代码大模型 / AI 编程

Terminal Agents Suffice for Enterprise Automation

终端代理足以实现企业自动化

Patrice Bechard, Orlando Marquez Ayala, Emily Chen, Jordan Skelton, Sagar Davasam, Srinivas Sunkara, Vikas Yadav, Sai Rajeswar

机构 * Mila -- Quebec AI Institute（Mila — 魁北克人工智能研究所） 纠错

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

AI总结 本文探讨终端代理通过直接调用平台API在企业自动化中表现优异，证明简单接口结合强大基础模型足以替代复杂代理架构。

Comments Pre-print. Under review. 51 pages, 6 figures, 21 tables

Position: Coding Benchmarks Are Misaligned with Agentic Software Engineering

立场：编程基准与智能体软件工程不一致

Maria I. Gorinova, Macey Baker, Amy Heineike, Maksim Shaposhnikov, Rob Willoughby, Dru Knox

机构 * Tessl 纠错

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

AI总结 本文指出当前编程基准在智能体时代存在三大问题：混淆模型与系统框架、单一参考答案惩罚有效替代方案、缺乏组件级信号导致迭代困难，并提出应重新设计基准以对齐智能体软件工程。

SWE-MERA: A Dynamic Benchmark for Agenticly Evaluating Large Language Models on Software Engineering Tasks

SWE-MERA：一种用于在软件工程任务中对大型语言模型进行代理评估的动态基准测试

Pavel Adamenko, Mikhail Ivanov, Aidar Valeev, Rodion Levichev, Pavel Zadorozhny, Ivan Lopatin, Dmitry Babaev, Alena Fenogenova, Valentin Malykh

机构 * GigaCode ； ITMO University（ITMO大学） ； MWS AI（MWS人工智能） ； IITU university（IITU大学） 纠错

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

AI总结 针对现有软件工程基准测试局限性，提出SWE-MERA动态基准测试，通过自动收集GitHub问题及严格验证确保质量，最小化污染风险，利用Aider编码代理评估多个大型语言模型，展示了其强大区分能力及模型性能表现。

Comments EMNLP 2025

Shepherd: Enabling Programmable Meta-Agents via Reversible Agentic Execution Traces

Shepherd: 一个为元代理提供形式化执行迹的运行时基座

Simon Yu, Derek Chong, Ananjan Nandi, Dilara Soylu, Jiuding Sun, Christopher D Manning, Weiyan Shi

机构 * Northeastern University（东北大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 提出Shepherd，一个基于函数式编程的Python运行时基座，将代理执行作为一等对象，通过类似Git的执行迹支持元代理的检查、分叉和重放，在三个用例中显著提升性能。

Comments 50 pages, 22 figures, 14 tables

CRANE: Constrained Reasoning Injection for Code Agents via Nullspace Editing

CRANE：通过空域编辑实现代码代理的约束推理注入

Mingzhi Zhu, Michele Merler, Raju Pavuluri, Stacy Patterson

机构 * Rensselaer Polytechnic Institute（拉特格斯理工学院） ； IBM Research（IBM研究院） 纠错

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

AI总结 CRANE通过空域编辑技术，结合推理和工具使用能力，提升代码代理性能，在多个基准测试中取得显著成果。

Insights Generator: Systematic Corpus-Level Trace Diagnostics for LLM Agents

Insights Generator: LLM代理的系统级语料库追踪诊断

Akshay Manglik, Apaar Shanker, Kaustubh Deshpande, Jason Qin, Yash Maurya, Veronica Chatrath, Vijay S. Kalmath, Levi Lentz, Yuan Xue

机构 * Scale AI, Inc. 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 本文提出Insights Generator，一种多智能体系统，通过在语料库中提出和测试假设来生成基于证据的洞察报告，从而系统性地诊断LLM代理的行为模式。

From Code Review to Code Critique: Intent, Drift, and Spotlight for AI-Generated Diffs at Scale

从代码审查到代码批判：大规模AI生成代码差异的意图、漂移与焦点

Chandra Maddila, Mashrur Rashik, Euna Mehnaz Khan, Smriti Jha, James Saindon, Nachi Nagappan, Peter C. Rigby

