2026-06-15 · cs.CR 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 9.0 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EvoHunt环境，通过多智能体循环自动演化安全审计剧本，提升漏洞发现能力。
为什么重要
它解决了安全审计智能体中人工编写剧本（playbook）的瓶颈，实现了审计知识的自动化获取与积累。演化出的剧本能迁移到更弱的智能体上，显著提升其性能，这为构建可复用、可进化的智能体系统提供了新思路。
可执行启发
为构建自进化的AI agent系统（如代码审查、自动化测试）提供了可参考的工程框架：定义评估器、修订者等角色，形成闭环演化循环。
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一个自动化生成和优化领域特定工作流（playbook）的工程方法，其“可迁移性”验证了知识蒸馏的潜力。限制在于实验基于特定开源漏洞数据集，在更复杂、闭源的商业代码库上效果待验证，且演化过程计算成本较高。
原题：Transferable Self-Evolving Playbooks for Agentic Security Auditing
AI智能体安全审计工作流演化知识迁移自动化测试
deepseek-ai/DeepSeek-V3.2
2026-06-15 · cs.SE, cs.LG 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 9.0 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。
提出通过程序化表征和指纹识别来比较编码智能体的行为模式，超越基准分数评估。
为什么重要
当前基准测试仅关注任务成功率，无法揭示智能体如何解决问题。该方法从过程层面分析行为，有助于理解模型差异、进行任务感知路由和更精细的成本分析。
可执行启发
开发者可使用 ProcGrep 库审计智能体行为轨迹，实现基于行为模式的模型选择或监控。
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分析智能体“如何”解决问题的工具，而非仅看“是否”解决。限制是当前主要应用于 SWE-Bench 等编码任务，泛化到其他领域需验证。
原题：Agent trajectories as programs: fingerprinting and programming coding-agent behavior
智能体评测行为分析软件工程轨迹分析基准测试
deepseek-ai/DeepSeek-V3.2
2026-06-14 · cs.CR, cs.AI, 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 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。
重复实验显示LLM安全审查结果高度不稳定，但匹配参考时稳定。
为什么重要
该论文用严谨实验揭示了LLM agent在漏洞检测中重复性差的弱点，且发现LLM与确定性SAST存在互补性。这为评估和组合使用AI agent与静态分析工具提供了重要工程证据。
可执行启发
开发者在构建安全审查工作流时，不应依赖单次LLM结果，应设计多次重复投票或结合确定性SAST；评测agent稳定性时需引入参考匹配和重复运行机制。
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。：方法扎实，非营销炒作；但限于JavaScript和特定数据集，通用性需更多验证。真实价值在于量化了agent不可靠性并给出组合方案。
原题：Snyk VulnBench JS 1.0: Can LLMs Find the Same Bugs Twice?
LLM评测漏洞检测可重复性AI AgentSAST
deepseek-ai/DeepSeek-V4-Flash
2026-06-15 · cs.RO 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。
利用奖励反馈训练时搜索多文件策略仓库，优化编码代理。
为什么重要
RHO 将编码代理的优化从测试时多轮交互转移到训练时自动搜索，通过环境奖励直接改进多文件、多工具的工作流（harness）。这种范式不仅提升机器人任务成功率，更为构建高效、可复用的 AI Agent 工具链提供了通用工程方法。
可执行启发
开发者在构建 agent 系统时，可以尝试在训练阶段引入奖励反馈来搜索最佳的工具组合和代码结构，减少部署时的 LLM 调用次数和延迟。
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。：方法在机器人环境中有显著提升，但依赖可计算的环境奖励，且搜索过程计算成本较高。核心价值在于 harness 工程的自动化思路，但泛化到通用软件任务尚需验证。
原题：RHO: Your Coding Agent is Secretly a Roboticist
AI agent代码即策略神经符号编程奖励反馈优化harness工程
deepseek-ai/DeepSeek-V4-Flash
2026-06-15 · 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。
用LLM筛选文献并自动运行工具，降低评审人力成本。
为什么重要
软件工程中大量工具缺乏维护验证，本文提出的自动化流水线能快速筛选可运行工具，节约研究者时间。通过LLM辅助筛选和编码代理运行，将评审时间从数天缩至4小时人工+12小时LLM，具有可复用的工程框架价值。
可执行启发
开发者可借鉴此流水线对特定领域工具进行自动化评估，LLM筛选+编码代理运行组合能快速验证工具可用性，但需注意PDF下载等非自动化环节仍占主要人力。
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一套系统化的工具发现与验证方法，但局限于已有学术论文的工具，且LLM筛选准确率和代理运行成功率（83个工具仅24个成功）表明当前方法仍有较大改进空间。
原题：Towards LLM Accelerated Rapid Reviews for Software Tool Discovery -- Case for Log Anomaly Detection
软件工程LLM应用文献筛选工具发现编码代理
deepseek-ai/DeepSeek-V4-Flash