2026-06-20 · 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。
多智能体协同完成从需求文档到完整软件仓库的生成。
为什么重要
仓库级代码生成比单函数生成复杂得多，需要跨文件接口协调和迭代调试。CodeTeam通过分工明确的架构（Architect、CTO、Developer、QA）和依赖感知调度，显著提升了生成仓库的功能正确性，为实际软件开发自动化提供了可复用的工程模式。
可执行启发
开发者可借鉴其“规划-合同-实现-验证”流程：先由多个架构师生成设计草图，CTO评估归一化为接口契约，再按依赖顺序实现并测试修复。项目特定的开发者分配和检索增强规划均有可量化的收益。
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。：真实价值在于系统化解决了仓库级生成的协调问题，消融实验验证了各组件贡献。局限是当前评估基准（SketchEval、NL2Repo-Bench）的规模和多样性有限，且依赖LLM的生成质量上限仍受模型能力约束。
原题：CodeTeam: An LLM-Powered Multi-Agent Framework for Repository-Level Code Generation
多智能体框架仓库级代码生成代码生成依赖调度检索增强规划
deepseek-ai/DeepSeek-V4-Flash
2026-06-22 · cs.CL, 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。
从真实企业工作会话构建的智能体基准，强调评估协议而非数据本身。
为什么重要
该基准基于真实企业工作场景，能更准确地评估智能体在复杂、异构环境中的实际表现。它强调了评估应关注工具链-模型组合、产物交付、视觉质量等多维度指标，而非单一分数，对推动企业级智能体工程化有重要价值。
可执行启发
开发者应借鉴其多维评估框架，在构建企业级智能体时，关注工具链集成、产物质量与成本效益等工程指标。
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可复用的构建与评估协议，强调了企业场景评估的复杂性。主要限制是基准数据未公开，且目前最佳模型配置得分仍较低（0.663），表明当前智能体处理真实企业任务的能力仍有很大提升空间。
原题：EnterpriseClawBench: Benchmarking Agents from Real Workplace Sessions
智能体基准测试企业级应用评估方法软件工程工具链
deepseek-ai/DeepSeek-V3.2
2026-06-20 · cs.AI, cs.CR, 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。
提出一个用于界定工具使用型AI智能体安全风险的机器可读物料清单规范。
为什么重要
现有物料清单（如SBOM、AIBOM）主要关注依赖项和模型元数据，但缺乏对部署后智能体运行时权限（如工具调用、记忆访问、外部操作能力）的透明描述，形成了“能力不透明”的安全盲区。AgentRiskBOM作为附加层，填补了这一空白，为事前风险评估提供了结构化框架。
可执行启发
开发者在构建或集成AI智能体时，可参考此规范建立权限和风险清单，提升系统透明度和可审计性。安全团队可以基于此类结构化信息，设计更精准的监控和防护策略。
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。：真实价值在于将模糊的“AI智能体风险”转化为可枚举、可比较、可检测的结构化字段，为安全工程提供了具体抓手。主要限制在于其有效性高度依赖规范的采纳和字段填写的准确性，且评分阈值需要人工校准，目前更多是框架性提议。
原题：AgentRiskBOM: A Risk-Scoping Security Bill of Materials for Agentic AI Systems
AI安全智能体工程物料清单风险评估权限管理
deepseek-ai/DeepSeek-V3.2
2026-06-19 · cs.SE, cs.AI, cs.NI 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。
提出基于实时知识图谱和增量检测的生成式AI框架，实现电信测试脚本的持续自适应生成与维护。
为什么重要
传统静态测试套件在系统持续演化时迅速过时，缺乏细粒度变更检测和选择性测试更新的能力。该框架将测试视为由系统当前状态驱动的持续适应过程，而非静态产物，能显著减少手动工作量并提升测试相关性。
可执行启发
将知识图谱作为单一事实源，结合增量引擎和MCP协议驱动的AI agent，为复杂软件系统的持续测试提供了可复用的工程模式。RAG与领域知识的集成增强了生成结果的可靠性。
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。：核心价值在于将测试生成从一次性活动转变为持续过程，并提供了具体的架构实现（KG+Delta+MCP+RAG）。限制在于高度依赖电信领域知识图谱的构建与维护，通用化到其他领域需要适配。
原题：Context-Aware Generative AI for Automated Telecom Test Script Generation
测试生成知识图谱AI Agent持续集成RAG
deepseek-ai/DeepSeek-V3.2
2026-06-21 · 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 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。
通过内部表示检测并缓解多轮编码Agent的不安全行为。
为什么重要
现有安全机制多依赖外部护栏，无法细粒度控制。AgentLens从内部视角进行运行时检测和干预，具有前瞻风险预测能力，为动态LLM agent安全提供了新范式。
可执行启发
开发者可借鉴其单层子空间干预方法，在自建agent中实现低成本安全防御；同时MAS基准可用于评估coding agent安全性。
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。：方法有效但依赖于特定模型和单层干预，跨模型泛化性和稳定性待验证；计算开销虽小但需白盒访问。
原题：AgentLens: Interpretable Safety Steering via Mechanistic Subspaces for Multi-Turn Coding Agent
安全转向可解释性多轮编码Agent机制子空间运行时检测
deepseek-ai/DeepSeek-V4-Flash