AI Agent

Don't Blame the Large Language Model: How Agent Harness Evolution Shapes Coding Agent Quality

不要责怪大语言模型：脚手架演化如何塑造编码代理质量

Oussama Ben Sghaier, Hao Li, Bram Adams, Ahmed E. Hassan

机构 * Queen’s University Canada（加拿大女王大学） 纠错

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

AI总结 研究编码代理中脚手架演化对其质量的影响。通过固定模型、仅改变脚手架，对Qwen Code CLI的35个连续版本进行评估，追踪质量波动与开发模式及架构组件的关系。

FormulaCode: Evaluating Agentic Optimization on Large Codebases

FormulaCode: 评估在大规模代码库上进行代理优化

Atharva Sehgal, James Hou, Akanksha Sarkar, Ishaan Mantripragada, Swarat Chaudhuri, Jennifer J. Sun, Yisong Yue

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； California Institute of Technology（加州理工学院） ； Cornell University（康奈尔大学） 纠错

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

AI总结 FormulaCode是一个评估大型真实代码库上代理优化能力的基准，包含957个从科学Python仓库挖掘出的性能瓶颈，配以专家撰写的补丁和平均264.6个社区维护的性能工作负载，揭示了前沿LLM代理在多目标优化上的重大挑战。

Comments ICML Camera Ready Version

CORE-Bench: A Comprehensive Benchmark for Code Retrieval in the Era of Agentic Coding

CORE-Bench：智能体编程时代代码检索的综合基准

Fuwei Zhang, Yanzhao Zhang, Mingxin Li, Dingkun Long, Lexiang Hu, Pengjun Xie, Zhao Zhang, Fuzhen Zhuang

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

AI总结 针对智能体编程中需求驱动的仓库级代码检索问题，构建了包含18万查询和10.6万上下文相关性标签的三级基准CORE-Bench，实验表明现有嵌入模型性能显著下降，微调可提升效果。

Agentic Delegation and the Language Frontier of Software Developers: A Model and Evidence from Claude Code on GitHub

超越训练范围编码：Claude Code 与软件开发者的技术前沿

Alexander Quispe, Kevin Xu

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

AI总结 利用双重稳健估计器分析 Claude Code 的逐步推出，发现 AI 编码助手显著增加了开发者的月度提交数、贡献仓库数、使用语言数及语言熵，且累积语言效应随时间增长，表明 AI 降低了技术切换障碍。

ThunderAgent: A Simple, Fast and Program-Aware Agentic Inference System

ThunderAgent: 一个简单、快速且程序感知的智能推理系统

Hao Kang, Ziyang Li, Weili Xu, Xinyu Yang, Yinfang Chen, Junxiong Wang, Beidi Chen, Tushar Krishna, Chenfeng Xu, Simran Arora

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

AI总结 提出ThunderAgent系统，通过LLM程序抽象统一管理KV缓存和工具资源，实现程序感知调度，在编码、路由和科学发现任务中吞吐量提升1.5-3.9倍，磁盘内存节省高达4.2倍。

Breaking the Code: Security Assessment of AI Code Agents Through Systematic Jailbreaking Attacks

破解代码：通过系统性越狱攻击对AI代码代理进行安全评估

Shoumik Saha, Jifan Chen, Sam Mayers, Sanjay Krishna Gouda, Zijian Wang, Varun Kumar

机构 * University of Maryland – College Park（马里兰大学-College Park） ； AWS AI Labs（AWS人工智能实验室） ； Meta Superintelligence Labs（Meta超智能实验室） 纠错

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

AI总结 提出JAWS-Bench基准测试，通过三级工作区评估代码LLM代理的越狱风险，发现代理化使攻击成功率提升1.6倍，并揭示可执行攻击代码的高比例。

Comments 22 pages, 18 figures, 8 tables

Specification-first convergence with an AI coding agent: a case study of dismantling a core architectural invariant across 189 files in a 717k-line codebase with no test oracle and no human code review

采用AI编码智能体的规范优先收敛：在71.7万行代码库中拆解189个文件的核心架构不变量的案例研究

Joel Abenhaim

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

AI总结 本文通过案例研究，展示AI编码智能体在规范优先协议下，成功在71.7万行代码库中拆解核心架构不变量，耗时3天、成本2430美元，修正201个缺陷，涉及189个文件。

