Buchumschlag

AgentHub: A Registry for Discoverable, Verifiable, and Reproducible AI Agents

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pautsch, Erik, Singla, Tanmay, Kumar, Parv, Jiang, Wenxin, Peng, Huiyun, Hassanshahi, Behnaz, Läufer, Konstantin, Thiruvathukal, George K., Davis, James C.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Software Engineering Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

WIP: An Engaging Undergraduate Intro to Model Checking in Software Engineering Using TLA+
von: Läufer, Konstantin, et al.
Veröffentlicht: (2024)

On the Variability of Source Code in Maven Package Rebuilds
von: Dietrich, Jens, et al.
Veröffentlicht: (2026)

Beyond Local Code Optimization: Multi-Agent Reasoning for Software System Optimization
von: Peng, Huiyun, et al.
Veröffentlicht: (2026)

Unlocking Reproducibility: Automating re-Build Process for Open-Source Software
von: Hassanshahi, Behnaz, et al.
Veröffentlicht: (2025)

Can Large-Language Models Help us Better Understand and Teach the Development of Energy-Efficient Software?
von: Hasler, Ryan, et al.
Veröffentlicht: (2024)

Large Language Models for Energy-Efficient Code: Emerging Results and Future Directions
von: Peng, Huiyun, et al.
Veröffentlicht: (2024)

SysLLMatic: Large Language Models are Software System Optimizers
von: Peng, Huiyun, et al.
Veröffentlicht: (2025)

Improving the Reproducibility of Deep Learning Software: An Initial Investigation through a Case Study Analysis
von: Ravi, Nikita, et al.
Veröffentlicht: (2025)

What do we know about Hugging Face? A systematic literature review and quantitative validation of qualitative claims
von: Jones, Jason, et al.
Veröffentlicht: (2024)

Now's the Time: Computer Science Must Evolve to Emphasize Software and Systems Engineering with Artificial Intelligence (AI)
von: Sekharan, Chandra N., et al.
Veröffentlicht: (2026)

Fingerprinting AI Coding Agents on GitHub
von: Ghaleb, Taher A.
Veröffentlicht: (2026)

Reusing Deep Learning Models: Challenges and Directions in Software Engineering
von: Davis, James C., et al.
Veröffentlicht: (2024)

Levels of Binary Equivalence for the Comparison of Binaries from Alternative Builds
von: Dietrich, Jens, et al.
Veröffentlicht: (2024)

"I see models being a whole other thing": An Empirical Study of Pre-Trained Model Naming Conventions and A Tool for Enhancing Naming Consistency
von: Jiang, Wenxin, et al.
Veröffentlicht: (2023)

How Do Agents Perform Code Optimization? An Empirical Study
von: Peng, Huiyun, et al.
Veröffentlicht: (2025)

AIDev: Studying AI Coding Agents on GitHub
von: Li, Hao, et al.
Veröffentlicht: (2026)

Analysis of Failures and Risks in Deep Learning Model Converters: A Case Study in the ONNX Ecosystem
von: Jajal, Purvish, et al.
Veröffentlicht: (2023)

Towards a Benchmark for Dependency Decision-Making
von: Singla, Tanmay, et al.
Veröffentlicht: (2026)

Immersion in the GitHub Universe: Scaling Coding Agents to Mastery
von: Zhao, Jiale, et al.
Veröffentlicht: (2026)

Agentic Much? Adoption of Coding Agents on GitHub
von: Robbes, Romain, et al.
Veröffentlicht: (2026)

Learning From Software Failures: A Case Study at a National Space Research Center
von: Anandayuvaraj, Dharun, et al.
Veröffentlicht: (2025)

ZTD$_{JAVA}$: Mitigating Software Supply Chain Vulnerabilities via Zero-Trust Dependencies
von: Amusuo, Paschal C., et al.
Veröffentlicht: (2023)

What Challenges Do Developers Face in AI Agent Systems? An Empirical Study on Stack Overflow & GitHub Issues
von: Asgari, Ali, et al.
Veröffentlicht: (2025)

Towards Verifiably Safe Tool Use for LLM Agents
von: Doshi, Aarya, et al.
Veröffentlicht: (2026)

Process-based Indicators of Vulnerability Re-Introducing Code Changes: An Exploratory Case Study
von: Shimmi, Samiha, et al.
Veröffentlicht: (2025)

GitBug-Actions: Building Reproducible Bug-Fix Benchmarks with GitHub Actions
von: Saavedra, Nuno, et al.
Veröffentlicht: (2023)

SEVerA: Verified Synthesis of Self-Evolving Agents
von: Banerjee, Debangshu, et al.
Veröffentlicht: (2026)

LMR-BENCH: Evaluating LLM Agent's Ability on Reproducing Language Modeling Research
von: Yan, Shuo, et al.
Veröffentlicht: (2025)

Where Do AI Coding Agents Fail? An Empirical Study of Failed Agentic Pull Requests in GitHub
von: Ehsani, Ramtin, et al.
Veröffentlicht: (2026)

PeaTMOSS: A Dataset and Initial Analysis of Pre-Trained Models in Open-Source Software
von: Jiang, Wenxin, et al.
Veröffentlicht: (2024)

From Agent Loops to Deterministic Graphs: Execution Lineage for Reproducible AI-Native Work
von: Rosen, Josh, et al.
Veröffentlicht: (2026)

Does SWE-Bench-Verified Test Agent Ability or Model Memory?
von: Prathifkumar, Thanosan, et al.
Veröffentlicht: (2025)

Teamwork makes the dream work: LLMs-Based Agents for GitHub README.MD Summarization
von: Nguyen, Duc S. H., et al.
Veröffentlicht: (2025)

DALEQ -- Explainable Equivalence for Java Bytecode
von: Dietrich, Jens, et al.
Veröffentlicht: (2025)

Why Johnny Adopts Identity-Based Software Signing: A Usability Case Study of Sigstore
von: Kalu, Kelechi G., et al.
Veröffentlicht: (2025)

Training Software Engineering Agents and Verifiers with SWE-Gym
von: Pan, Jiayi, et al.
Veröffentlicht: (2024)

MAGIS: LLM-Based Multi-Agent Framework for GitHub Issue Resolution
von: Tao, Wei, et al.
Veröffentlicht: (2024)

Generative AI in Software Testing: Current Trends and Future Directions
von: Singla, Tanish, et al.
Veröffentlicht: (2026)

Counterexample Classification against Signal Temporal Logic Specifications
von: Zhang, Zhenya, et al.
Veröffentlicht: (2026)

SERA: Soft-Verified Efficient Repository Agents
von: Shen, Ethan, et al.
Veröffentlicht: (2026)