代码大模型 / AI 编程

When the Specification Emerges: Benchmarking Faithfulness Loss in Long-Horizon Coding Agents

当规范出现时：长期远 horizon 编码代理中忠实度损失的基准测试

Lu Yan, Xuan Chen, Xiangyu Zhang

机构 * Purdue University（普渡大学） 纠错

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

AI总结 本文提出一个基准测试，研究在逐步披露目标设计时，编码代理中忠实度损失（SLUMP）的变化，通过20篇最新ML论文和371个可验证组件评估不同平台的实现忠实度。

CodeScout: An Effective Recipe for Reinforcement Learning of Code Search Agents

CodeScout: 一种有效的强化学习代码搜索代理训练方法

Lintang Sutawika, Aditya Bharat Soni, Bharath Sriraam R R, Apurva Gandhi, Taha Yassine, Sanidhya Vijayvargiya, Yuchen Li, Xuhui Zhou, Yilin Zhang, Leander Melroy Maben, Graham Neubig

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

AI总结 本文提出CodeScout，通过强化学习方法训练仅使用标准Unix终端的代码搜索代理，实验证明其在多个基准测试中优于大型语言模型。

ArchBench: Benchmarking Generative-AI for Software Architecture Tasks

Bassam Adnan, Aviral Gupta, Sreemaee Akshathala, Karthik Vaidhyanathan

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

Comments 5 pages, 3 figures, Software Architecture Showcase Track, ICSA 2026

FailureMem: A Failure-Aware Multimodal Framework for Autonomous Software Repair

FailureMem: 一种面向故障的多模态框架用于自主软件修复

Ruize Ma, Yilei Jiang, Shilin Zhang, Zheng Ma, Yi Feng, Vincent Ng, Zhi Wang, Xiangyu Yue, Chuanyi Li, Lewei Lu

机构 * Nanjing University（南京大学） ； SenseTime（秒速） ； The Chinese University of Hong Kong（香港中文大学） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） 纠错

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

AI总结 本文提出FailureMem框架，通过融合工作流代理、主动感知工具和故障记忆库，提升多模态自动程序修复的效率与准确性，实验表明其在GUI修复任务中解决率提升3.7%。

VeriGrey: Greybox Agent Validation

VeriGrey：灰盒代理验证

Yuntong Zhang, Sungmin Kang, Ruijie Meng, Marcel Böhme, 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 ：coding agent(abstract)；分类 cs.AI

AI总结 本文提出VeriGrey方法，通过工具调用序列反馈函数驱动测试过程，发现LLM代理中隐含的提示注入漏洞，并在实际案例中验证其有效性。