1. SWE-NFI: Studying and Benchmarking Coding Agents for Non-Functional Improvements
- 作者/来源： Pengyu Xue、He Yang Yuan、Xin Wang 等 / arXiv
- 发布日期： 2026-07-29
- 原文： https://arxiv.org/abs/2607.27409
推荐理由： 现有 coding-agent benchmark 大多只看功能是否正确，这篇工作把评测扩展到重构、可维护性和结构改进，更接近真实软件工程。
核心要点：
- SWE-NFI 从真实开源项目已合并的 Pull Request 中构建了 188 个任务，并将非功能改进整理为 92 条可执行规则。
- 最佳 agent 的功能正确率达到 70%，但整体非功能改进能力仍落后于人类开发者。
- 差距在结构性改进上最明显，说明“测试通过”不能作为 agent 代码质量的唯一验收标准。
2. (Im)Paired Programming: Coding Agents Improve Productivity but Harm Understanding
- 作者/来源： Nishant Balepur、Connor Baumler、Valerie Chen 等 / arXiv
- 发布日期： 2026-07-29
- 原文： https://arxiv.org/abs/2607.26375
推荐理由： 这篇研究关注 coding agent 的隐性成本：任务完成更快，但开发者可能逐渐失去对代码的理解、维护和监督能力。
核心要点：
- 研究让 54 名学生分别使用可直接修改代码的 agent 或普通聊天助手完成网站开发任务。
- Agent 组初始完成效率更高，但在代码理解测试和后续独立扩展任务中表现更差。
- 复制粘贴式提示和自动接受修改与更低的代码理解度相关；AI-native 工作流应主动要求解释、审查和人工复述关键设计。