📚 浏览全部 11998 篇 —— 按会议 / 年份 / 标签 / 匹配度筛选排序 →
采集来源健康提示：
arxiv：failed（连续失败 8 次） · 最近成功 2026-09-11T11:38:52 → 现在这一段窗口可能缺失
· arxiv: OperationalError('(sqlite3.OperationalError) database is locked')
dblp：被反爬拦截（连续 9 次）· 替代通道 crossref 正常
—— 有 ISSN 的会议/期刊与 arXiv 预印本不受影响 · dblp popl 2025: DBLP 返回 HTML 人机验证页（疑似 Anubis 反爬拦截）——本源已不可用，请依赖 Crossref/arXiv 通道或换网络环境重试
迈向 LLM Agent 可验证安全的工具使用
结合 STPA 危害分析与能力增强 MCP，为 LLM Agent 的工具调用提供形式化安全护栏。
从配对评估视角对 MCP 漏洞检测进行基准测试
构建 75 对漏洞/修复 MCP 工具基准，用配对准确率 MPA 揭示 LLM 漏洞检测方法的真实语义辨识能力。
现代 LLM Agent 框架中的缺陷：一项实证研究
对 CrewAI 与 LangGraph 的 998 条 issue 进行实证研究，构建 LLM agent 框架缺陷的根因—症状分类体系。
TaintP2X：检测 LLM 集成应用中的污点式 Prompt-to-Anything 注入漏洞
提出静态污点分析框架 TaintP2X，将 LLM 输出视为污点源，检测 LLM 集成应用中的 P2Xi 注入漏洞。
LLM 集成 Web 应用中的 Prompt-to-SQL 注入：风险与防御
系统刻画了 prompt-to-SQL 注入攻击，评估七个 LLM 与五个真实应用的风险，并提出四种防御技术。
LLM 是否被正确地集成到软件系统中？
对100个集成LLM与RAG的开源应用开展实证研究，归纳18种集成缺陷模式并提出系统性修复指南。
重要推荐（P0）
增强静态分析以进行实用缺陷检测：一种 LLM 集成方法
提出 LLift，将静态分析与 LLM 结合，用于检测 Linux 内核中的未初始化使用缺陷。
使用符号泰勒展开严格估计浮点舍入误差
提出符号泰勒展开方法并实现 FPTaylor，用严格全局优化更紧致地估计浮点最大舍入误差。
LLM 遇上界模型检测：神经符号循环不变式推断
提出“查询-过滤-重组”策略，用 LLM 生成候选循环不变式、以有界模型检测筛选谓词并组装，再由 SMT 求解器校验。
通过原子条件检测浮点误差
提出基于原子条件数的动态分析，高效搜索触发大浮点误差的程序输入。
无循环展开的有界模型检测中由LLM生成的循环不变式
用LLM生成循环不变式并由一阶定理证明器校验，从而在CFG层面消除循环，扩展有界模型检测对无界循环程序的验证能力。
基于符号执行的高效浮点误差诱导输入生成
将生成高误差浮点输入建模为覆盖最大化问题，用符号执行实现工具 FPGen 并高效触发大误差。
使用无误差变换的快速影子执行以调试数值错误
提出 EFTSanitizer，用无误差变换作为 oracle 快速影子执行，检测并调试数值误差。
AutoVerus：为 Rust 代码自动生成证明
提出 AutoVerus，用 LLM 智能体网络自动为 Rust 代码生成 Verus 正确性证明，90%+ 任务成功。
Cobblestone：一种自动化形式验证的分治方法
Cobblestone 用 LLM 分治合成 Coq 证明：拆分已验证子目标并迭代，保持可靠性，自动化形式验证。
TaintP2X：检测 LLM 集成应用中的污点式 Prompt-to-Anything 注入漏洞
提出静态污点分析框架 TaintP2X，将 LLM 输出视为污点源，检测 LLM 集成应用中的 P2Xi 注入漏洞。
基于大语言模型的证明自动化
提出 PALM：让 LLM 先生成证明，再用符号方法迭代修复低层错误，大幅提升 Coq 形式证明自动化成功率。
Numerical Fuzz：一种面向舍入误差分析的类型系统
