软件工程：2025–2026 年度综述

对 arXiv cs.SE 分类的年度综述，涵盖 2025 年 9 月 至 2026 年 8 月 期间发表的研究。本卷基于对 100 篇论文 的细读整理，组织为 40 章，按该领域的研究子方向描绘这一年的全貌。

全书框架（年度产出占比）：

• 面向安全的数据驱动系统与机器学习 (19.5%) — 应用机器学习与数据驱动模型构建并分析软件系统，尤其关注安全关键行为。
• 用于软件工程与规格说明的大语言模型 (14.6%) — 将大语言模型应用于程序分析、规格说明与需求工程，以提升代码质量。
• 智能体式 LLM：工具、技能与多智能体执行 (10.8%) — 研究调用外部工具、习得技能并协调多智能体执行以完成复杂软件任务的 LLM 智能体。
• 开源软件安全与漏洞检测 (9.7%) — 考察开源软件中的安全实践、依赖管理与漏洞自动化检测。
• 智能体式与生成式 AI 辅助的人类软件开发 (8.4%) — 考察智能体式与生成式 AI 如何在需求、设计、编码与协作流程中辅助人类开发者。
• 自动化测试生成与蜕变测试 (7.2%) — 开发自动生成测试用例并应用蜕变测试的方法，尤其用于验证基于 LLM 的系统。
• 软件工程研究与开发 (6.4%) — 涵盖实证软件工程研究、开发者工作流，以及塑造现代开发的实践与工具。
• 智能体式编码与软件工程基准 (5.9%) — 通过衡量其解决真实软件工程任务能力的基准，评估智能体式编码助手。
• 用于代码生成与自动化评审的大语言模型 (5.4%) — 研究大语言模型如何生成源代码并自动化代码评审，评估其所产出代码的正确性、质量与可维护性。
• 自动化程序修复与缺陷定位 (5.1%) — 研究定位故障并生成修复补丁的自动化方法。
• 仓库级检索增强生成 (5.0%) — 利用仓库级检索增强生成，为编码智能体提供来自大型代码库的相关上下文。
• 量子软件工程与经典混合计算 (1.8%) — 探索如何编写、测试与验证量子程序，并在混合系统中与经典计算集成。

每个子方向均通过三章展开论述——它如何提出自己的问题、其关键结论的强度，以及它开放的争论与前沿，从而让读者获得该领域今年实际产出的可溯源图景。