代码大模型 / AI 编程

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

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。

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

Looping Is Not Reliability: State-Bound Evidence and Typed Revision Contracts for Agentic Code Repair

循环并非可靠性保障：智能代码修复的状态约束证据与类型化修订契约

Xueping Gao, Jianwei Yang, Qiang Yang

机构 * Alibaba Cloud（阿里云） 纠错

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

AI总结 研究编码智能体中生成-测试-修订循环的可靠性问题，通过实验揭示相关差距及问题，提出证据约束的类型化循环契约并实例化其可机械执行子集，实现规范与工件，非证明修复能力提升等。

Comments 11 pages, 4 figures, 6 tables

Why Git Is the Memory Solution for the Agentic Development Lifecycle

为什么Git是智能开发生命周期的记忆解决方案

Frank Guo

机构 * MIT（麻省理工学院） 纠错

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

AI总结 研究智能开发生命周期中代码变更推理过程的记忆问题，提出将记忆与Git绑定的方法，通过解决种子供应和答案组装问题，实现低令牌数回答且结果可复制。

Comments 8 pages

3100 Opinions on Code Review in an AI World: Building Causal Theory from Practitioner Discourse

人工智能时代关于代码审查的3100种观点：从从业者话语中构建因果理论

Shyam Agarwal, Courtney Miller, Christian Kästner, Bogdan Vasilescu

机构 * 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.AI

AI总结 研究人工智能对代码审查的影响，通过收集从业者话语构建因果模型，明确审查是控制点，团队决定编码代理对软件影响，转化相关命题，还提供LLM辅助灰色文献理论构建方法。

The Spec Growth Engine: Spec-Anchored, Code-Coupled, Drift-Enforced Architecture for AI-Assisted Software Development

规范增长引擎：AI辅助软件开发的规范锚定、代码耦合、漂移强制架构

Hartwig Grabowski

机构 * Hochschule Offenburg（奥芬堡应用科学大学） 纠错

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

AI总结 提出规范增长引擎框架，通过机器可读的规范图、Spine上下文组装器、垂直切片增长协议和漂移门，解决AI编码代理中的上下文爆炸和规范-代码漂移问题。

Beyond Simpson's Paradox: A Cascade of Confounders in AI Agent Pull-Request Co-Authorship

超越辛普森悖论：AI 智能体拉取请求合著中的级联混杂因素

Haoran Yu, Xiaochong Jiang, Lifei Liu, Su Wang, Pin Qian, Yihang Chen

机构 * Independent Researcher（独立研究者） ； Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 本研究通过分层分析和多级控制，揭示了AI编码智能体拉取请求合著与合并率之间的关联主要由智能体组成、仓库选择和PR结构等混杂因素驱动，而非因果关系。

Comments 5 pages. Accepted at the KDD 2026 Workshop on Agentic Software Engineering (SE 3.0)

All Smoke, No Alarm: Oracle Signals in Agent-Authored Test Code

全是烟雾，没有警报：智能体编写的测试代码中的Oracle信号

Dipayan Banik, Kowshik Chowdhury, Shazibul Islam Shamim

机构 * Dipayan Banik（迪帕扬·班克） ； Kowshik Chowdhury（克什基·乔乌德里） ； Shazibul Islam Shamim（沙齐布·伊斯兰·沙米） 纠错

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

AI总结 研究智能体编写的测试代码中Oracle信号的存在情况，发现80.2%的测试补丁缺乏强Oracle信号，但强Oracle与合并可能性显著正相关（OR=1.28）。

Comments Accepted at the 8th IEEE International Conference on Artificial Intelligence Testing, 2026

What makes a harness a harness: necessary and sufficient conditions for an agent harness

什么使一个工具成为工具：智能体工具的必要和充分条件

Sanderson Oliveira de Macedo

机构 * Federal Institute of Goiás（戈亚斯联邦理工学院） 纠错

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

AI总结 本文通过概念分析，定义了智能体工具的必要和充分条件，并提供了包含/排除测试，以区分智能体工具与智能体框架、SDK、IDE插件等。

The Scaffolding Matters More Than the Interface: A Controlled Comparison of MCP and CLI Tool Use Across Seven Agent Scaffoldings, Five Language Models, and One Software Task

脚手架比接口更重要：在七种智能体脚手架、五种语言模型和一项软件任务中对MCP与CLI工具使用的对照比较

Marc Alier Forment, María José Casañ Guerrero, Francisco José García-Peñalvo, Juanan Pereira

