代码大模型 / AI 编程

Illuminating LLM Coding Agents: Visual Analytics for Deeper Understanding and Enhancement

Junpeng Wang, Yuzhong Chen, Menghai Pan, Chin-Chia Michael Yeh, Mahashweta Das

机构 * Visa Research（Visa研究） 纠错

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

Comments 11 pages, 10 figures

SWE-Search: Enhancing Software Agents with Monte Carlo Tree Search and Iterative Refinement

Antonis Antoniades, Albert Örwall, Kexun Zhang, Yuxi Xie, Anirudh Goyal, William Wang

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

Comments Main body: 10 pages, 5 figures. Appendix: 5 pages, 4 figures. Open-source codebase

Feedback-Normalized Developer Memory for Reinforcement-Learning Coding Agents: A Safety-Gated MCP Architecture

反馈归一化的开发者内存用于强化学习编码代理：一种安全门控MCP架构

Mehmet Iscan

机构 * PythaLab, Yildiz Technical University, Istanbul, Türkiye（PythaLab，伊兹密尔技术大学，伊斯坦布尔，土耳其） 纠错

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

AI总结 本文提出RL Developer Memory架构，通过归一化反馈和安全门控机制提升强化学习编码代理的内存管理，实验证明其在确定性任务中的有效性。

Comments 25 pages, 5 figures, 7 tables. Preprint. Implementation and supplementary artifacts are available at the project repository

Agentic Agile-V: From Vibe Coding to Verified Engineering in Software and Hardware Development

Agentic Agile-V: 从Vibe编码到验证工程在软件和硬件开发中

Christopher Koch

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 本文研究了代理AI在软件和硬件开发中的应用，提出Agentic Agile-V框架，通过SCOPE-V循环将对话意图转化为结构化工程成果，并贡献了最小输入艺术品类税、对话到合同门、风险自适应工作流和证据包接受模型。

Comments 7 pages, 1 figure

HyperAgent: Generalist Software Engineering Agents to Solve Coding Tasks at Scale

Huy Nhat Phan, Tien N. Nguyen, Phong X. Nguyen, Nghi D. Q. Bui

专题命中 软件智能体 ：code generation(abstract)；software agent(abstract)；program repair(abstract)；repository(abstract)

Comments 49 pages

REAP: Automatic Curation of Coding Agent Benchmarks from Interactive Production Usage

REAP：从交互生产使用自动整理编码代理基准

Smriti Jha, Matteo Paltenghi, Chandra Maddila, Vijayaraghavan Murali, Shubham Ugare, Satish Chandra

机构 * Meta, USA（Meta公司） 纠错

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

AI总结 REAP通过自动化流程从真实开发者与代理交互中构建生产基准，解决评估信号不可靠问题，通过LLM分类和多轮稳定性检查确保基准可信。

Comments Accepted at ASE 2026 Industry Showcase

CORVUS: Context Optimization and Reduction Via Underlying Synchronization for LLM Coding Agents

CORVUS：通过底层同步实现大语言模型编码代理的上下文优化与缩减

Mingwei Zheng, David OBrien, Siwei Cui, Pardis Pashakhanloo, Rajdeep Mukherjee, Myeongsoo Kim, Sachit Kuhar

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

AI总结 研究针对大语言模型编码代理传统轨迹架构问题，提出CORVUS架构解耦文件读取与观察，通过维护同步注册表注入当前内容，经实验评估，该架构能减少输入令牌、缩短提示并减少推理周期，保持通过率。

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 ：coding agent(title,abstract)；分类 cs.SE、cs.AI、cs.LG

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。

When Does Restricting a Coding Agent to execute_code Help? A Regime $\times$ Agent-Design Ablation

限制编码代理执行代码何时有用？一种机制×代理设计消融研究

Hong Yang, Qi Yu, Travis Desell

机构 * Rochester Institute of Technology（罗切斯特技术学院） 纠错

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

AI总结 研究现代编码代理不同工具表面有效性，通过在特定任务上对两种代理进行三臂消融实验，发现最便宜工具表面由任务机制和代理设计共同决定，主要成本信号是缓存调整成本而非通过率。