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

AI总结 针对AI生成代码超出传统审查能力且现有工具忽视核心问题的缺陷，提出ARCTIC系统，经实验验证其在意图预测、漂移检测等方面表现优异，可降低代码不一致性并获高认可。

A case study of evaluating AI agents on a neuroscience data-to-discovery pipeline

评估AI代理在神经科学数据到发现流程中的案例研究

Kai A. Horstmann, Ethan Lin, Alice A. Robie, Jennifer J. Sun, Kristin Branson

机构 * Cornell University（康奈尔大学） ； HHMI Janelia Research Campus（霍华德·休斯医学研究所贾雷尔研究园区） 纠错

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

AI总结 本研究评估通用编码代理在果蝇光遗传学数据到发现流程中的表现，发现代理能解决单个阶段任务，但端到端流程仍超出其能力，主要挑战包括缺乏预定义迭代标准和科学判断能力。

Comments Peer-reviewed conference paper

Journal ref Third Conference on Language Modeling (COLM 2026)

El Agente Gráfico: A Semantic Execution Runtime for Scientific Agents

图形代理：用于科学代理的结构化执行图

Jiaru Bai, Abdulrahman Aldossary, Thomas Swanick, Marcel Müller, Yeonghun Kang, Changhyeok Choi, Naruki Yoshikawa, Zijian Zhang, Jin Won Lee, Tsz Wai Ko, Aiwei Yin, Mohammad Ghazi Vakili, Chris Crebolder, Varinia Bernales, Alán Aspuru-Guzik

机构 * School of Computer Science, McGill University（计算机科学学院，麦吉尔大学） 纠错

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

AI总结 El Agente Gráfico通过结构化执行图和类型安全机制，实现科学代理的高效自动化，适用于复杂计算任务。

SkillMOO: Multi-Objective Optimization of Agent Skills for Software Engineering

SkillMOO：软件工程中代理技能的多目标优化

Jingzhi Gong, Ruizhen Gu, Zhiwei Fei, Yazhuo Cao, Lukas Twist, Alina Geiger, Shuo Han, Dominik Sobania, Federica Sarro, Jie M. Zhang

机构 * King's College London（伦敦国王学院） ； Queen's University Belfast（贝尔法斯特女王大学） ； Nanjing University（南京大学） ； Johannes Gutenberg University Mainz（美因茨约翰尼斯·古滕贝格大学） ； University College London（伦敦大学学院） ； University of Duisburg-Essen（杜伊斯堡- Essen大学） 纠错

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

AI总结 本文提出SkillMOO框架，通过LLM提议的编辑和NSGA-II算法优化代理技能包，提升任务成功率并降低推理成本。

Agent Team Work Zone: An Automated, Persistent Workspace for Long-Lived Claude Code Agent Teams

智能体团队工作区：面向长期存在的编码智能体团队的自动化持久工作区

Shouren Wang

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

AI总结 研究针对Claude Code等大语言模型智能体在长期工作流程中存在的问题，提出ATWZ，通过围绕其原生智能体团队构建基于文件系统的操作层，保存智能体工作状态等，解决相关问题并减少提示编写工作量。

Comments 31 pages, 9 figures

Orchard: An Open-Source Agentic Modeling Framework

Orchard：一个开源的智能体建模框架

Baolin Peng, Wenlin Yao, Qianhui Wu, Hao Cheng, Xiao Yu, Rui Yang, Tao Ge, Alessandro Sordoni, Xingdi Yuan, Yelong Shen, Pengcheng He, Tong Zhang, Zhou Yu, Jianfeng Gao

机构 * Microsoft Research（微软研究院） ； Columbia University（哥伦比亚大学） ； UIUC（伊利诺伊大学香槟分校） 纠错

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

AI总结 本文提出Orchard，一个开源的智能体建模框架，通过轻量级环境服务和三种智能体建模食谱，实现了跨领域可重用的智能体数据、训练和评估。

No Optimal Language Set Exists for Multilingual Instruction Tuning: Insights from a Linguistically-Informed Study

