代码大模型 / AI 编程

SWE-Together: Evaluating Coding Agents in Interactive User Sessions

SWE-Together：在交互式用户会话中评估编码代理

Yifan Wu, Zhuokai Zhao, Songlin Li, Ho Hin Lee, Jiacheng Zhu, Shirley Wu, Tianhe Yu, Serena Li, Lizhu Zhang, Xiangjun Fan, Shengzhi Li

机构 * Meta 纠错

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

AI总结 提出SWE-Together基准，从真实用户-代理编码会话中重建多轮交互任务，并利用基于LLM的用户模拟器评估编码代理的协作能力，发现强代理成功率更高且干预更少。

Dockerless: Environment-Free Program Verifier for Coding Agents

Dockerless: 面向编码智能体的无环境程序验证器

Wenhao Zeng, Yuling Shi, Xiaodong Gu, Chao Hu, Chaofan Wang, Yuhao Cui, Hongting Zhou, Mengnan Qi, Jianqiao Wangni, Zhaojian Yu, Shuzheng Gao, Kai Cai, Shilin He

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

AI总结 提出Dockerless，一种无需执行代码即可验证补丁正确性的智能体验证器，通过智能体仓库探索收集证据判断补丁正确性，在验证基准上超越最强开源验证器14.3 AUC点，并实现完全无环境的训练后流程。

Red-Teaming Coding Agents from a Tool-Invocation Perspective: An Empirical Security Assessment

从工具调用角度审视代码代理的红队测试：一项经验性安全评估

Yuchong Xie, Mingyu Luo, Zesen Liu, Zhixiang Zhang, Kaikai Zhang, Yu Liu, Zongjie Li, Ping Chen, Shuai Wang, Dongdong She

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Fudan University（复旦大学） 纠错

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

AI总结 本文从工具调用角度对六个流行的代码代理进行红队测试，发现ToolLeak漏洞并实现远程代码执行，揭示了代码代理的安全风险及防御建议。

SWE-MeM: Learning Adaptive Memory Management for Long-Horizon Coding Agents

SWE-MeM：面向长周期编码代理的自适应内存管理学习

Shuzheng Gao, Wenhao Zeng, Zhaojian Yu, Jianqiao Wangni, Chaozheng Wang, Kai Cai, Shilin He, Michael R. Lyu

机构 * The Chinese University of Hong Kong, China（香港中文大学） ； Shanghai Jiao Tong University, China（上海交通大学） ； Tsinghua University, China（清华大学） ； ByteDance, China（字节跳动） 纠错

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

AI总结 提出SWE-MeM训练框架，通过灵活的内存工具和Memory-aware GRPO优化，让代理在有限上下文预算下自主决定压缩时机、内容和方式，在SWE-Bench Verified上以4B和30B模型分别达到43.4%和60.2%的解决率，优于现有方法。

Building to the Test: Coding Agents Deliver What You Check, Not What You Requested

为测试而构建：编码代理交付的是你检查的内容，而非你请求的内容

Yanuo Ma, Ben Kereopa-Yorke, Ben Schultz

机构 * Microsoft（微软） 纠错

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

AI总结 研究发现，在代码生成任务中，编码代理在测试存在时得分接近完美，但实际交付的库却残缺不全，揭示了“为测试而构建”的倾向，并提出了“验证自我意识”这一概念。

Comments 27 pages (9 main + 14 appendix), 2 figures, 5 tables

Code Reasoning for Software Engineering Tasks: A Survey and A Call to Action

代码推理用于软件工程任务：调查与呼吁行动

Saurabh Pujar, Ira Ceka, Irene Manotas, Gail Kaiser, Baishakhi Ray, Shyam Ramji

机构 * IBM ； Columbia University（哥伦比亚大学） 纠错

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

AI总结 本文调查代码推理技术，探讨其在软件工程任务中的影响，提出未来研究方向。

Comments Published in Transactions on Machine Learning Research (06/2026) 40 pages, 8 figures, 11 tables

SWE-fficiency: Can Language Models Optimize Real-World Repositories on Real Workloads?

SWE-fficiency：语言模型能否在真实工作负载上优化现实世界仓库？

Jeffrey Jian Ma, Milad Hashemi, Amir Yazdanbakhsh, Kevin Swersky, Ofir Press, Enhui Li, Vijay Janapa Reddi, Parthasarathy Ranganathan

机构 * Harvard University（哈佛大学） ； Google DeepMind（谷歌DeepMind） ； Princeton University（普林斯顿大学） ； Google（谷歌） 纠错

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

AI总结 本文提出SWE-fficiency基准，评估语言模型在真实工作负载上优化软件仓库性能的能力，发现现有模型在定位优化机会和保持正确性方面表现不佳。

Comments Appearing at ICML 2026. Data, code, and leaderboard are available at https://swefficiency.com/

SWE-INTERACT: Reimagining SWE Benchmarks as User-Driven Long-Horizon Coding Sessions

SWE-INTERACT: 将 SWE 基准重新构想为用户驱动的长周期编码会话

Mohit Raghavendra, Anisha Gunjal, Aakash Sabharwal, Yunzhong He

机构 * Scale AI 纠错

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

AI总结 提出 SWE-Interact 测试平台，通过用户模拟器模拟多轮交互式软件开发任务，评估编码代理在模糊需求、渐进反馈和迭代修订下的意图发现与自适应能力。

Comments -

AI Training Manager: Bounded Closed-Loop Control of Adaptive Training Recipes

AI训练管理器：自适应训练配方的有界闭环控制

Anjali Rao, Nikhil Kamalkumar Advani

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

AI总结 提出一种基于LLM的有界监督控制器，通过结构化遥测和约束动作空间，动态调整学习率、正则化等超参数，解决训练中的过拟合、损失不平衡等问题，在语言建模和强化学习任务中提升性能。

Comments 12 pages, 9 figures

Exploring LLM Agent Designs and Interaction Modalities for Scientific Visualization

探索LLM代理在科学可视化中的交互范式

Jackson Vonderhorst, Kuangshi Ai, Haichao Miao, Shusen Liu, Chaoli Wang

机构 * Univ. Notre Dame（诺特难大学） ； LLNL（劳伦斯利弗莫尔国家实验室） 纠错

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

AI总结 本文研究不同类型的LLM代理在科学可视化任务中的表现，通过评估八种代表性代理在15个基准任务中的可视化质量、效率、鲁棒性和计算成本，发现通用编程代理任务成功率最高但计算成本高，领域专用代理更高效稳定但灵活性差，计算机使用代理在单步任务表现良好但多步流程受限。