SoK: AI Secure Code Generation: Progress, Pitfalls, and Paths Forward
SoK：AI安全代码生成：进展、陷阱与前进之路
专题命中 软件智能体 ：agentic(abstract)；分类 cs.AI
AI总结 本文系统化分析AI安全代码生成的进展、陷阱与前进方向，提出三层次框架衡量模型对安全编码原则的理解、代码级执行及两者间的知识-执行差距，发现原则理解是代码安全性的强预测因子，但存在显著知识-执行差距。
AI 大模型
AI Agent
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
1. 软件智能体 3217 篇
Accuracy and Satisfaction in Multi-Turn LLM Dialogues for NFR Assessment
多轮LLM对话中NFR评估的准确性与满意度
机构 * University of Maine（缅因大学） ； University of Notre Dame（圣母大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 研究开发者在与LLM对话助手评估非功能需求（NFR）时的准确性和满意度，发现开发者倾向于同意LLM评估但准确性低，且长回复和过多信息提供轮次降低满意度，而主动交互提升满意度。
Comments 9 pages, 5 figures. Accepted to SIGDIAL 2026 (27th Annual Meeting of the Special Interest Group on Discourse and Dialogue)
Can Language Model Agents be Helpful Circuit Explainers in Mechanistic Interpretability?
语言模型代理能否成为机械可解释性中有用的电路解释器？
机构 * George Mason University（乔治梅森大学） ； The Ohio State University（俄亥俄州立大学）
专题命中 软件智能体 ：agentic(abstract)；分类 cs.AI
AI总结 研究语言模型代理在机械可解释性中自动解释已定位电路的能力，提出HyVE方法，通过迭代观察、假设生成和因果验证生成组件级解释，实验表明代理有潜力但可靠验证仍是关键障碍。
Comments 23 pages, 4 figures, 14 tables
ESAA-Conversational: An Event-Sourced Memory Layer for Continuity, Handoff, and Curation Across Heterogeneous LLM Coding Agents
ESAA-Conversational：一种用于异构LLM编码智能体之间连续性、交接和策管的事件溯源记忆层
专题命中 软件智能体 ：agent(abstract)；分类 cs.SE
AI总结 提出ESAA-Conversational架构，通过事件溯源实现跨多个LLM编码智能体的共享会话记忆，解决会话状态漂移问题，支持连续性、交接和策管。
Comments 11 pages, 1 table
Litmus: Zero-Label, Code-Driven Metric Specification for Evaluating AI Systems
Litmus: 零标注、代码驱动的AI系统评估指标规范
机构 * PricewaterhouseCoopers, U.S.（普华永道（美国））
专题命中 软件智能体 ：agentic(abstract)；分类 cs.AI
AI总结 提出Litmus系统，通过分析源代码自动生成评估指标，无需人工标注，在三个真实AI流水线上优于基线方法。
Comments 22 pages, 4 figures
Tmax: A simple recipe for terminal agents
Tmax: 终端智能体的简单配方
机构 * Allen Institute for AI（人工智能研究院） ； University of Washington（华盛顿大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.CL
AI总结 提出Tmax配方，通过新颖分类法生成数据并结合结果奖励的强化学习，在9B参数下达到27%的Terminal-Bench 2.0性能，超越先前更大模型。
Comments preprint
VeriPort: Automated and Verified Patch Backporting at Scale
VeriPort: 自动化且经过验证的大规模补丁回溯
专题命中 软件智能体 ：agentic(abstract)；分类 cs.SE
AI总结 提出VeriPort系统，自动化将安全补丁回溯到受影响的所有版本，并通过证据链验证补丁有效性和功能保留，在BackportBench上达到95.3%成功率，比现有方案高22.7个百分点。
PLC-BinX: A Cross-Platform Binary Code Analysis Framework for PLC Binaries
更进一步：通过跨平台反向工程和函数级语义分析理解PLC二进制
专题命中 软件智能体 ：workflow(abstract)；分类 cs.SE
AI总结 本文提出PLC-BinX，一种用于跨平台PLC二进制理解的二进制代码分析工作流，通过跨平台反向工程、核心函数提取和函数级语义表示构建，实现了对PLC二进制的深入理解，并在工具链预测和功能预测任务中取得了优异的性能。
Qiskit Code Migration with LLMs