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

AI总结 该研究通过对照实验发现，智能体脚手架对AI编码智能体的工具使用成本影响远大于接口，MCP并非必要，且智能体常忽略分配的接口，相关数据已开源。

Comments 29 pages, 4 figures, 8 tables. Companion methodology paper: arXiv:2606.11869. Dataset and measurement harness (open source, GPL-3.0): https://doi.org/10.5281/zenodo.21851992

From Social Coding to Agentic Coding: Productivity and Relational Reconfiguration in Open-Source Communities

从社交编码到智能体编码：开源社区中的生产力与关系重构

Mengying Zhou, Yongjie Yin, Yang Chen

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

AI总结 该研究基于含1084名开发者的GitHub数据模拟发现，编码智能体（CA）可提升开源社区生产力，但采用率低且收益集中于活跃开发者，还会减少人类直接交互、降低公共知识实用性。

SetGo: Metadata Readiness for Scientific AI Datasets

SetGo：科学人工智能数据集的元数据就绪性

Sean R. Wilkinson, Polina Shpilker, Wesley Brewer

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

AI总结 研究针对科学AI数据集元数据就绪性评估工具缺失的问题，提出开源工具SetGo，能从六个维度评估修复元数据，揭示通用工具未发现的缺陷，提升公平性分数，还可集成大语言模型支持自动化工作流程。

Comments 6 pages; accepted at SSDBM 2026

Predicting Acceptance and Review Effort in Human and Agent Pull Requests

预测人类和智能体拉取请求的接受情况及评审工作量

Kartik Ghanshyambhai Pansuriya, Ehsan Ghorbani, Deepak Singh, Eman Abdullah AlOmar

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

AI总结 研究在拉取请求打开时预测其接受情况及评审工作量的可行性，利用AIDev数据集构建预测管道，评估多种机器学习模型，发现接受度预测可行，评审工作量预测较难，早期模型可支持分类和优先级排序，应作咨询工具。

FlowArk: Boosting Agentic Data-flow Analysis for Android Apps via Context-Aware Knowledge Reuse

FlowArk：通过上下文感知知识重用提升安卓应用的智能数据流分析

Yiming Zhang, Jiangrong Wu, Yuhong Nan

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

AI总结 研究安卓应用数据流分析中批量任务重复分析成本高的问题，提出FlowArk系统，通过提炼、打包和注入知识条目降低成本，实验表明其在保持分析质量的同时，能降低API成本并增加任务完成量。

Comments 12 pages, 9 figures, 6 tables

SWE-Review: Closing the Loop on Issue Resolution with Agentic Code Review

SWE-Review：通过智能代码审查解决问题闭环

Ruoyu Wang, Jierun Chen, Shaowei Wang, Chaofan Tao, Sidi Yang, Yuxin Jiang, Kim-Hui Yap, Lifeng Shang, Xiaohui Li, Haoli Bai

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

AI总结 研究通过智能代码审查闭合PR生成环的问题，核心方法是SWE-Review框架，由审查代理进行审查并提供反馈。主要贡献是能持续改进PR，在多方面表现优于单轮审查，还能推动AI编码代理从一次性PR生成迈向闭环问题解决。

AI Agent Pull Requests on GitHub: Frequency, Structure, and Merge Conflict Rates

GitHub上的AI代理拉取请求：频率、结构和合并冲突率

George Xu, Arjun Subramanian, Nithilan Karthik

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

AI总结 利用AIDev-pop数据集对AI代理编写的拉取请求并发情况进行大规模实证分析，发现特定时间重叠下部分仓库有协同活动的请求对，多数为同一代理，还研究了合并冲突率及冲突类型。

Comments 7 pages, 4 figures, 2 tables. Replication package: https://doi.org/10.5281/zenodo.21186464

Libra: Training the Environment for Agentic Information Retrieval

Libra: 为智能信息检索训练环境

Xuan Zhao, Andy Chiu, Gengyu Wang

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

AI总结 提出Libra框架，通过引入可变目录和LLM驱动优化循环，自动改进代码仓库的索引结构，提升代码定位准确率，并实现跨模型和问题的零样本迁移。

Knowledge-Based Pull Requests: A Trusted Workflow for Agent-Mediated Knowledge Collaboration

基于知识的拉取请求：一种可信的智能体中介知识协作工作流

Xinyu Zhang, Weiwei Sun

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

AI总结 提出知识型拉取请求（KPR）工作流，通过分离知识采纳与实现合并，利用智能体蒸馏外部知识并再生代码，以降低跨信任边界的软件协作成本。

Scattering Amplitudes as Programs: Self-Evolving Search for Theory and Event Generation