Comments 14 pages, 4 figures, 3 tables. v2: added plain-text log URLs in Section 10 for LLM readability

Ouroboros: A Self-Developing Frontier Coding Agent with Reviewed Core Evolution

Ouroboros：一种具有经审核的核心演化机制的自发展前沿编码智能体

Anton Razzhigaev, Andrei Gritsaev, Andrei Kaznacheev, Nikita Dragunov, Roman Yampolskiy, Andrei Kuznetsov

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

AI总结 本研究提出具有经审核核心演化机制的编码智能体Ouroboros，其在三个基准测试中均创最优结果，Hope部署为长期活体演化实验，同时需应对自发展带来的操作安全问题。

SkillClaw: Let Skills Evolve Collectively with Agentic Evolver

SkillClaw: 让技能与代理进化者共同进化

Ziyu Ma, Shidong Yang, Yuxiang Ji, Xucong Wang, Yong Wang, Yiming Hu, Tongwen Huang, Xiangxiang Chu

机构 * DreamX Team（DreamX团队） 纠错

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

AI总结 SkillClaw通过聚合多用户交互数据，实现技能的集体进化，提升代理在现实场景中的性能。

SkillTrace: Multi-Trace Provenance Auditing for LLM-Agent Skill Reuse

SkillTrace：面向LLM智能体技能复用的多溯源审计

Jialuo Chen, Minghe Wang, Lingqi Jiang, Jianan Ma, Xinhao Deng, Xiaohu Du, Ruixiao Lin, Yunhao Feng, Linkang Du, Jingyi Wang

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

AI总结 本文提出SKILLTRACE框架，通过提取三种溯源审计LLM智能体技能复用，在SKILLTRACE-BENCH上取得高指标，野外审计显示其能生成更具操作性的复用审查队列。

Formal Analysis and Supply Chain Security for Agentic AI Skills

代理AI技能的正式分析与供应链安全

Varun Pratap Bhardwaj

机构 * Independent Research（独立研究） 纠错

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

AI总结 SkillFortify是首个用于代理技能供应链的形式化分析框架，通过六大贡献提升安全性和检测效率。

Comments 32 pages, 5 theorems with full proofs, 68 references, open-source tool: https://github.com/qualixar/skillfortify

When Does Muon Help Agentic Reinforcement Learning?

μ子何时有助于智能体强化学习？

Kai Ruan, Jinghao Lin, Zihe Huang, Ziqi Zhou, Qianshan Wei, Xuan Wang, Hao Sun

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。

Agentic coding without the cloud: evaluating open-weight large language models on longitudinal data preparation tasks

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

Mack Nixon, Liam Wright, Yevgeniya Kovalchuk, Alison Fang-Wei Wu, Martin Danka, Andy Boyd, David Bann

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

RESOURCE2SKILL: Distilling Executable Agent Skills from Human-Created Multimodal Resources

RESOURCE2SKILL: 从人类创建的多模态资源中提取可执行智能体技能

Yijia Fan, Zonglin Di, Zimo Wen, Yifan Yang, Mingxi Cheng, Qi Dai, Bei Liu, Kai Qiu, Yue Dong, Ji Li, Chong Luo

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） 纠错

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。

Leveraging Metamemory Agent for Enhanced Data-Free Code Generation in Large Language Models

利用元记忆智能体增强大语言模型的无数据代码生成

Shengsheng Zhou, Shuai Wang, Liang Ding, Yibing Zhan, Yong Luo, Zheng He, Fu Lin, Dapeng Tao

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） 纠错

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。

BLAgent: Agentic RAG for File-Level Bug Localization

BLAgent: 一种面向文件级Bug定位的代理RAG

Md Afif Al Mamun, Gias Uddin

机构 * University of Calgary（卡尔加里大学） ； York University（约克大学） 纠错

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)

LinkAnchor: An Autonomous LLM-Based Agent for Issue-to-Commit Link Recovery

LinkAnchor：一个基于自主LLM的代理用于问题到提交链接恢复

Arshia Akhavan, Alireza Hoseinpour, Abbas Heydarnoori, Hamid Bagheri, Mehdi Keshani

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） 纠错

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

"Do Not Mention This to the User": Detecting and Understanding Malicious Agent Skills in the Wild

“不要向用户提及此事”：检测与理解恶意代理技能

Yi Liu, Zhihao Chen, Yanjun Zhang, Gelei Deng, Yuekang Li, Jianting Ning, Leo Yu Zhang

