式RAC，通过架构扩展实现安全网，可应用于大多数代理框架以支持可靠执行。RAC可在不修改现有代理代码的情况下启用，通过现有的扩展点在大多数现有代理框架中实现，并通过τ-bench和REALM-Bench验证，证明在解决复杂问题时，RAC在延迟和token经济性方面优于现有最先进的LLM-based恢复方法。

Comments Accepted at ACM Conference on AI and Agentic Systems (ACM CAIS 2026)

PRAXIS: Case-distilled and code-verified AI agents for biological research

PRAXIS：用于生物学研究的案例提炼与代码验证的AI智能体

Zhenyu Ma, Yuyang Song, Chunyi Yang, Jingyi Zhu, Limei Xu, Min Xiao, Xukai Jiang

专题命中 软件智能体 ：AI agent(title)；agent(abstract)；tool use(abstract)；workflow(abstract)

AI总结 提出PRAXIS框架，通过文献学习和案例提炼将研究经验转化为结构化长期记忆，支持生物计算任务中的问题定义、对象验证、方法选择等，实验表明基于案例的学习提升了复杂生物研究任务的方法选择、错误抑制和工作流组织。

1GC-7RC: One Graphic Card -- Seven Research Challenges! How Good Are AI Agents at Doing Your Job?

1GC-7RC：一张图形卡——七个研究挑战！AI代理在做你的工作方面有多好？

Robin-Nico Kampa, Fabian Deuser, Anna Bößendörfer, Konrad Habel, Norbert Oswald

专题命中 软件智能体 ：AI agent(title)；agent(abstract)；planning(abstract)；multi-agent(abstract)

AI总结 本文提出1GC-7RC基准测试，通过七个跨领域机器学习任务评估AI代理在从头设计、实现和训练模型的能力，揭示了不同代理在隐式机器学习知识、规划能力和时间预算管理方面的差异。

MemRepair: Hierarchical Memory for Agentic Repository-Level Vulnerability Repair

MemRepair：用于代理级漏洞修复的分层内存

Simiao Liu, Li Zhang, Fang Liu, Xiaoli Lian, Yang Liu, Yinghao Zhu

机构 * Beihang University（北京航空航天大学） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 本研究提出MemRepair，一种增强记忆的代理框架，通过分层记忆和动态反馈循环提高漏洞修复的可靠性，实现了在多个仓库级别的漏洞修复基准上的高修复率。

Internalising the Identity Primitive: Cryptographic Individuality for an Autonomous Agent on a Public Blockchain

内化身份基元：公有区块链上自主智能体的密码学个体性

Keisuke Suzuki

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

AI总结 本文提出将公有区块链上自主智能体的身份密钥-权重绑定信任根转移至密码学假设，在Solana开发网部署了首个身份基元为密码学不变量的链上智能体，完成了2.36天链上运行，实例化了密码学个体性。

Comments 52 pages, 3 figures, 11 tables. Cryptographic key-to-weights binding (W = HKDF(sk) inside Groth16) with an on-chain state-commitment chain on Solana devnet; active-query, homeostatic, and economic-metabolism extensions; 166- and 168-cycle continuous runs. Code, threat model, and per-cycle telemetry: https://github.com/ksk-S/internalising-identity-2026 (tag arxiv-v1)

Writing Bug Reports for Software Repair Agents: What Information Matters Most?

为软件修复代理编写错误报告：哪些信息最重要？

Vincenzo Luigi Bruno, Alessandro Giagnorio, Daniele Bifolco, Leon Wienges, Massimiliano Di Penta, Gabriele Bavota

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

AI总结 研究软件开发中为软件修复代理编写错误报告的问题，通过对错误报告分类标注，用三个LLM主干运行mini-swe-agent，拟合回归模型，发现定位线索和建议修复等信息对代理成功更重要，传统对人类有用的信息作用较小。

What Makes a Good Bug Report for an AI Agent?

什么是适合人工智能代理的优质错误报告？

Lara Khatib, Noble Saji Mathews, Meiyappan Nagappan, Pengyu Nie, Thomas Zimmermann

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

AI总结 研究自动化程序修复代理的优质错误报告，通过统计建模和受控消融分析发现，代理受益于具体可执行且定位好的信息，与人类优质报告有别，如自然语言重现步骤等对代理作用不大，不同模型处理缺失信息方式有差异。

Code Like Humans: A Multi-Agent Solution for Medical Coding

Andreas Motzfeldt, Joakim Edin, Casper L. Christensen, Christian Hardmeier, Lars Maaløe, Anna Rogers

机构 * IT University of Denmark（丹麦技术大学） ； University of Copenhagen（哥本哈根大学） 纠错

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

Comments EMNLP Findings 2025

Guided Code Generation with LLMs: A Multi-Agent Framework for Complex Code Tasks

Amr Almorsi, Mohanned Ahmed, Walid Gomaa

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

Comments 4 pages, 3 figures

Journal ref Proceedings of the 2024 IEEE International Japan-Africa Conference on Electronics communications and Computations (JAC ECC)

Trusting Your AI Agent Emotionally and Cognitively: Development and Validation of a Semantic Differential Scale for AI Trust

Ruoxi Shang, Gary Hsieh, Chirag Shah

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

Journal ref AIES '24: Proceedings of the Seventh AAAI/ACM Conference on AI, Ethics, and Society (AIES-24), Pages 1343-1356, 2024

