2026-06-11 · cs.SE, cs.AI arXiv 分类代码，例如 cs.SE 表示 Software Engineering，cs.AI 表示 Artificial Intelligence，cs.CL 表示 Computation and Language。 · score 8.0 score 是生成器和模型对这篇论文进入日报价值的 0-10 分判断，越高越值得优先读。
一句话总结 模型把论文核心贡献压缩成一句话，帮助你快速判断是否继续读。
研究发现，为AI代理编写指令文件并不总能提升PR合并率，指令文件的质量和结构是关键。
为什么重要
随着AI代理（如GitHub Copilot）在软件工程任务中的广泛应用，开发者通过编写指令文件来指导代理行为已成为常见实践。本研究首次通过大规模实证分析，量化了指令文件对AI代理PR性能（合并率、代码变更量、合并工作量）的实际影响，揭示了指令文件效果的不确定性。
可执行启发
开发者不应盲目依赖指令文件，而应将其视为需要精心设计、测试和迭代的工程制品（指令即代码）。指令文件的结构化（如分节）和详尽程度可能比单纯存在更重要。
去 hype 去掉营销和夸张表述，说明这篇论文真实价值、限制和需要谨慎看待的地方。：真实价值在于打破了“有指令就更好”的迷思，为AI代理工作流的工程化（如指令设计、测试、版本控制）提供了实证依据和明确的研究方向。限制在于研究是相关性的，未建立因果关系，也未深入分析指令内容的具体好坏模式。
原题：Toward Instructions-as-Code: Understanding the Impact of Instruction Files on Agentic Pull Requests
AI代理软件工程指令工程实证研究Pull Request
deepseek-ai/DeepSeek-V3.2
2026-06-11 · cs.SE, cs.AI arXiv 分类代码，例如 cs.SE 表示 Software Engineering，cs.AI 表示 Artificial Intelligence，cs.CL 表示 Computation and Language。 · score 8.0 score 是生成器和模型对这篇论文进入日报价值的 0-10 分判断，越高越值得优先读。
一句话总结 模型把论文核心贡献压缩成一句话，帮助你快速判断是否继续读。
提出 UOJ-Bench 基准，评估 LLM 在代码生成、黑客攻击和修复任务中的能力。
为什么重要
它首次将 LLM 评估从单纯的代码生成扩展到代码审查和修复，这对编程教育和辅助开发至关重要。现有在线评测系统依赖预设测试用例，而 LLM 能提供互补的错误检测信号。
可执行启发
为构建 AI 编程助手提供了更全面的评估框架，启发开发者将 LLM 集成到代码评审和调试工作流中。
去 hype 去掉营销和夸张表述，说明这篇论文真实价值、限制和需要谨慎看待的地方。：真实价值在于提供了贴近真实开发场景（使用真实提交和原生评测设施）的多任务基准。主要限制是单次评估效果差，而测试时扩展计算成本高，难以大规模实用。
原题：Beyond Problem Solving: UOJ-Bench for Evaluating Code Generation, Hacking, and Repair in Competitive Programming
代码生成基准评测软件工程AI辅助编程代码修复
deepseek-ai/DeepSeek-V3.2
2026-06-11 · cs.AI arXiv 分类代码，例如 cs.SE 表示 Software Engineering，cs.AI 表示 Artificial Intelligence，cs.CL 表示 Computation and Language。 · score 8.0 score 是生成器和模型对这篇论文进入日报价值的 0-10 分判断，越高越值得优先读。
一句话总结 模型把论文核心贡献压缩成一句话，帮助你快速判断是否继续读。
提出AgentBuild框架，通过契约驱动构建科学智能体，将科学家判断与智能体构建解耦。
为什么重要
将智能体构建视为可版本化、可复用的工作流阶段，而非一次性调优。它通过契约（评分标准、课程、知识库）将科学家领域知识结构化，使智能体构建过程可追溯、可迭代，且模型升级后只需重新运行而非重建。