多语言指令微调不存在最优语言集：基于语言信息研究的见解

Gürkan Soykan, Gözde Gül Şahin

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

AI总结 研究多语言指令微调中语言集选择问题，通过评估基于多种特征的语言信息选择策略与随机基线对比，发现固定预算下无通用语言选择策略，性能因任务和模型而异，超阈值加语言会致性能下降，还讨论了相关影响和评估陷阱。

Comments 7 pages, 4 figures Updated the title and revised the manuscript for submission to the Workshop on Insights from Negative Results in NLP (Insights 2026)

DataFlow-Harness: A Grounded Code-Agent Platform for Constructing Editable LLM Data Pipelines

DataFlow-Harness：用于构建可编辑大语言模型数据管道的基础代码代理平台

Runming He, Zhen Hao Wong, Hao Liang, Zimo Meng, Chengyu Shen, Xiaochen Ma, Wentao Zhang

机构 * Peking University（北京大学） ； Institute for Advanced Algorithms Research（先进算法研究所） ； Zhongguancun Academy（中关村学院） 纠错

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

AI总结 研究针对大语言模型数据处理工作流中编码代理脚本无法自动转化为可编辑工件的问题，提出DataFlow-Harness平台，通过类型化增量突变引导构建DAG，结合多种技术，在数据工程基准测试中取得高通过率，降低成本和延迟。

Comments 13 pages, 2 figures, and 5 tables. Technical report

RESOURCE2SKILL: Distilling Executable Agent Skills from Human-Created Multimodal Resources

RESOURCE2SKILL: 从人类创建的多模态资源中提取可执行智能体技能

Yijia Fan, Zonglin Di, Zimo Wen, Yifan Yang, Mingxi Cheng, Qi Dai, Bei Liu, Kai Qiu, Yue Dong, Ji Li, Chong Luo

机构 * University of California, Santa Cruz（加州大学圣克鲁兹分校） ； Shanghai Jiao Tong University（上海交通大学） ； Microsoft（微软） 纠错

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

AI总结 提出RESOURCE2SKILL框架，从教程视频、代码库、文章等人类多模态资源中提取可执行技能，构建分层多模态技能维基，提升智能体在七个领域的任务表现。

Evolutionary Ensemble of Agents

进化代理群体

Zongmin Yu, Liu Yang

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、cs.LG

AI总结 本文提出EvE框架，通过进化编码代理群体实现算法发现，解决了传统方法的局限，展示了自修正群体在复杂代码库中的优势。

InfiniteWeb: Scalable Web Environment Synthesis for GUI Agent Training

InfiniteWeb: 面向GUI智能体训练的可扩展Web环境合成

Ziyun Zhang, Zezhou Wang, Xiaoyi Zhang, Zongyu Guo, Jiahao Li, Bin Li, Yan Lu

机构 * Peking University（北京大学） ； Nanjing University（南京大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 提出InfiniteWeb系统，通过统一规范、任务驱动测试和多样化种子设计自动生成功能完备的Web环境，解决GUI智能体训练数据稀缺问题，在OSWorld和Online-Mind2Web上取得显著性能提升。

Comments Accepted to ACL 2026 Main

SAGA: Workflow-Atomic Scheduling for AI Agent Inference on GPU Clusters

SAGA：面向GPU集群的AI代理推理工作流原子调度

Dongxin Guo, Jikun Wu, Siu Ming Yiu

机构 * The University of Hong Kong（香港大学） ； Brain Investing Limited（脑投有限公司） ； Stellaris AI Limited（Stellaris AI有限公司） 纠错

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

AI总结 SAGA通过工作流级调度减少任务完成时间1.64倍，提升GPU内存利用率1.22倍，同时在多租户环境下达成99.2%的服务水平目标，但牺牲了30%的峰值吞吐量。

Comments 15 pages, 3 figures, 11 tables. Accepted to HPDC '26 (35th International Symposium on High-Performance Parallel and Distributed Computing), July 13-16, 2026, Cleveland, OH, USA

"Do Not Mention This to the User": Detecting and Understanding Malicious Agent Skills in the Wild

“不要向用户提及此事”：检测与理解恶意代理技能

Yi Liu, Zhihao Chen, Yanjun Zhang, Gelei Deng, Yuekang Li, Jianting Ning, Leo Yu Zhang