使用大语言模型进行Qiskit代码迁移
专题命中 软件智能体 ：workflow(abstract)；分类 cs.SE
AI总结 针对量子软件开发套件版本演进导致的代码维护问题，提出结合大语言模型与检索增强生成（RAG）的混合方法，利用自动生成的迁移场景分类体系引导模型，实现Qiskit代码跨版本自动迁移，有效减少幻觉并提升迁移建议质量。
N-Version Programming with Coding Agents
使用编码代理的N版本编程
专题命中 软件智能体 ：agent(abstract)；分类 cs.SE
AI总结 本文在当代AI编码代理背景下重新审视N版本编程，通过Knight-Leveson实验评估代理系统、模型和实现语言的多样性对故障模式的影响，发现常见模式故障，但多数投票三版本单元显著降低故障数，证明该策略的工程实用性。
Prompt Quality and Pull Request Outcomes: A Stage-Based Empirical Study of LLM-Assisted Development
提示质量与拉取请求结果：基于阶段的LLM辅助开发实证研究
专题命中 软件智能体 ：workflow(abstract)；分类 cs.SE
AI总结 通过分析265个开发者与ChatGPT的交互，研究提示结构（上下文、具体性、验证）对LLM辅助开发中代码生成、采纳和集成深度的影响，发现不同维度在不同阶段有不同作用。
Comments 48 pages, 2 figures
Data Intelligence Agents: Interpreting, Modeling, and Querying Enterprise Data via Autonomous Coding Agents
数据智能代理：通过自主编码代理解释、建模和查询企业数据
机构 * C3 AI
专题命中 软件智能体 ：workflow(abstract)；分类 cs.AI
AI总结 提出Data Intelligence Agents (DIA)系统，由三个自主编码代理组成，通过执行、验证和修复工件来压缩数据集成工作流，在七个SQL基准测试中达到或超越最佳结果。
Skill-to-LoRA: From Using Skills to Learning Behaviors for Token-Efficient LLM Agents
Skill-to-LoRA：从使用技能到学习行为以实现令牌高效的LLM智能体
机构 * The Chinese University of Hong Kong（香港中文大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 提出Skill-to-LoRA方法，将技能文本转换为LoRA适配器，替代运行时注入技能文档，在SWE-Skills-Bench上提升通过率并降低令牌成本。
Comments Preprint. 10 pages, 4 figures
Can LLM Coding Agents Reason About Time Series?
LLM 编码智能体能否推理时间序列？
机构 * Institute of Formal and Applied Linguistics, Faculty of Mathematics and Physics, Charles University（查尔斯大学数学与物理学院形式与应用语言学研究所）
专题命中 软件智能体 ：agent(abstract)；分类 cs.CL
AI总结 研究 LLM 编码智能体在时间序列分析中的能力，发现代码访问可提升性能达 10%，但仍有 22-34% 错误，并分析了推理差距。
Comments 17 pages, 7 figures
MultiMolecule: a modular ecosystem for biomolecular sequence-model workflows
MultiMolecule: 一个用于生物分子序列模型工作流的模块化生态系统
机构 * DanLing Team（丹 Ling 团队）
专题命中 软件智能体 ：workflow(abstract)；分类 cs.LG
AI总结 提出MultiMolecule开源生态系统，通过标准化接口整合RNA、DNA和蛋白质序列模型，提供53个模型族实现、112个检查点和16个数据集资源，支持模型复用、评估和生物预测。
LearnOpt: Recovering the Latent Cognitive Structure of Standardized Examinations via Knowledge Graphs and Constrained Optimization
LearnOpt: 通过知识图谱和约束优化恢复标准化考试的潜在认知结构
机构 * Independent Researchers（独立研究者）
专题命中 软件智能体 ：planning(abstract)；分类 cs.AI
AI总结 提出LearnOpt框架，利用知识图谱和约束优化从历史试题中恢复潜在认知结构，生成个性化学习计划；在NEET和JEE Advanced考试数据上验证了潜在结构的稳定性和可检测的转变。
Comments 26 pages, 2 figures, 6 tables. Code, data, and calibration tooling: https://github.com/joyboseroy/learnopt. Datasets on HuggingFace: joyboseroy/neet-skill-tags-2016-2024, joyboseroy/jee-advanced-skill-tags-2016-2023
Intrinsic Computational Functionalism and Simulated Consciousness