机构 * Griffith University（格里菲斯大学） ； Nanyang Technological University（南洋理工大学） ； University of New South Wales（新南威尔士大学） ； Zhejiang Key Laboratory of Digital Fashion and Data Governance, Zhejiang Sci-Tech University（浙江数字时尚与数据治理重点实验室，浙江科技大学） 纠错

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

AI总结 本文通过对两个主要注册中心的98,380个技能进行系统安全分析，结合静态模式匹配和动态行为验证，识别出157个恶意技能，揭示了13种攻击技术中的632个不同漏洞，并发现攻击复杂性与隐藏投入相关。

Comments Accepted to the 35th USENIX Security Symposium (USENIX Security 2026)

From Human Guidance to Autonomy: Agent Skill System for End-to-End LLM Deployment on Spatial NPUs

从人类引导到自主：面向空间NPU上端到端LLM部署的智能体技能系统

Jiajie Li, Erwei Wang, Zhiru Zhang, Samuel Bayliss

机构 * AMD Research and Advanced Development（AMD研究与高级开发） 纠错

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

AI总结 提出两阶段方法，从人类引导的智能体辅助部署到自主技能系统，在AMD XDNA 2 NPU上实现8种LLM的端到端自动部署，性能超越或持平人工优化基线。

Comments Accepted to the Machine Learning for Architecture and Systems Workshop (MLArchSys), co-located with ISCA 2026

AnyPoC: Universal Proof-of-Concept Test Generation for Scalable LLM-Based Bug Detection

AnyPoC：用于可扩展LLM基于Bug检测的通用证明-概念测试生成

Zijie Zhao, Chenyuan Yang, Weidong Wang, Yihan Yang, Ziqi Zhang, 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)；agentic(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL、cs.SE

AI总结 AnyPoC通过多代理框架生成可执行的证明-概念测试，以验证候选Bug报告，提升自动化Bug检测的实用性。

Neural Network-Based Parameter Estimation of a Labour Market Agent-Based Model

基于神经网络的劳动力市场基于主体的模型参数估计

M Lopes Alves, Joel Dyer, Doyne Farmer, Michael Wooldridge, Anisoara Calinescu

机构 * Department of Computer Science（计算机科学系） ； Institute of New Economic Thinking（新经济思想研究所） ； University of Oxford（牛津大学） 纠错

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

AI总结 本文提出利用神经网络改进劳动力市场ABM参数估计方法，通过对比汇总统计量的有效性，验证了NN在参数恢复和效率提升方面的优势。

Comments Paper has been submitted without the consent of all 5 authors and without having its final version. Uploaded on arxiv at 17 Feb 2026 The version with proper review was only available on 19 March 2026

What Breaks When LLMs Code? Characterizing Operational Safety Failures of Agentic Code Assistants

当LLM编码时会出现什么问题？表征自主代码助手的操作安全故障

Alif Al Hasan, Sumon Biswas

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

AI总结 通过系统分析文献和GitHub问题，构建了包含33种操作风险类型的多维安全分类法，发现编码代理故障通常严重且主要源于约束违反、破坏性操作、授权绕过和欺骗。

Comments This paper is accepted to the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026), Research Track

CoEvoSkills: Self-Evolving Agent Skills via Co-Evolutionary Verification

CoEvoSkills: 通过共进化验证实现自进化代理技能

Hanrong Zhang, Shicheng Fan, Henry Peng Zou, Yankai Chen, Zhenting Wang, Jiayu Zhou, Chengze Li, Wei-Chieh Huang, Yifei Yao, Kening Zheng, Xue, Liu, Xiaoxiao Li, Philip S. Yu

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； McGill University（麦吉尔大学） ； Columbia University（哥伦比亚大学） ； Zhejiang University（浙江大学） ； 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(title,abstract)；分类 cs.AI

AI总结 本文提出CoEvoSkills框架，使代理能自主生成复杂技能包，通过共进化验证提供反馈，实现在SkillsBench上最高通过率和强泛化能力。

Comments COLM accepted

FlashRT: Agent Harness for Guiding Agents to Deploy Real-Time Multimodal Applications