作为程序的散射振幅：理论与事件生成的自演化搜索

Yi Gu, Sven Krippendorf

专题命中 软件智能体 ：repository(abstract)；coding agent(abstract)

AI总结 该研究将散射振幅视为程序，连接揭示解析结构与构建数值评估器的目标。通过自演化程序搜索进行缩放、结构和精确操作搜索，优化振幅计算，在多个过程测试中取得加速等成果，初步证明部分振幅优化可系统化。

Comments 29 pages, 8 figures

SkillOpt-Lite: Better and Faster Agent Self-evolution via One Line of Vibe

SkillOpt-Lite：通过一行代码实现更好更快的智能体自我进化

Yifei Shen, Bo Li, Xinjie Zhang

机构 * LMMs-Lab（LMMs实验室） ； NTU MMLab（国立台湾大学MMLab） ； Microsoft（微软公司） 纠错

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

AI总结 研究智能体技能优化，通过零阶优化形式化，基于相关理念和学习建立收敛与泛化原则，提出SkillOpt-Lite加速收敛且性能优，还集成到生产编码智能体，最小管道可推广到完整 harness 优化。

Evaluating LLMs on Real-World Software Performance Optimization

评估大语言模型在真实软件性能优化中的表现

Ezgi Sarıkayak, Wenchao Gu, Hesham Ghonim, Chunyang Chen

机构 * Siemens AG（西门子公司） ； Technical University of Munich（慕尼黑技术大学） ； Heilbronn, Germany（德国海德堡） ； Munich, Germany（德国慕尼黑） 纠错

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

AI总结 针对现有基准过度简化性能优化的问题，提出基于102个专家优化的仓库级基准SWE-Pro，评估LLM在运行时、峰值内存和时间加权内存使用上的表现，发现LLM优化效果显著弱于专家。

QuoteBench: How Matched Scores Can Hide Command-Path Failures

QuoteBench：匹配分数如何掩盖命令路径故障

Shangao Li, Yao Zhang, Volker Tresp, Yuanyuan Yang

机构 * Stony Brook University（石溪大学） ； LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

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

AI总结 QuoteBench针对LLM编码智能体的命令路径故障，通过56个任务实验发现匹配分数掩盖执行缺陷，披露边界可恢复部分性能，提出评估需报告多维度配置而非仅匹配分数。

Comments 29 pages, 5 figures. Project page: https://quotebench.lsamc.website/

Training AI Scientists to Replicate Research

训练AI科学家以实现研究的可复现性

Damon Falck, Samer Sabri, Anja Surina, Thom Foster, Anya Sims, Sam Devlin, Dylan Rogers, Tantum Collins, Kaloyan Aleksiev, Louis Kirsch, Edward Hughes

机构 * Inherent（因赫伦特） 纠错

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

AI总结 本研究开发了可扩展的论文复现任务空间Replica，后训练出270亿参数的AI科学家Faraday，其在复现任务上表现优于Claude Opus 4.8和GPT-5.5，为长期科学创新AI智能体奠定基础。

Comments 47 pages, 12 figures

Better, Faster, Stronger: Programmatic Skill Learning Best Reduces Agent Cost

更好、更快、更强：程序化技能学习最能降低智能体成本

Zixi Huang, Xiheng Wang, Andrew Wang, William Jurayj, Bernal Jiménez Gutiérrez, Daniel Khashabi, Nicholas Andrews

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

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

AI总结 该研究提出程序化技能学习的SpeedRunner编码智能体，通过分析轨迹重构技能，在三个具身环境中实现最优学习与成本降低，且对分布偏移和环境随机性能保持鲁棒性。

Backtrader-Bench: Benchmarking LLM Agents on Algorithmic Trading with Self-Generated MCQs

Backtrader-Bench：基于自生成多项选择题的算法交易大语言模型智能体基准测试

Ruoxi Zhao, Maziar Raissi

机构 * University of California, Riverside（加利福尼亚大学河滨分校） 纠错

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

AI总结 Backtrader-Bench是用于算法交易LLM智能体的基准框架，通过自生成MCQ解决评估难题，实验显示带工具智能体准确率显著高于无工具模型，还可生成强化学习训练语料以构建专用量化交易智能体。

Comments Accepted to the FinLLM Workshop at IJCAI 2026. Code and data: https://github.com/rzhao999/Backtrader-Bench