机构 * Griffith University（格里菲斯大学） ； Nanyang Technological University（南洋理工大学） ； University of New South Wales（新南威尔士大学） ； Zhejiang Key Laboratory of Digital Fashion and Data Governance, Zhejiang Sci-Tech University（浙江数字时尚与数据治理重点实验室，浙江科技大学） 纠错

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

AI总结 本文通过对两个主要注册中心的98,380个技能进行系统安全分析，结合静态模式匹配和动态行为验证，识别出157个恶意技能，揭示了13种攻击技术中的632个不同漏洞，并发现攻击复杂性与隐藏投入相关。

Comments Accepted to the 35th USENIX Security Symposium (USENIX Security 2026)

From Human Guidance to Autonomy: Agent Skill System for End-to-End LLM Deployment on Spatial NPUs

从人类引导到自主：面向空间NPU上端到端LLM部署的智能体技能系统

Jiajie Li, Erwei Wang, Zhiru Zhang, Samuel Bayliss

机构 * AMD Research and Advanced Development（AMD研究与高级开发） 纠错

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

AI总结 提出两阶段方法，从人类引导的智能体辅助部署到自主技能系统，在AMD XDNA 2 NPU上实现8种LLM的端到端自动部署，性能超越或持平人工优化基线。

Comments Accepted to the Machine Learning for Architecture and Systems Workshop (MLArchSys), co-located with ISCA 2026

Token Reduction Is Not Cost Reduction

令牌减少并非成本降低

Sarel Weinberger, Amir Hozez

机构 * PointFive 纠错

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

AI总结 研究基于 API 的编码代理上下文减少层，通过对 2848 次 Claude Code 运行分析，发现提示缓存流量主导成本，工具输出减少不能可靠预测计费成本降低，压缩可能损害任务完成，进而提出以成功调整计费成本为核心的分层证据标准。

What Breaks When LLMs Code? Characterizing Operational Safety Failures of Agentic Code Assistants

当LLM编码时会出现什么问题？表征自主代码助手的操作安全故障

Alif Al Hasan, Sumon Biswas

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

AI总结 通过系统分析文献和GitHub问题，构建了包含33种操作风险类型的多维安全分类法，发现编码代理故障通常严重且主要源于约束违反、破坏性操作、授权绕过和欺骗。

Comments This paper is accepted to the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026), Research Track

FlexSQL: Flexible Exploration and Execution Make Better Text-to-SQL Agents

FlexSQL：灵活探索与执行打造更优的文本到SQL智能体

Quang Hieu Pham, Yang He, Ping Nie, Canwen Xu, Davood Rafiei, Yuepeng Wang, Xi Ye, Jocelyn Qiaochu Chen

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

AI总结 FlexSQL是一种文本到SQL智能体，通过灵活的数据库交互机制，在Spider2-Snow数据集上使用gpt-oss-120b取得65.4%得分，优于相关基线，集成到Claude Code中可实现超10%的相对提升

Comments Published at COLM 2026

OpenCodeReview: Determinism over Non-Determinism for Cost-Effective Agent-Based Code Review

OpenCodeReview：面向成本效益型智能体代码评审的非确定性转确定性方案

Zhengfeng Li, Lei Zhang, Xianwei Wu, Zhengqi Zhuang, Yingjie Xu, Boge Wang, Shaofei Zhu, Chuan Wang, Peng Zhao, Xinyu Zheng, Guoping Rong

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

AI总结 OpenCodeReview针对LLM代码评审智能体的非确定性与上下文局部性缺陷，通过在三个流水线节点注入确定性，在AACR-Bench上实现SEM-F1提升且大幅降低令牌消耗，性能优于主流编码智能体。

VideoCoCo: Code-as-CoT for Physically-Consistent Video Generation via an Agentic Dual-Engine System

