2026-07-02 · 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 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。
提出静态分析工具 IAL-Scan，检测 LLM agent 中的无限循环故障。
为什么重要
LLM agent 因迭代执行常陷入成本爆炸和资源耗尽，IAL 是一类新型工程故障。本研究提供了可落地的静态分析方法，直接帮助开发者避免 agent 运行时的无限循环。
可执行启发
开发者可在 agent 项目中集成 IAL-Scan 来静态检测反馈路径中的无界循环，防止无限执行导致的高成本和模型拒绝服务。
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。：真实价值在于解决了 agent 工程中的一个具体且严重的故障模式，工具在 6,549 个仓库上验证了 91.9% 的精度。限制是依赖框架无关的中间表示，对于高度动态或非结构化 agent 代码可能漏检。
原题：When Agents Do Not Stop: Uncovering Infinite Agentic Loops in LLM Agents
LLM agent静态分析无限循环工程故障工具链
deepseek-ai/DeepSeek-V4-Flash
2026-07-02 · 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 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。
提高推理努力比添加测试工具更能提升首次运行正确率。
为什么重要
当前智能体编码助手普遍倾向增加工具和提示来提升能力，但本研究通过对照实验揭示核心瓶颈在于推理强度而非外部工具。这直接挑战了“更多工具=更好结果”的默认假设，为工程实践指明了更高效的方向。
可执行启发
开发者应优先提升模型推理努力（例如配置更高推理预算），而不是匆忙集成浏览器测试工具或复杂系统提示。对于视觉质量，简洁的设计提示即可生效，无需冗长指令。
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。：实验设计严谨，90次独立运行、14项功能标准评分，结论可信。但局限是仅测试了一个特定应用和有限模型，通用性需更多验证。真实价值在于用量化数据证明了推理努力才是关键杠杆，而非工具堆叠。
原题：Reasoning effort, not tool access, buys first-try reliability in agentic code generation: an observational study
智能体编码推理努力代码生成可靠性工程实证提示工程
deepseek-ai/DeepSeek-V4-Flash
2026-05-18 · 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。
结合结构感知编码与双阶段重排序的智能体RAG，提升文件级缺陷定位准确率。
为什么重要
文件级缺陷定位是自动化修复的关键前置步骤，现有静态RAG缺乏推理能力。BLAgent通过有界推理策略平衡准确性与计算成本，在SWE-bench-Lite上达到78%+Top-1准确率，并能显著提升端到端修复成功率。
可执行启发
开发者可采用路径增强AST分块和双视角查询转换来改进仓库级RAG；两阶段重排策略（符号检查+证据推理）可降低LLM调用次数，适用于成本敏感的修复流程。
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。：结果扎实，开源模型也能达到高准确率，且成本优势明显。但仅针对文件级定位，未涉及更深层次函数级或语句级；方法依赖检索质量，对噪声报告可能鲁棒性有限。
原题：BLAgent: Agentic RAG for File-Level Bug Localization
缺陷定位智能体RAG代码仓库编码自动化程序修复分块策略
deepseek-ai/DeepSeek-V4-Flash
2026-07-01 · 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。
评测LLM通过反馈引导的代码修复轨迹，而非仅看最终结果。
为什么重要
传统代码修复评测只关注最终是否通过测试，忽略了部分修复、反馈利用和回归。PAIR-Bench通过渐进式提示设计，能精细衡量模型的能力边界，为构建更可靠的代码修复Agent提供评估方法论。
可执行启发
开发者可借鉴其“失败区域控制”和“提示深度控制”来设计代码修复Agent的反馈循环；评测时不应只看最终通过率，还需关注修复轨迹、泛化性和回归。
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。：这是有价值的评测框架，不是模型本身。真实价值在于提供了更细致的评估粒度，但限制是基准测试本身仍依赖预设的隐藏测试集和渐进提示设计，可能无法覆盖所有真实场景。
原题：Benchmarking Code Improvement with Progressive, Adaptive, and Interactive Feedback
代码修复LLM评测渐进反馈Agent评估软件工程
deepseek-ai/DeepSeek-V4-Flash
2026-07-02 · cs.SE, cs.AI, cs.CL 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。
对技能组合进行模糊测试，发现组合后产生的隐式意图。
为什么重要
开放技能市场中单独审核的技能组合后可能产生非预期行为，本文提出无执行环境下的测试方法，可防范agent安全隐患，对构建可靠agent工作流有直接参考价值。
可执行启发
开发者可采用合同引导的蒙特卡洛树搜索优先测试冲突组合，在技能部署前发现隐式意图，降低组合风险。
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。：方法创新，在实验中效果好，但真实大规模市场的计算开销和覆盖率需进一步验证；核心思想可迁移到其他agent组合测试场景。
原题：SkillFuzz: Fuzzing Skill Composition for Implicit Intents Discovery in Open Skill Marketplaces
技能组合测试隐式意图发现模糊测试LLM Agent安全蒙特卡洛树搜索
deepseek-ai/DeepSeek-V4-Flash