Comments 9 pages (excluding references), 4 figures, 4 tables. Accepted to the Agentic Software Engineering (SE 3.0) Workshop at KDD 2026 (non-archival)

Strained Coherence: A Pre-Failure Signal in Coding Agent Execution Trajectories

应变连贯性：编码代理执行轨迹中的故障前信号

Marut Pandya, Kasey Zhang, Baiqing Lyu

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

AI总结 提出“应变连贯性”模式，即编码代理识别到问题但仍按原计划行动，通过构建Claude Sonnet 4.6检测器在44条轨迹上实现94%故障预测精度，优于基线方法。

SpecBench: Measuring Reward Hacking in Long-Horizon Coding Agents

SpecBench: 评估长周期编码代理中的奖励黑客现象

Bingchen Zhao, Dhruv Srikanth, Yuxiang Wu, Zhengyao Jiang

机构 * Weco AI 纠错

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

AI总结 该研究通过分解软件工程任务，提出了一种评估长周期编码代理中奖励黑客现象的方法，通过比较可见测试套件和隐藏测试套件的通过率差异，引入了SpecBench基准，展示了奖励黑客现象在不同任务长度上的显著影响。

Overeager Coding Agents: Measuring Out-of-Scope Actions on Benign Tasks

过度激进的编码代理：在良性任务中测量超出范围的动作

Yubin Qu, Ying Zhang, Yanjun Zhang, Gelei Deng, Yuekang Li, Leo Yu Zhang, Yi Liu

机构 * Griffith University（格里菲斯大学） ； Wake Forest University（威克森林大学） ； Nanyang Technological University（南洋理工大学） ； University of New South Wales（新南威尔士大学） ； Quantstamp 纠错

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

AI总结 本文提出OverEager-Gen基准，用于评估编码代理在良性任务中超出范围的行为。研究发现，当基准中明确列出授权范围时，代理会停止推断边界并开始匹配声明文本，从而影响测量有效性。通过行为梯度验证器和双通道堆栈审计内部工具调用，验证了不同框架下的过度激进行为差异。

SWE-Chain: Benchmarking Coding Agents on Chained Release-Level Package Upgrades

SWE-Chain：基于链式发布级包升级的编码代理基准测试

Man Ho Lam, Chaozheng Wang, Hange Liu, Jingyu Xiao, Haau-sing Li, Jen-tse Huang, Terry Yue Zhuo, Michael R. Lyu

机构 * The Chinese University of Hong Kong（香港中文大学） ； Independent（独立） ； ELLIS ； Technical University of Darmstadt（达姆施塔特技术大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Monash University（墨尔本大学） 纠错

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

AI总结 SWE-Chain通过链式发布级包升级评估编码代理，包含12个升级链和155个版本过渡，揭示当前代理在连续维护中的不足。

SlopCodeBench: Benchmarking How Coding Agents Degrade Over Long-Horizon Iterative Tasks

SlopCodeBench：评估编码代理在长周期迭代任务中性能退化的基准测试

Gabriel Orlanski, Devjeet Roy, Alexander Yun, Changho Shin, Alex Gu, Albert Ge, Dyah Adila, Nicholas Roberts, Frederic Sala, Aws Albarghouthi

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Washington State University（华盛顿州立大学） ； MIT（麻省理工学院） 纠错

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

AI总结 本文提出SlopCodeBench，通过36个问题和196个检查点评估编码代理在长周期迭代任务中的性能退化，发现代理代码在结构上逐渐退化并产生冗余代码，人类代码退化更慢。

Comments Code and Leaderboards are located at https://www.scbench.ai

Can Coding Agents Reproduce Findings in Computational Materials Science?

编码代理能否在计算材料科学中复现研究成果？

Ziyang Huang, Yi Cao, Ali K. Shargh, Jing Luo, Ruidong Mei, Mohd Zaki, Zhan Liu, Wyatt Bunstine, William Jurayj, Somdatta Goswami, Tyrel McQueen, Michael Shields, Jaafar El-Awady, Paulette Clancy, Benjamin Van Durme, Nicholas Andrews, William Walden, Daniel Khashabi

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 研究探讨编码代理在计算材料科学领域复现研究结果的能力，提出AutoMat基准测试，发现当前LLM代理在复现复杂科学流程时表现有限，存在流程不完整、方法偏差等问题。

SWE-QA: Can Language Models Answer Repository-level Code Questions?

