1. Online Monitoring and Corrective Steering of Programming Agents
- 作者/来源： Shuyang Liu、Saman Dehghan、Ji Young Kim、Jatin Ganhotra、Martin Hirzel、Reyhaneh Jabbarvand
- 发布日期： 2026-08-07
- arXiv： https://arxiv.org/abs/2608.06701
- AlphaXiv Blog/Overview： https://www.alphaxiv.org/abs/2608.06701
推荐理由： 长周期 coding agent 的问题经常不是“不会写”，而是执行到中途偏离原计划、反复尝试失败动作，或者在没有可用 patch 时提前结束。LivePlan 的价值在于把监督层做得很轻：默认用确定性规则持续监控轨迹，只有发现异常时才调用 advisor LLM 给出高层纠偏建议。这更像一个可部署的 agent runtime guardrail，而不是再叠一个昂贵的 planner。
核心要点：
- LivePlan 将“判断是否偏航”和“如何纠偏”拆开：规则监控器检查轨迹中的通用异常信号，只有触发异常后才调用 advisor LLM，因此避免每一步都重新规划。
- 在 SWE-agent 上、跨 SWE-bench Verified 与 SWE-bench Pro、使用 5 个不同 LLM 评测时，问题解决率相对 vanilla SWE-agent 最高提升 15.2%，平均提升 9.9%，额外成本仅约 0.08 美元/实例。
- 新增成功主要集中在中等和困难任务，同时对原本已成功的运行造成的 regression 很少。对 software factory 的启示是：agent autonomy 不一定需要更大的 orchestrator，而可以增加一个低成本、持续在线的 trajectory control plane。
2. AgentChaos: Chaos Engineering for Agent Systems via Programmatic Fault Injection
- 作者/来源： Gou Tan、Zhensu Sun、Jieke Shi、Ting Zhang、Zilong He、Qingfu Wu、Shuai Liang、Weifeng Sun、Junda He、Pengfei Chen、Chuanfu Zhang、Lwin Khin Shar、David Lo
- 发布日期： 2026-08-07
- arXiv： https://arxiv.org/abs/2608.06790
- AlphaXiv Blog/Overview： https://www.alphaxiv.org/abs/2608.06790
推荐理由： 当 agent workflow 越来越长，LLM API 本身就变成基础设施依赖：server error、截断响应、错误 tool call 字段都可能沿着 multi-agent 链路放大。AgentChaos 把传统分布式系统里的 chaos engineering 引入 agent 系统，而且通过统一 HTTP 层注入故障，不要求修改 agent 源码，很适合做 agent platform / harness 的可靠性 eval。
核心要点：
- AgentChaos 在共享的 LLM HTTP API 层做运行时、非侵入式 fault injection，覆盖 content 和 tool-call 字段上的 crash、omission、value 三大类故障，而不是为每个 agent framework 单独改代码。
- 跨 agent 系统、benchmark 和 backbone LLM 的 65 种故障配置中，所有系统性能都明显下降，pass@1 最大可下降 50 个百分点；系统之间的韧性排名在不同模型上仍较稳定。
- 这意味着可靠性更取决于 agent system implementation，而不只是模型能力；现有 fault diagnosis 对故障类型识别准确率低于 53%，对故障步骤定位低于 56%。对于 agentic software factory，LLM API failure injection 应当像数据库、网络和服务故障注入一样进入常规测试体系。