提出带线性灵敏度与分级单子的类型系统 Λ_num，静态推导浮点舍入误差的定量界并证明其语义可靠性。
机器生成、机器检查的验证编译器证明（经验报告）
用 Claude Code 智能体从零机械化 CertiRocq 中 ANF 变换的语义保持证明，产出约 6000 行 Rocq 证明，耗时 94.5 小时。
面向贝叶斯程序分析的抽象选择学习
提出基于学习的数据驱动框架，为贝叶斯程序分析自动选择抽象，以提升其泛化能力。
KVerus：面向 Rust 代码的可扩展且鲁棒的形式化验证证明生成
提出 LLM 辅助的 Verus 证明生成工作流 KVerus，用动态知识库支持仓库级跨文件证明生成与修复。
浮点 TVPI 抽象域
提出 TVPI-FP 浮点抽象域，用区间算术重设计算子，高效分析含分支、循环与初等函数的浮点程序。
神经符号模块化精化类型推断
提出神经符号 agent LHC，用 LLM 自动生成整包精化类型标注并由 LiquidHaskell 验证，大幅降低形式验证标注成本。
智能体程序验证中的自动化引理发现
提出 LLM 智能体 LemmaNet，通过程序语义理解离线合成与在线适配辅助引理，自动完成演绎验证中的 VC 证明。
DepRadar：面向深度学习库上下文感知缺陷影响分析的智能体协同框架
DepRadar 用多个专门化智能体协同静态分析与领域规则，自动判定深度学习库缺陷是否影响下游程序。
Fun2spec：大规模代码契约合成
首个工业级工具，引导 LLM 合成带量词的一阶逻辑 C++ 规范，准确率达 85%。
最近新增（14 天）
2026-10-151 篇
LMCS vol.Volume 22, Issue 42026
2026-10-141 篇
TOPLAS ACM Transactions on Programming Languages and Systems2026引用 1
2026-10-091 篇
保守 Petri 网的结构活性
证明保守 Petri 网的结构活性是 EXPSPACE 完全的，并给出最小活标识的双指数上界。
2026-10-081 篇
循环、逆极限与非确定性
引入 Weihrauch 复杂度中的无限循环/逆极限算子，证明其单调性并刻画非确定性可计算问题的封闭性。
2026-10-07共 448 篇 · 展示前 50
KVerus：面向 Rust 代码的可扩展且鲁棒的形式化验证证明生成
提出 LLM 辅助的 Verus 证明生成工作流 KVerus，用动态知识库支持仓库级跨文件证明生成与修复。
智能体程序验证中的自动化引理发现
提出 LLM 智能体 LemmaNet，通过程序语义理解离线合成与在线适配辅助引理，自动完成演绎验证中的 VC 证明。
通过溯源分析保障 LLM 智能体免于失准
提出基于溯源分析的形式化框架与 ProvenanceGuard 流水线，在工具调用执行前检测 LLM 智能体的失准行为。
GPU 加速的信念传播程序分析
提出 FastLBP，一个支持灵活更新策略与局部结构的 GPU 加速信念传播框架，用于大规模程序分析。
仅凭测试能否合成形式规约？
用 LLM 仅从测试代码与动态执行轨迹（黑盒）推断 JML 形式规约，并以有界模型检验迭代精化。
利用系统级观测为定量验证中的模型参数贝叶斯学习提供信息
提出 EPIK，用可直接观测的系统级属性引导贝叶斯先验，从而更准确地对模型转移参数学习并验证难以测量的定量性质。
MalSkills：通过神经符号推理检测智能体供应链中的恶意技能
提出神经符号检测框架 MalSkills，从异构构件中推理识别 LLM 智能体供应链中的恶意技能，F1 达 93%。
基于 LLM 引导策略选择的自适应证明精化
提出 Adapt 框架，用 LLM 引导的决策器动态选择证明精化策略，显著提升定理证明的自动化成功率。
基于多模态验证器的可认证程序合成
提出基于 Lean 多模态验证器 Velvet 的分阶段 agent 流水线 LeetProof，实现从自然语言到程序、规格与机器可检验证明的可认证合成。
面向代码智能体检索的 TypeScript 仓库索引