可执行启发
为复杂领域（如科学计算）构建可靠智能体提供了可复用的工程模式：定义清晰的边界、分级评估标准和外部知识集成。
去 hype 去掉营销和夸张表述，说明这篇论文真实价值、限制和需要谨慎看待的地方。：真实价值在于将智能体工程从“黑盒调参”转向“契约驱动开发”，提升了可维护性和透明度。限制是当前实例聚焦于特定科学工作流（Rietveld精修），其通用性需更多验证；且依赖外部工具（MCP/A2A）和编码智能体的可靠性。
原题：Fantastic Scientific Agents and How to Build Them: AgentBuild for Rietveld Refinement
智能体工程工作流自动化科学计算契约驱动开发评估框架
deepseek-ai/DeepSeek-V3.2
2026-06-11 · cs.SE, cs.AI arXiv 分类代码，例如 cs.SE 表示 Software Engineering，cs.AI 表示 Artificial Intelligence，cs.CL 表示 Computation and Language。 · score 8.0 score 是生成器和模型对这篇论文进入日报价值的 0-10 分判断，越高越值得优先读。
一句话总结 模型把论文核心贡献压缩成一句话，帮助你快速判断是否继续读。
分析AI编码代理生成的修复请求被拒绝的原因，发现46.41%的修复被拒，主要归因于实现错误、测试失败、执行失败和优先级低。
为什么重要
该研究揭示了AI编码代理在实际工作流中的失败模式，有助于理解如何将AI代理更有效地整合为开发团队成员。研究结果指出了在指导模型修复问题、设定约束和验证实现方面的改进方向。
可执行启发
开发者应更明确地指导AI代理的修复策略、约束条件和验证流程，并优先处理高价值任务以减少资源浪费。
去 hype 去掉营销和夸张表述，说明这篇论文真实价值、限制和需要谨慎看待的地方。：真实价值在于为AI编码代理的工程化集成提供了具体的失败原因分类和改进方向，而非单纯的能力提升。限制在于研究基于特定数据集，且未提供自动化的解决方案。
原题：Understanding the Rejection of Fixes Generated by Agentic Pull Requests -- Insights from the AIDev Dataset
AI代理软件工程代码修复评估工作流
deepseek-ai/DeepSeek-V3.2
2026-06-11 · cs.SE arXiv 分类代码，例如 cs.SE 表示 Software Engineering，cs.AI 表示 Artificial Intelligence，cs.CL 表示 Computation and Language。 · score 7.0 score 是生成器和模型对这篇论文进入日报价值的 0-10 分判断，越高越值得优先读。
一句话总结 模型把论文核心贡献压缩成一句话，帮助你快速判断是否继续读。
系统综述AI对软件工程实践、能力模型、教育及劳动力的影响，提出AI原生框架。
为什么重要
该论文系统梳理了AI（特别是LLM和Agent）对软件工程领域的颠覆性影响，并整合了实践、教育、劳动力三个维度的证据。它提出的AI原生软件工程框架（意图、协作、验证）和九维能力模型，为理解行业转型提供了结构化视角。
可执行启发
开发者应关注从单纯代码生成转向意图管理、关键评估、Agent编排和元认知等高阶能力。教育者和团队领导者可参考其能力模型和课程路线图进行人才培养和转型规划。
去 hype 去掉营销和夸张表述，说明这篇论文真实价值、限制和需要谨慎看待的地方。：论文价值在于系统性综述和结构化框架，而非新技术突破。它明确指出生产力提升高度依赖上下文，并强调验证与编排比代码生成更重要，这有助于去 hype。限制在于它是一篇综述，不提供具体工程方法或工具。
原题：The Rise of AI-Native Software Engineering: Implications for Practice, Education, and the Future Workforce
软件工程AI Agent教育转型能力模型文献综述
deepseek-ai/DeepSeek-V3.2