VideoCoCo：基于智能体双引擎系统的、以代码为思维链（CoT）的物理一致性视频生成方法

Haodong Li, Tianfei Ren, Xiaoxiao Ma, Chunmei Qing, Zhen Fang, Sipeng He, Ziyu Guo, Haoyu Wu, Juanxi Tian, Yihang Zou, Ruichuan An, Dongzhi Jiang, Boxue Yang, Ji Xie, Xu Huang, Wenhao Yan, Jialv Zou, Zhengrong Yue, Yaxin Luo, Xiaotong Li, Yuzhu Wang, Junyan Ye, Jinjing Zhao, Zehui Chen, Lin Chen, Renye Yan, Feng Zhao, Pheng-Ann Heng

机构 * CUHK（香港中文大学） ； USTC（中国科学技术大学） ； SCUT（华南理工大学） ； HKU（香港大学） ； NTU（南洋理工大学） ； PKU（北京大学） ； SJTU（上海交通大学） ； CMU（卡内基梅隆大学） ； THU（清华大学） ； HUST（华中科技大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 VideoCoCo作为智能体双引擎框架，以可执行Blender代码为过程级思维链，构建专属数据集提升视频编辑器适配性，在两个基准上显著优于基线，实现了高质量物理一致性视频生成。

Comments 15 pages, 3 figures, and 3 tables

FlashRT: Agent Harness for Guiding Agents to Deploy Real-Time Multimodal Applications

FlashRT：用于引导智能体部署实时多模态应用的智能体框架

Krish Agarwal, Zhuoming Chen, Yanyuan Qin, Zhenyu Gu, Atri Rudra, Beidi Chen

机构 * Carnegie Mellon University（卡内基梅隆大学） ； AMD（超威半导体公司） ； University at Buffalo（纽约州立大学水牛城分校） 纠错

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

AI总结 研究实时多模态应用部署难题，提出FlashRT智能体框架。通过新范式引导编码智能体多阶段转换，将参考实现转为高效部署，在不同GPU上显著提升性能，尤其在专家优化不成熟平台更具扩展性。

TokTier: Exact Stateful CPU+GPU Tokenization for Agentic LLM Serving

TokTier：面向智能体大语言模型服务的精确有状态分词方案

Zhenyu Zhang, Zhichao Cao

机构 * Arizona State University（亚利桑那州立大学） 纠错

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

AI总结 本研究提出TokTier，一种面向智能体LLM服务的精确有状态分词方案，通过增量修复、GPU加速分词等技术，将首次令牌生成时间降低16%-34%，饱和请求速率提升至1821次/秒，性能远超现有方案。

Comments 26 pages. Code: https://github.com/asu-idi/toktier

Cross-Lingual Token Arbitrage: Optimizing Code Agent Context Windows via Local LLM Preprocessing

跨语言令牌套利：通过本地LLM预处理优化代码智能体上下文窗口

Mehmet Utku Colak

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

AI总结 提出一种预处理的边缘端提示重写中间件，利用本地Llama 3.2模型进行跨语言翻译和结构重写，在保持或提升任务准确率的同时减少34-47%的提示令牌和最高18.8%的总令牌消耗。

Comments Updated References

Agent-as-Peer-Debriefer: A Multi-Agent Framework with Perspective-Based Refinement for Qualitative Analysis

Agent-as-Peer-Debriefer: 一种基于视角精炼的多智能体定性分析框架

Zhimin Lin, Kun Cheng, Zhiyao Shu, Junhua Fang, Juntao Li, Fan Bai, Jie Gao

机构 * Soochow University（苏州大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 提出一种多智能体框架，通过模拟同行汇报（peer debriefing）并引入理论驱动、数据驱动和应用三种分析视角，提升大语言模型在定性数据分析中的编码质量。

"Go Home Copilot, You're Drunk": Understanding Developer Responses to Agent-Generated Code Review Comments

“回家吧，副驾驶，你喝醉了”：理解开发者对智能体生成的代码审查评论的回应

Shamse Tasnim Cynthia, Ratnadira Widyasari, Banani Roy, Ting Zhang, David Lo

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

AI总结 研究开发者对智能体生成的代码审查评论的回应，分析五个智能体在342个Python仓库生成的54791条评论，探讨解决率、开发者经验及影响评论有用性的特征，发现不同智能体解决率有差异，还确定未解决评论原因及影响因素，为改进相关反馈提供见解。