基于 TypeScript Compiler API 实现 abcoder-ts-parser，直接复用编译器 AST 与语义信息，为代码智能体高效构建函数级代码索引。
AgenticSCR：面向未成熟漏洞检测的自主智能体安全代码审查
提出带安全语义记忆的智能体代码审查器，在早期漏洞检测中显著优于静态LLM、多智能体与SAST工具。
REAP：从交互式生产使用中自动整理编码智能体基准
提出 REAP 自动化流水线，从真实开发者-智能体会话构建可执行、可复现的生产分布基准 Harvest。
DafnyRAG：一个检索增强与验证驱动的 Dafny 代码自动修复工具
提出结合形式验证反馈与检索增强生成来迭代修复 Dafny 代码并提升形式规约准确性的工具。
LLM Agent 技能如何泄露你的凭证：一项实证研究
首次大规模实证研究 LLM agent 技能的凭证泄露，归纳出 10 类泄露模式，并揭示 fork 分发使修复失效。
RACE-Bench：面向仓库级代码智能体特性添加任务的推理增强基准
提出 RACE-Bench，用可执行补丁验证与结构化中间推理轨迹双重评估仓库级代码智能体的特性添加能力。
EMERGE：通过规则合成检查 LLM 的实现等价性
提出 EMERGE，借助规则合成检查 LLM 的实现等价性，并发布 ASE 2026 工件。
翻译接力队：形式规则与 LLM 合作比分开翻译更多宏
提出形式化宏翻译器 MerC 与基准 MacroBench，并证明 MerC 先翻译、LLM 补余的接力法优于单独使用。
JavaVulBench：具有真实划分、统一多后端评测框架与泄漏感知评估模式的 Java 漏洞基准
发布 JavaVulBench：面向 Java 漏洞检测的真实划分、多后端统一评测与预训练泄漏感知基准。
在 Meta 自动化低风险代码审查：RADAR、风险校准与审查效率
在 Meta 部署 RADAR 多级漏斗自动审查并放行低风险 diff，量化风险阈值与安全、效率的权衡。
ProbGuard：基于概率预测的 LLM 智能体安全主动式运行时监控
ProbGuard 用从执行轨迹学到的 DTMC 预测 LLM 智能体的安全风险，实现提前预警与干预。
Doc2Feat-Bench：评估文档驱动的功能添加
提出文档驱动功能添加基准 Doc2Feat-Bench，含 634 个真实任务与人工校验子集，最佳智能体成功率仅 37.72%。
LLM 智能体可以看见代码仓库
首次系统实证多模态模型理解代码仓库：可视化结构上下文可降 token 并保持或提升问题解决准确率。
ReCodeAgent：面向大规模仓库的语言无关翻译与验证的多智能体工作流
提出多智能体工作流 ReCodeAgent，实现全自动、语言无关的大规模仓库级代码翻译与验证。
多轮 LLM 编程对话中的回归累积
通过 542 个任务×8 轮实验揭示多轮 LLM 编程对话中的回归累积现象，并提出验证门策略加以缓解。
终端中的智能体代码评审：行为、成本与人类对齐的轨迹级分析
以轨迹级分析刻画终端智能体代码评审的行为模式、隐藏成本与人类对齐情况。
TELLER：面向 LLM 推理的非侵入式跨层根因分析
提出非侵入式跨层根因分析框架 TELLER，用结构化 trace 表示与多模态模型定位 LLM 推理异常步骤并生成解释。
使用 LLM 合成代码转换规则：潜力与局限
实证研究 LLM 能否为三种转换规则 DSL 合成正确、可泛化、可复用的代码转换规则，并揭示其能力边界。
自我发现的安全预言机：通过对抗自博弈元学习漏洞检测策略
提出 MetaMorphSES，用对抗自博弈元学习让基础模型自主演化漏洞生成与检测策略，无需预设提示或规则。
在开发者心流中捕获问题：面向 Google 规模的低延迟智能体程序修复
提出并部署 FlowAgent，在 Google 提交前 CI 流程中以低延迟 LLM 智能体自动修复测试失败，人工评估修复准确率达 67.18%。
从真实世界重构实践中学习语义保持变异算子以测试静态分析器
提出SAFuzzer，从真实重构提交学习语义保持变异算子，并用蜕变测试发现SAST工具缺陷。