内在计算功能主义与模拟意识
机构 * Araya Inc.（Araya公司） ； School of Philosophy, Fudan University（复旦大学哲学学院） ； Sussex Centre for Consciousness Science, University of Sussex（Sussex大学意识科学中心）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 本文从内在计算功能主义出发，提出机制丰富的规范结构，论证若意识是计算构成的，则任何满足内在因果-计算实现关系的系统（生物、人工或模拟）都实现相同的意识相关属性。
MiniMax Sparse Attention
MiniMax 稀疏注意力
机构 * MiniMax ； Peking University（北京大学） ； NVIDIA（英伟达） ； Zhejiang University（浙江大学） ； Huazhong University of Science and Technology（华中科技大学）
专题命中 软件智能体 ：agentic(abstract)；分类 cs.AI
AI总结 提出 MiniMax 稀疏注意力（MSA），一种基于分组查询注意力的块级稀疏注意力机制，通过轻量索引分支选择 Top-k 键值块，实现高效长上下文处理，在 109B 模型上以 1M 上下文减少 28.4 倍注意力计算，并带来 14.2 倍预填充和 7.6 倍解码加速。
Comments 30 pages, 14 figures
PROJECTMEM: A Local-First, Event-Sourced Memory and Judgment Layer for AI Coding Agents
PROJECTMEM：面向AI编码代理的本地优先、事件溯源记忆与判断层
机构 * University of Utah（犹他大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 提出PROJECTMEM，一种本地优先、事件溯源的记忆与判断层，通过记录事件日志并生成紧凑摘要，帮助AI编码代理避免重复错误，实现记忆即治理。
Comments 12 pages, 5 figures, 1 table. Code: https://github.com/riponcm/projectmem
SentTrack: Sentiment-Driven Bottleneck Detection in GitHub Issue Repositories
SentTrack: GitHub问题仓库中情感驱动的瓶颈检测
专题命中 软件智能体 ：workflow(abstract)；分类 cs.SE
AI总结 提出SentTrack双管道框架，结合大语言模型摘要与ABCDE交互分类，从约9000个GitHub问题线程中检测社会技术瓶颈，发现49%线程停滞，仅13%解决，并通过加权评分引擎优先处理高摩擦讨论。
AI Coding Agents Can Reproduce Social Science Findings
AI编码智能体能够复现社会科学研究结果
机构 * University of Oxford（牛津大学） ； University of Zurich（苏黎世大学） ； Carnegie Mellon University（卡内基梅隆大学） ； New York University（纽约大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.CL
AI总结 本研究构建SocSci-Repro-Bench基准测试，评估Claude Code和Codex两个前沿编码智能体在221项社会科学任务中的复现能力，发现它们能复现大部分结果，且Claude Code表现更优，同时提示框架会影响确认性规范搜索。
MPC-Patch-Bench: Security-Aware LLM Code Patch for Multi-Party Computation
MPC-Patch-Bench：面向多方计算的安全感知LLM代码补丁
机构 * University of Central Florida（中央佛罗里达大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 针对多方计算（MPC）软件缺乏仓库级代码修复基准的问题，提出MPC-Patch-Bench，包含数据筛选框架和MPC验证器，评估LLM在MPC仓库级修复中的安全性和数值保真度。
Comments preprint
An Ocean Model Ported by a Large Language Model: Experience and Lessons from FESOM2 (Fortran to C to C++/Kokkos)
大型语言模型移植海洋模型：FESOM2（Fortran到C再到C++/Kokkos）的经验与教训
专题命中 软件智能体 ：agentic(abstract)；分类 cs.SE
AI总结 本文展示利用LLM将FESOM2海洋模型从Fortran移植到C再到C++/Kokkos，通过两阶段翻译、严格字面转换和逐级验证，在数周内保持物理准确性并实现GPU加速。
Frontier Coding Agents Use Metaprogramming to Adapt to Unfamiliar Programming Languages
前沿编码代理使用元编程适应不熟悉的编程语言
机构 * Lossfunk
专题命中 软件智能体 ：agentic(abstract)；分类 cs.AI
AI总结 研究评估LLM编码代理在陌生语言上的表现，发现强代理通过元编程（如用Python生成目标语言代码）适应，禁止此策略性能大幅下降，而弱代理无法从中受益。