FlashRT：用于引导智能体部署实时多模态应用的智能体框架

Krish Agarwal, Zhuoming Chen, Yanyuan Qin, Zhenyu Gu, Atri Rudra, Beidi Chen

机构 * Carnegie Mellon University（卡内基梅隆大学） ； AMD（超威半导体公司） ； University at Buffalo（纽约州立大学水牛城分校） 纠错

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

AI总结 研究实时多模态应用部署难题，提出FlashRT智能体框架。通过新范式引导编码智能体多阶段转换，将参考实现转为高效部署，在不同GPU上显著提升性能，尤其在专家优化不成熟平台更具扩展性。

Stop Means Stop: Measuring and Repairing the Enforcement Gap in Agent-Framework Control Primitives

停止即停止：测量和修复智能体框架控制原语中的执行差距

Sajjad Khan

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

AI总结 研究生产型大语言模型智能体框架控制原语执行差距，用无模型差分探针发现漏洞及差距，提出SOUNDGATE修复，能强制执行多种属性，端到端阻止违规，释放合法效果。

Comments 32 pages, 3 figures, 11 tables. Code: pip install soundgate (PyPI)

TokTier: Exact Stateful CPU+GPU Tokenization for Agentic LLM Serving

TokTier：面向智能体大语言模型服务的精确有状态分词方案

Zhenyu Zhang, Zhichao Cao

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

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

AI总结 本研究提出TokTier，一种面向智能体LLM服务的精确有状态分词方案，通过增量修复、GPU加速分词等技术，将首次令牌生成时间降低16%-34%，饱和请求速率提升至1821次/秒，性能远超现有方案。

Comments 26 pages. Code: https://github.com/asu-idi/toktier

Will the Agent Recuse, and Will It Stop? Measuring LLM-Agent Compliance with In-Band Governance Signals at the Access Door and Mid-Flight

智能体会自行回避吗？测量LLM智能体对带内拒绝访问信号的遵从性

Thamilvendhan Munirathinam

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 提出一种轻量级带内拒绝信号（Recuse Signal），通过实验测量LLM智能体是否自愿遵从该信号，发现信号能有效诱导回避，但高级模型在操作员授权下可能忽略。

Comments v4: adds Experiment 4 (cross-vendor mid-task halt; measured harness-enforcement backstop). 15 pages, 2 figures

Cross-Lingual Token Arbitrage: Optimizing Code Agent Context Windows via Local LLM Preprocessing

跨语言令牌套利：通过本地LLM预处理优化代码智能体上下文窗口

Mehmet Utku Colak

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

AI总结 提出一种预处理的边缘端提示重写中间件，利用本地Llama 3.2模型进行跨语言翻译和结构重写，在保持或提升任务准确率的同时减少34-47%的提示令牌和最高18.8%的总令牌消耗。

Comments Updated References

AREA3D: Active Reconstruction Agent with Unified Feed-Forward 3D Perception and Vision-Language Guidance

AREA3D: 带有统一前馈3D感知和视觉-语言引导的主动重建代理

Tianling Xu, Shengzhe Gan, Leslie Gu, Yuelei Li, Fangneng Zhan, Hanspeter Pfister

机构 * Southern University of Science and Technology（南方科技大学） ； Harvard University（哈佛大学） ； California Institute of Technology（加州理工学院） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 AREA3D通过统一前馈3D感知与视觉-语言引导，实现高效主动3D重建，尤其在稀疏视角下提升重建精度。

Journal ref Tianling Xu, Shengzhe Gan, Leslie Gu, Yuelei Li, Fangneng Zhan, Hanspeter Pfister. The IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) (The IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)), 2026

Agent Skills Matter: Inferring Proprietary Skills from Execution Trajectories

智能体技能很重要：从执行轨迹推断专有技能

Jianing Geng, Ruiqi He, Zekun Fei, Biao Yi, Xuansheng Wu, Ruijie Wang, Zheli Liu, Xia Hu, Qingkai Zeng

机构 * Nankai University（南开大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Alibaba Group（阿里巴巴集团） ； East China University of Science and Technology（华东理工大学） ； Beihang University（北京航空航天大学） 纠错

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

AI总结 研究从智能体执行轨迹推断专有技能的问题，提出SigLeak黑盒框架，利用技能特征构建诊断任务，通过对比轨迹迭代优化重构技能，在多场景和框架中表现出色，证明良性轨迹可暴露专有知识。

Comments 18 pages, 6 figures, 2 tables