基于差异感知特征的部署风险评估：Prime Video 案例研究
提出以代码 diff 特征为核心、用 LLM 做多语言特征提取的部署风险预测框架，跨数据集 F1 达 0.81。
SkillMOO：面向软件工程的智能体技能多目标优化
提出 SkillMOO，将软件工程智能体技能包视为多目标搜索对象，用 LLM 编辑与 NSGA-II 联合优化通过率和推理成本。
调试调试器：面向软件工程智能体的失败锚定结构化恢复
提出 PROBE，将失败运行遥测转为结构化诊断与有界恢复指导，提升软件工程智能体的失败后恢复能力。
歧义并非前提：理解 LLM 在模糊需求下的代码生成
提出 Orchid 基准，首次系统实证研究需求歧义对 LLM 代码生成的影响，发现歧义普遍降低模型性能。
PSearch：LLM 驱动的自动程序修复时代的基于搜索的补丁生成
提出基于搜索的补丁生成框架 PSearch，通过迭代评估与精化提升 LLM 自动程序修复效果并降低成本。
基于代码生成的表格自动复现
提出 Artisan，将论文表格数值复现转化为 LLM 代码生成任务，并发布首个复现基准 Artisan-Bench。
当知识发生变化：基于变异的 RAG 系统蜕变测试
提出蜕变测试框架，用11种变异算子评估RAG系统在语料演化下的一致性，检出被现有指标漏掉的故障。
从探针到生成：程序变体引导的仓库级修复基准测试增强
用语义程序变体作为行为探针，自动生成回归测试以补齐仓库级修复基准的测试薄弱点。
DCAS：解耦 CLI 智能体脚手架，将规划能力内化到跨脚手架模型
提出 DCAS 拦截层解耦 CLI 智能体脚手架与后端模型，使规划能力可跨脚手架内化迁移。
形式验证集成的强化学习用于自动化 ORM Schema 合成
提出 ReinforceORM，用强化学习搜索 ORM Schema 的多目标帕累托最优解，并以 Alloy 形式验证保证正确性。
CppPerf：面向性能改进的 C++ 提交的自动化流水线与数据集
提出自动化流水线 CppPerf-Mine 挖掘 C++ 性能改进补丁，并构建含 347 个可复现补丁的基准 CppPerf-DB。
基于部分依赖图的有效且高效上下文检索用于仓库级代码生成
提出 DyRetriever，用 LLM 按需构建部分依赖图并多跳推理检索上下文，提升仓库级代码生成。
EffiHolmes：差分性能剖析引导的仓库级时间低效修复位置定位
提出差分剖析与LLM引导推理的仓库级时间低效修复定位框架，并构建首个基准RepoEffi-Bench。
面向可靠 C-to-Rust 翻译的规则引导推理与强化学习
提出 TRAVEL，用规则引导 MCTS 推理与强化学习提升 LLM 的 C-to-Rust 翻译正确性。
地基正在移动：对软件度量基础的反思
指出AI代理使用开发工具生成的痕迹违背人类来源假设，呼吁检测假设失效并开展AI辅助复现研究。
LLM 如何阅读缺陷报告？面向自动程序修复的 LLM 注意力实证研究
首次实证研究 LLM 自动程序修复中的注意力模式，发现注意力错配是修复失败的关键因素。
SmellCC：一种自动化代码坏味道修复工具
提出 VS Code 扩展 SmellCC，结合 SonarQube 与 LLM 流水线，一键检测并重构 Python 代码坏味道。
TasmScan：面向 TVM 字节码的续延感知污点分析与 Savelist 抽象
提出首个 TVM 字节码级静态分析框架，通过建模 savelist 语义实现跨续延污点分析并检测合约缺陷。
IcFuzz：基于语义阶段引导与多级变异的 Isaac Sim 模糊测试
首个面向 Isaac Sim 的模糊测试方法，利用 LLM 语义阶段分割与多级变异提升覆盖率和缺陷检测能力。
几页 Markdown：提交式 AI 配置与采用编码智能体后更低的质量代价
提出基于提交工件的四级 AI 成熟度模型 RAMP，发现编码智能体带来普遍提速，但缺少提交式 AI 配置的仓库质量代价约翻倍。
2026-10-061 篇
面向 PRISM 的概率编排语言
提出一种概率编排语言，定义概率语义并编码到 PRISM，支持并发概率系统的全局建模与模型检测。