代码大模型 / AI 编程

Operationalizing Conflict and Cooperation between Automated Software Agents in Wikipedia: A Replication and Expansion of 'Even Good Bots Fight'

R. Stuart Geiger, Aaron Halfaker

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

Comments 33 pages. In ACM CSCW 2018

Journal ref Proc ACM on Human Computer Interaction. 1(2), Article 49. CSCW 2018

An Ontology-based Adaptive Personalized E-learning System, Assisted by Software Agents on Cloud Storage

Monika Rani, Riju Nayak, O. P. Vyas

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

Software Agents Interaction Algorithms in Virtual Learning Environment

Zahi A. M. Abu Sarhan

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

Journal ref The World of Computer Science and Information Technology Journal (WSCIT). 2014, Volume 4, Issue 2. pp. 18.25

Investigating the use of Software Agents to Reduce The Risk of Undetected Errors in Strategic Spreadsheet Applications

Pat Cleary, Dr David Ball, Mukul Madahar, Simon Thorne, Christopher Gosling, Karen Fernandez

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

Comments 12 Pages, 3 Tables, 3 Figures

Journal ref Proc. European Spreadsheet Risks Int. Grp. (EuSpRIG) 2003 147-159 ISBN 1 86166 199 1

Agentless: Demystifying LLM-based Software Engineering Agents

Chunqiu Steven Xia, Yinlin Deng, Soren Dunn, Lingming Zhang

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

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 ：coding agent(title)；分类 cs.SE、cs.AI

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。

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

A Deterministic Control Plane for LLM Coding Agents

LLM编码代理的确定性控制平面

Padmaraj Madatha

机构 * Happiest Minds Technologies (AIP Centre of Excellence)（happiest minds technologies（aip中心卓越机构）） 纠错

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

AI总结 针对LLM编码代理配置缺乏管理的问题，提出确定性控制平面Rel(AI)Build，通过内容寻址、分层权限、阶段状态机等机制确保配置安全与一致性。

Comments 45 pages, 9 figures, 13 tables. Dataset and reproduction scripts: Zenodo DOI 10.5281/zenodo.20780913. Ancillary files include report.json, organizations.txt, and figure-reproduction scripts

No Accidental Software Agent First Canonical Code for Human Code Entropy Reduction and 30 to 500 times Lower Frontier Model Requirements

无意外软件智能体：首个用于人类代码熵降低的正则代码，以及30到500倍的前沿模型需求降低

Jepson Taylor

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

AI总结 提出智能体优先的正则代码方法，通过行为等价商化人类代码中的意外熵，实现30-500倍的前沿模型需求降低，核心是行为等价商化和证明携带变更。

Comments 36 pages

Getting Better at Working With You: Compiling User Corrections into Runtime Enforcement for Coding Agents

与你合作得更好：将用户修正编译为编码代理的运行时强制

Yujun Zhou, Kehan Guo, Haomin Zhuang, Xiangqi Wang, Yue Huang, Zhenwen Liang, Pin-Yu Chen, Tian Gao, Nuno Moniz, Nitesh V. Chawla, Xiangliang Zhang

机构 * University of Notre Dame（圣母大学） ； IBM Research（IBM研究院） ； Tencent AI Lab（腾讯AI实验室） 纠错

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

AI总结 提出TRACE方法，通过将用户修正编译为原子规则并在运行时强制执行，显著减少编码代理在后续任务中的偏好违反，优于纯记忆方法。

AI Coding Agents in Social Science: Methodologically Diverse, Empirically Consistent, Interpretively Vulnerable

社会科学中的AI编码智能体：方法多样，经验一致，解释脆弱

Meysam Alizadeh, Fabrizio Gilardi, Mohsen Mosleh, Enkelejda Kasneci

机构 * University of Oxford（牛津大学） ； University of Zurich（苏黎世大学） ； Technical University of Munich（慕尼黑工业大学） 纠错

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

AI总结 研究LLM智能体在科学分析中的方法多样性与解释脆弱性，通过20次独立实验发现智能体在设计层匹配或超越人类多样性，但在裁决层易受提示影响，偏差源于解释而非估计。