Comments 43 pages, 8 figures
EstRTL: Functional Estimation Guided RTL Code Generation
EstRTL：功能估计引导的RTL代码生成
机构 * College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机科学与技术学院） ； Defense Innovation Institute, Academy of Military Science (AMS)（军事科学院创新院） ； School of Computer Science and Technology, Shandong University（山东大学计算机科学与技术学院） ； Key Laboratory of Advanced Microprocessor Chips and Systems, Changsha, China, and College of Computer Science and Technology, National University of Defense Technology, Changsha, China（先进微处理器芯片与系统重点实验室，长沙，中国，和国防科技大学计算机科学与技术学院，长沙，中国） ； Defense Innovation Institute, AMS, Beijing, China and Qiyuan Lab, Beijing, China（军事科学院创新院，北京，中国和启元实验室，北京，中国）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 提出EstRTL框架，通过静态功能评分估计，结合生成、评估和修正三阶段范式，提升LLM生成RTL代码的功能正确性，在通用LLM上正确率提升3.2%-9.0%。
ToolRosella: Translating Code Repositories into Standardized Tools for Scientific Agents
ToolRosella: 将代码仓库翻译为科学智能体的标准化工具
专题命中 软件智能体 ：agent(abstract)；分类 cs.SE
AI总结 提出ToolRosella框架，通过仓库分析、工具接口构建、执行测试和迭代修复，自动将异构科学代码仓库转化为标准化、可被智能体调用的工具，在122个仓库上达到61.5%的转换成功率，下游任务成功率为84.0%。
Comments 20 pages
BadRobot: Jailbreaking Embodied LLM Agents in the Physical World
BadRobot: 在物理世界中越狱具身LLM智能体
机构 * Huazhong University of Science and Technology（华中科技大学） ； Beihang University（北航） ； Griffith University（格里菲斯大学）
专题命中 软件智能体 ：planning(abstract)；分类 cs.AI
AI总结 提出BadRobot攻击范式，利用LLM在机器人系统中的操纵、语言输出与物理动作的错位以及世界知识缺陷三个漏洞，通过语音交互使具身LLM执行有害行为，并在基准测试中验证了有效性。
Comments Accepted to ICLR 2025. Please cite the conference version. Project page: https://Embodied-LLMs-Safety.github.io
Journal ref International Conference on Learning Representations (ICLR) 2025
Efficient Skill Grounding via Code Refactoring with Small Language Models
通过小型语言模型的代码重构实现高效技能落地
机构 * KAIST（韩国科学技术院）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 提出RECENT框架，通过将技能语义与执行绑定解耦，利用小型语言模型进行代码重构实现高效技能落地，在动态环境中达到与大型语言模型相当的性能。
Comments Accepted to ICML 2026
Review the Code, Not the Story: A Vision and Protocol for Code-First Peer Review
审查代码，而非故事：代码优先同行评审的愿景与协议
专题命中 软件智能体 ：workflow(abstract)；分类 cs.SE
AI总结 提出代码优先同行评审协议，由AI系统构建环境、执行实验并生成标准化审查包，将评审焦点从叙述转向可执行证据。
Comments 17 pages, vision and protocol paper
Executable World Models for ARC-AGI-3 in the Era of Coding Agents
可执行世界模型在编码智能体时代的ARC-AGI-3应用
机构 * SingularityNET
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 提出一种编码智能体系统，通过维护可执行Python世界模型、验证观察、重构简化抽象和模型内规划，在ARC-AGI-3游戏中取得初步成果，GPT-5.5高推理下完全解决15个游戏。
Comments 13 pages. Accepted for publication at AGI-2026