SWE-QA: 语言模型能否回答仓库级代码问题？

Weihan Peng, Yuling Shi, Yuhang Wang, Xinyun Zhang, Beijun Shen, Xiaodong Gu

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本文提出SWE-QA基准，旨在研究自动化QA系统在真实代码环境中的能力，包含576个高质量问题对，涵盖意图理解、跨文件推理和多跳依赖分析，评估六种先进LLM在不同上下文增强策略下的表现。

Comments Accepted to ACL 2026 Findings. Code and data available at https://github.com/peng-weihan/SWE-QA-Bench

Asymmetric Goal Drift in Coding Agents Under Value Conflict

编码代理在价值冲突下的非对称目标漂移

Magnus Saebo, Spencer Gibson, Tyler Crosse, Achyutha Menon, Eyon Jang, Diogo Cruz

机构 * Columbia University（哥伦比亚大学） ； Independent（独立） ； Georgia Tech（佐治亚理工学院） ； UC San Diego（加州大学圣地亚哥分校） ； MATS ； SPAR 纠错

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

AI总结 研究编码代理在价值冲突中如何平衡系统提示与实际任务，发现其目标漂移受价值对齐、对抗压力和累积上下文影响，且环境压力可 override 显式约束。

Comments 5 pages, 4 figures, Published as a workshop paper in Lifelong Agents @ ICLR 2026

Can Coding Agents Be General Agents?

编码代理可以是通用代理吗？

Maksim Ivanov, Abhijay Rana, Gokul Prabhakaran

机构 * Agentic Labs 纠错

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

AI总结 本文探讨编码代理能否实现端到端业务流程自动化，发现其在简单任务上表现可靠，但在复杂任务上存在瓶颈，指出领域逻辑与代码执行的衔接是通用性关键障碍。

SWE-QA-Pro: A Representative Benchmark and Scalable Training Recipe for Repository-Level Code Understanding

SWE-QA-Pro：一个代表性的基准和可扩展的训练配方用于仓库级代码理解

Songcheng Cai, Zhiheng Lyu, Yuansheng Ni, Xiangchao Chen, Baichuan Zhou, Shenzhe Zhu, Yi Lu, Haozhe Wang, Chi Ruan, Benjamin Schneider, Weixu Zhang, Xiang Li, Andy Zheng, Yuyu Zhang, Ping Nie, Wenhu Chen

机构 * University of Waterloo（滑铁卢大学） ； University of Toronto（多伦多大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； McGill University & MILA（麦吉尔大学及MILA） ； Verdent AI, Inc.（Verdent AI公司） 纠错

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

AI总结 本文提出SWE-QA-Pro基准，通过多样化的长尾仓库和可执行环境构建，验证了代理工作流在代码理解任务中的优势，并提出可扩展的合成数据管道和两阶段训练方法，使小型模型在复杂行为学习中取得优异表现。

Wink: Recovering from Misbehaviors in Coding Agents

Wink: 代码代理中行为失误的恢复

Rahul Nanda, Chandra Maddila, Smriti Jha, Euna Mehnaz Khan, Matteo Paltenghi, Satish Chandra

机构 * Meta Platforms, Inc.（Meta平台公司） 纠错

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

AI总结 Wink通过异步自我干预系统有效恢复代码代理的行为失误，减少工具调用失败和人工干预需求。

Hybrid-Gym: Training Coding Agents to Generalize Across Tasks

Hybrid-Gym: 训练能够跨任务泛化的编码代理

Yiqing Xie, Emmy Liu, Gaokai Zhang, Nachiket Kotalwar, Shubham Gandhi, Sathwik Acharya, Xingyao Wang, Carolyn Rose, Graham Neubig, Daniel Fried

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 Hybrid-Gym通过设计合成任务训练编码代理，提升其跨任务泛化能力，在多个基准测试中取得显著效果。