Socratic-SWE: Self-Evolving Coding Agents via Trace-Derived Agent Skills

Socratic-SWE：通过轨迹衍生智能体技能实现自我进化的编码智能体

Chuan Xiao, Zhengbo Jiao, Shaobo Wang, Wei Wang, Bing Zhao, Hu Wei, Linfeng Zhang, Lin Qu

机构 * AI Data, Alibaba Group（阿里云数据） ； Shanghai Jiao Tong University（上海交通大学） 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Socratic-SWE闭环自进化框架，通过将智能体历史求解轨迹蒸馏为结构化技能，生成针对性修复任务，实现编码智能体的持续自我改进。

Comments 21 pages, 5 figures. Under review

CodeEvolve: an open source evolutionary coding agent for algorithmic discovery and optimization

CodeEvolve：用于算法发现和优化的开源进化编码智能体

Henrique Assumpção, Diego Ferreira, Leandro Campos, Fabricio Murai

机构 * Inter Science - Inter&Co ； Federal University of Minas Gerais（联邦大学伯南迪斯） ； Worcester Polytechnic Institute（沃思彻斯特理工大学） 纠错

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

AI总结 提出CodeEvolve开源框架，结合大语言模型与岛屿进化搜索，通过灵感交叉、元提示和深度细化，在AlphaEvolve基准上匹配或超越5/9问题，并在匹配条件下优于OpenEvolve和ShinkaEvolve，以更低成本超越前沿闭源集成。

Comments 21 pages, 16 figures, 8 tables

CodeScout: Contextual Problem Statement Enhancement for Software Agents

CodeScout: 为软件代理提供上下文化的问题陈述增强

Manan Suri, Xiangci Li, Mehdi Shojaie, Songyang Han, Chao-Chun Hsu, Shweta Garg, Aniket Anand Deshmukh, Varun Kumar

机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Amazon Web Services (AWS)（亚马逊云服务（AWS）） ； Databricks 纠错

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

AI总结 CodeScout通过轻量级预探索将模糊请求转化为完整问题陈述，提升软件代理性能，实验表明其在解决率上提升20%。

SWE-Fuse: Empowering Software Agents via Issue-free Trajectory Learning and Entropy-aware RLVR Training

SWE-Fuse: 通过无问题轨迹学习和熵感知RLVR训练增强软件代理

Xin-Cheng Wen, Binbin Chen, Haoxuan Lan, Hang Yu, Peng Di, Cuiyun Gao

机构 * Ant Group（蚂蚁集团） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 SWE-Fuse通过融合问题描述引导和无问题样本，提升软件代理在解决现实问题中的性能，其熵感知训练模块有效平衡探索与稳定性。

Comments 19 pages

Devstral: Fine-tuning Language Models for Coding Agent Applications

Abhinav Rastogi, Adam Yang, Albert Q. Jiang, Alexander H. Liu, Alexandre Sablayrolles, Amélie Héliou, Amélie Martin, Anmol Agarwal, Andy Ehrenberg, Andy Lo, Antoine Roux, Arthur Darcet, Arthur Mensch, Baptiste Bout, Baptiste Rozière, Baudouin De Monicault, Chris Bamford, Christian Wallenwein, Christophe Renaudin, Clémence Lanfranchi, Clément Denoix, Corentin Barreau, Darius Dabert Devon Mizelle, Diego de las Casas, Elliot Chane-Sane, Emilien Fugier, Emma Bou Hanna, Gabrielle Berrada, Gauthier Delerce, Gauthier Guinet, Georgii Novikov, Graham Neubig, Guillaume Lample, Guillaume Martin, Himanshu Jaju, Jan Ludziejewski, Jason Rute, Jean-Malo Delignon, JeanHadrien Chabran, Joachim Studnia, Joep Barmentlo, Jonas Amar, Josselin Somerville Roberts, Julien Denize, Karan Saxena, Karmesh Yadav, Kartik Khandelwal, Khyathi Raghavi Chandu, Kush Jain, Lélio Renard Lavaud, Léonard Blier, Lingxiao Zhao, Louis Martin, Lucile Saulnier, Luyu Gao, Marie Pellat, Mathilde Guillaumin, Mathis Felardos, Matthieu Dinot, Maxime Darrin, Maximilian Augustin, Mickaël Seznec, Neha Gupta, Nikhil Raghuraman, Olivier Duchenne, Patricia Wang, Patrick von Platen, Patryk Saffer, Paul Jacob, Paul Wambergue, Paula Kurylowicz, Philomène Chagniot, Pierre Stock, Pravesh Agrawal, Rémi Delacourt, Roman Soletskyi, Romain Sauvestre, Sagar Vaze, Sanchit Gandhi, Sandeep Subramanian, Shashwat Dalal, Siddharth Gandhi, Soham Ghosh, Srijan Mishra, Sumukh Aithal, Szymon Antoniak, Teven Le Scao, Thibaut Lavril, Thibault Schueller, Thomas Foubert, Thomas Robert, Thomas Wang, Timothée Lacroix, Tom Bewley, Valeriia Nemychnikova, Victor Paltz, Virgile Richard, Wen-Ding Li, William Marshall, Xingyao Wang, Xuanyu Zhang, Yihan Wan, Yunhao Tang