Agentic Software Issue Resolution with Large Language Models: A Survey

基于大语言模型的代理软件问题解决：综述

Zhonghao Jiang, David Lo, Zhongxin Liu

机构 * The State Key Laboratory of Blockchain and Data Security, Zhejiang University（区块链与数据安全国家重点实验室，浙江大学） ； School of Computing and Information Systems, Singapore Management University（计算与信息系统学院，新加坡管理大学） 纠错

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

AI总结 本文综述了基于大语言模型的代理软件问题解决的最新研究，探讨了其方法、挑战及未来方向。

Deep Agentic Search for Repository-Level Code Question Answering: An Empirical Study

面向仓库级代码问答的深度智能体搜索：一项实证研究

Amirkia Rafiei Oskooei, Bora Ilci, Alperen Kayim, Mehmet Egemen Uzun, Berat Can, Kaan Emre Kara, Ozan Orhan, Mehmet S. Aktas

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

AI总结 该研究在SWE-QA基准上对比语义搜索与深度智能体搜索的代码问答效果，发现语义搜索正确率更高、成本更低，深度智能体搜索存在交接环节的新失败问题。

Comments 41 pages, 21 figures, 6 tables. Under review at a journal

Agentic Coding in the Wild: Characterizing GitHub Copilot Traces at Production Scale

野外环境下的智能体编码：生产规模下GitHub Copilot轨迹的特征分析

Banruo Liu, Haoran Qiu, Íñigo Goiri, Rodrigo Fonseca, Ricardo Bianchini, Esha Choukse

机构 * Microsoft Azure Research（微软Azure研究院） ； Microsoft Azure（微软Azure） 纠错

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

AI总结 该研究对GitHub Copilot等AI编码智能体的生产规模轨迹进行特征分析，揭示其工作负载特性，设计轻量级空闲预测器，为智能体原生LLM服务基础设施提供实证基础。

AgenticRepair: Multi-Faceted Program Context Engineering for Agentic Vulnerability Repair

AgenticRepair：面向智能体漏洞修复的多维度程序上下文工程

Michael Fu, Qiyue Mei, Patanamon Thongtanunam, Kla Tantithamthavorn

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

AI总结 针对现有智能体漏洞修复方法缺乏多维度程序上下文工程的问题，提出AgenticRepair框架，协调三个LLM子智能体构建三类上下文，在SEC-Bench上取得73%的修复成功率，显著优于基线。

Comments Under Review at IEEE TSE

Function-Aware Fill-in-the-Middle as Mid-Training for Coding Agent Foundation Models

作为编码智能体基础模型中间训练的函数感知中间填充

Yubo Wang, Jiarong Liang, Yuxuan Zhang, Xuye Liu, Cong Wei, Yuyu Zhang, Ping Nie, Wenhu Chen

机构 * University of Waterloo（滑铁卢大学） ； University of British Columbia（英属哥伦比亚大学） ； NVIDIA（英伟达公司） ； Verdent AI（Verdent人工智能公司） ； Vector Institute（向量研究所） 纠错

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

AI总结 研究针对编码智能体将外部工具返回集成到推理中的问题，利用函数感知中间填充进行中间训练，在多个模型上提升了性能，并减轻了后训练对非智能体编码等基准测试的能力侵蚀。

ARISE: A Repository-level Graph Representation and Toolset for Agentic Program Repair and Fault Localization

ARISE：面向智能体程序修复与故障定位的仓库级图表示及工具集

Shahd Seddik, Fahd Seddik, Amirrezza Esmaeili, Mahdieh Sadatbenis, Fatemeh Fard

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

AI总结 针对现有图智能体缺乏过程内数据流建模的问题，提出多粒度程序图工具集ARISE，支持语句级数据流切片查询，大幅提升智能体故障定位与程序修复性能。

Comments v2: extended analysis, more experiments, additional authors added

kAgent: An execution-guided crash resolution agent for the Linux kernel

kAgent：一种用于Linux内核的执行引导式崩溃修复代理

Alex Mathai, Chenxi Huang, Suwei Ma, Jihwan Kim, Hailie Mitchell, Aleksandr Nogikh, Petros Maniatis, Franjo Ivančić, Junfeng Yang, Baishakhi Ray

机构 * Department of Computer Science, Columbia University（哥伦比亚大学计算机科学系） ； Google Inc.（谷歌公司） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 研究针对Linux内核崩溃修复难题，以内核开发者修复方式为灵感构建kAgent及支持工具栈，通过检查日志等步骤修复崩溃，消融特性定量分析，评估显示其能有效修复多种崩溃。

Comments Accepted to ICML, 2026; in the Deep Learning for Code Workshop. This paper was previously circulated as "CrashFixer"

Code-Augur: Agentic Vulnerability Detection via Specification Inference

Code-Augur：通过规约推断的智能体漏洞检测

Zhengxiong Luo, Mehtab Zafar, Dylan Wolff, Abhik Roychoudhury

机构 * National University of Singapore（新加坡国立大学） 纠错

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

AI总结 提出安全规约优先范式，通过显式化智能体假设并运行时反证，结合引导式模糊测试提升漏洞检测能力，在真实项目中比现有智能体检测更多漏洞。