CooperBench: Why Coding Agents Cannot be Your Teammates Yet

CooperBench：为何编码代理还不能成为你的队友

Arpandeep Khatua, Hao Zhu, Peter Tran, Arya Prabhudesai, Frederic Sadrieh, Johann K. Lieberwirth, Xinkai Yu, Yicheng Fu, Michael J. Ryan, Jiaxin Pei, Diyi Yang

机构 * Stanford University（斯坦福大学） ； SAP Labs US（SAP美国实验室） 纠错

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

AI总结 CooperBench通过大规模协作编码任务测试，发现AI代理在团队协作中表现不佳，揭示了沟通障碍、承诺偏离和期望错误等关键问题，呼吁发展社交智能。

Comments https://cooperbench.com First two authors contribute equally. The 3th - 6th authors contribute equally

Training Versatile Coding Agents in Synthetic Environments

在合成环境中训练多功能编码代理

Yiqi Zhu, Apurva Gandhi, Graham Neubig

机构 * Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 SWE-Playground通过从头生成项目和任务，训练多功能编码代理，能够处理更广泛的编码任务并提升性能。

AInsteinBench: Benchmarking Coding Agents on Scientific Repositories

AInsteinBench：在科学仓库中评估编码代理的基准测试

Titouan Duston, Shuo Xin, Yang Sun, Daoguang Zan, Aoyan Li, Shulin Xin, Kai Shen, Yixiao Chen, Qiming Sun, Ge Zhang, Jiashuo Liu, Huan Zhou, Jingkai Liu, Zhichen Pu, Yuanheng Wang, Bo-Xuan Ge, Xin Tong, Fei Ye, Zhi-Chao Zhao, Wen-Biao Han, Zhoujian Cao, Yueran Zhao, Weiluo Ren, Qingshen Long, Yuxiao Liu, Anni Huang, Yidi Du, Yuanyuan Rong, Jiahao Peng

机构 * Princeton University（普林斯顿大学） 纠错

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

AI总结 AInsteinBench通过评估大型语言模型在科学计算开发中的能力，提供了一个基于真实科研软件生态系统的基准测试。

More with Less: An Empirical Study of Turn-Control Strategies for Efficient Coding Agents

更多但更少：一种关于高效编码代理的实证研究：回合控制策略

Pengfei Gao, Chao Peng

机构 * ByteDance（字节跳动） 纠错

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

AI总结 本文通过实证研究分析了编码代理的回合控制策略，发现动态资源分配在成本和效率之间取得平衡，优于固定回合限制方法。

AutoMLGen: Navigating Fine-Grained Optimization for Coding Agents

Shangheng Du, Xiangchao Yan, Dengyang Jiang, Jiakang Yuan, Yusong Hu, Xin Li, Liang He, Bo Zhang, Lei Bai

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

The Rise of AI Teammates in Software Engineering (SE) 3.0: How Autonomous Coding Agents Are Reshaping Software Engineering

Hao Li, Haoxiang Zhang, Ahmed E. Hassan

机构 * Queen's University（女王大学） 纠错

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

SWE-Bench-CL: Continual Learning for Coding Agents

Thomas Joshi, Shayan Chowdhury, Fatih Uysal

机构 * Columbia University（哥伦比亚大学） 纠错

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

Verbal Process Supervision Elicits Better Coding Agents

Hao-Yuan Chen, Cheng-Pong Huang, Jui-Ming Yao

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

Engineering Reliable Coding Agents: Evaluating and Operating the System Around the Model

构建可靠的编码智能体：评估与运行模型周边系统

Stephanie Jarmak

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

AI总结 本研究针对AI编码智能体的可靠性问题，整合多源证据构建系统级评估与运行框架，区分模型与基础设施效应，提出可靠性记录目录及相关方法以提升智能体系统可靠性。

Comments Technical review and engineering monograph, 314 pages, 30 figures. Includes an evidence audit, a companion research artifact with 206 reliability records, and runnable protocols for evaluating and operating AI coding agents. August 2026. Source, companion, and reusable protocols: https://github.com/sjarmak/engineering-reliable-coding-agents