机构 * Mistral AI 纠错

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

Where Is the Cost of Third-Party API Routers in Agentic Software Development?

代理软件开发中第三方 API 路由器的成本在哪里？

Donghao Fu, Jingxin Li, Xue Jiang, Yihong Dong

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 研究第三方 API 路由器在代理软件开发中的影响，通过实证研究编码代理中路由器端注入的四个干预级别，开发 SIDEL 框架评估代理，发现路由器端干预难测，客户端缓解措施未完全恢复控制，强调需提供商端输出完整性保证。

Is Agent Code Less Maintainable Than Human Code?

智能体代码比人类代码更不易维护吗？

Shaswat Patel, Betty Li Hou, Arun Purohit, Kai Xu, Jane Pan, He He, Valerie Chen

机构 * New York University（纽约大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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 研究通过CodeThread框架对比智能体与人类代码在维护场景下的表现，发现基于智能体代码解决任务的成功率下降高达13.1%，传统可维护性指标无法解释差异，而输入验证、错误处理等行为差异是关键因素。

SWE-CI: Evaluating Agent Capabilities in Maintaining Codebases via Continuous Integration

SWE-CI：通过持续集成评估代理在维护代码库中的能力

Jialong Chen, Xander Xu, Hu Wei, Chuan Chen, Bing Zhao

机构 * Sun Yat-sen University（中山大学） ； Alibaba Group（阿里巴巴集团） ； Skylenage 纠错

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

AI总结 SWE-CI通过持续集成循环构建首个仓库级基准，旨在将代码生成评估从静态短期功能性正确性转向动态长期可维护性，通过跟踪功能正确性随时间的变化揭示可维护性。

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。

VibeTensor: System Software for Deep Learning, Fully Generated by AI Agents

VibeTensor：由AI代理完全生成的深度学习系统软件

Bing Xu, Terry Chen, Fengzhe Zhou, Tianqi Chen, Yangqing Jia, Vinod Grover, Haicheng Wu, Wei Liu, Craig Wittenbrink, Wen-mei Hwu, Roger Bringmann, Ming-Yu Liu, Luis Ceze, Michael Lightstone, Humphrey Shi

机构 * NVIDIA 纠错

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

AI总结 VibeTensor是首个由AI代理完全生成的深度学习系统软件，实现了PyTorch风格的张量库及CUDA内存管理，展示了AI辅助软件工程的里程碑进展。

Comments Open-source: https://github.com/NVLabs/vibetensor

The Vulnerability With No CVE: Managing Persistent Gaps Between Mandate and Authority in AI Coding Agents

无CVE的漏洞：管理AI编码智能体中授权与权限之间的持续差距

Shayell Aharon Salomon Amir Shaked Matan Noga

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

AI总结 该研究针对AI编码智能体中授权与权限的持续差距，提出智能体姿态漏洞（APV）的概念，区分其与相关风险，提供定义、模式、生命周期等内容，为相关安全管理提供可操作框架。

PhoenixRepair: Rethinking Repair Strategy Exploration in Software Agents

PhoenixRepair：重新思考软件代理中的修复策略探索

Tianyue Jiang, Yanlin Wang, Xin He, Daya Guo, Jiachi Chen, Ming Wen, Ensheng Shi, Xilin Liu, Yuchi Ma, Guanbin Li

机构 * Zhejiang University（浙江大学） ； Huazhong University of Science and Technology（华中科技大学） ； Huawei CodeArts Model Team（华为代码艺术模型团队） 纠错

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

AI总结 研究针对现有软件代理修复策略探索不足的问题，提出PhoenixRepair多代理框架，通过多位置采样、迭代反思优化等扩大搜索空间，实验表明该框架在解决率和故障定位精度上有提升，实现了7.8%的相对改进及76.0%的最高解决率Pass@1。

Comments 14 pages, 5 figures

When and How Context Rot Appears in Coding Agents: A White-Box Study of Agent Skills in Code Auditing

在长上下文情况下代理技能如何失效：代码审计中的白盒研究

Yue Xue

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

AI总结 研究长上下文下代码审计中代理技能失效问题，通过改变上下文分类故障位置，对比不同条件下Codex等运行情况，发现长上下文影响大，不同任务表现有别，外部检查表效果好，编码代理支架有帮助，给出故障分类和实证案例。

Do Coding Agents Need Executable World Models, Simplification, and Verification to Solve ARC-AGI-3?

解决ARC-AGI-3编码智能体是否需要可执行世界模型、简化和验证？

Sergey Rodionov

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

AI总结 研究探讨解决ARC-AGI-3时编码智能体是否需可执行世界模型、简化和验证。通过四个基于Codex的嵌套智能体评估，发现各变体随模型和推理强度改进，组件影响因设置而异，完整验证处理最佳，文本变体在部分设置中表现出色。

Comments 31 pages, 2 figures

ScaleWoB: Guiding GUI Agents with Coding Agents via Large-Scale Environmental Synthesis

SimuWoB: 模拟真实世界移动应用以实现快速且保真的GUI智能体基准测试

Guohong Liu, Jialei Ye, Pengzhi Gao, Wei Liu, Jian Luan, Yunxin Liu, Yuanchun Li

机构 * Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR），清华大学） ； University of Electronic Science and Technology of China（电子科技大学） ； MiLM Plus, Xiaomi Inc.（小米公司MiLM Plus团队） 纠错

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

AI总结 针对现有移动GUI智能体基准测试与现实应用之间的差距，提出全合成基准SimuWoB，通过鲁棒的虚拟环境生成框架合成高保真任务和环境，自动提供有效奖励，实现对复杂长程交互的高效可重复评估。

Ask or Assume? Uncertainty-Aware Clarification-Seeking in Coding Agents

提问还是假设？编码代理中的不确定性意识澄清寻求

Nicholas Edwards, Sebastian Schuster

机构 * Faculty of Computer Science, University of Vienna（维也纳大学计算机科学系） ； UniVie Doctoral School Computer Science, University of Vienna（维也纳大学计算机科学博士学院） 纠错

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

AI总结 本研究评估了LLM代理在未指定任务中的澄清能力，提出了一种不确定性意识的多代理框架，提高了任务解决率，并展示了多代理系统在复杂任务中主动寻求信息的行为。

Comments 18 pages, 7 figures; added experiments evaluating open-weight models (Kimi K2.6), expanded related work, and included dataset validation details

Decoding the Configuration of AI Coding Agents: Insights from Claude Code Projects

解码AI编码代理的配置：来自Claude Code项目的洞察

Helio Victor F. Santos, Vitor Costa, Joao Eduardo Montandon, Marco Tulio Valente

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

AI总结 通过对328个Claude Code配置文件进行实证研究，揭示了代理编码系统的配置文件中指定的软件工程关注点及其共现模式，强调了定义架构约束的重要性。

Journal ref Accepted at 1st International Workshop on Agentic Engineering (AGENT 2026, colocated with ICSE), pages 63-67

CodeDistiller: Automatically Generating Code Libraries for Scientific Coding Agents

CodeDistiller：自动为科学编码代理生成代码库

Peter Jansen, Samiah Hassan, Pragnya Narasimha

机构 * University of Arizona（亚利桑那大学） ； Allen Institute for Artificial Intelligence（人工智能研究所） 纠错

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

AI总结 CodeDistiller通过自动提炼科学GitHub仓库代码，生成经过验证的领域特定代码库，提升科学发现系统实验的准确性与完整性。

Comments 8 pages, 3 figures, 3 tables. Accepted to ACL 2026 (Demo Track)