Beware the evolving 'intelligent' web service! An integration architecture tactic to guard AI-first components
Deakin University（迪肯大学）；Monash University（莫纳什大学）
智能服务通过简单的RESTful API端点为开发人员提供AI的强大功能，从而抽象出机器学习的许多复杂性。然而，这些智能服务中的大多数（如计算机视觉）都是随着时间的推移不断学习的。当抽象的“黑盒子”内部的东西隐藏起来并不断发展时，依赖于这些不断发展的服务的应用程序的健壮性就会出现问题。如果开发人员不采用依赖于智能服务的项目规划和构建方式，就会在项目规划和开发中产生重大差距和风险。因此，软件工程师如何才能最好地降低软件演化风险，从而确保他们自己的应用程序保持质量？我们的建议是一个架构策略，旨在提高智能服务依赖软件的鲁棒性。该策略涉及创建一个以智能服务为基准的特定于应用程序的基准数据集，从而减轻进化行为的变化。我们对该架构的实现进行了技术评估，展示了该策略如何使用由331个图像组成的数据集识别1，054个显著置信度演变的案例和2，461个响应标签集发生重大变化的案例，这些图像在发送到服务时会发生演变。
2020-05-27 cs.AI cs.SE
An efficient approach to represent enterprise web application structure using Large Language Model in the service of Intelligent Quality Engineering
Atalgo Computing Pty Ltd（阿塔尔戈计算私人有限公司）
本研究提出一种基于大语言模型的企业Web应用分层表示方法，含五个核心阶段，经两个真实应用验证可提升测试用例生成质量与测试效率，助力规模化智能质量工程。
2025-01-12 cs.AI cs.SE
Intelligent Product 3.0: Decentralised AI Agents and Web3 Intelligence Standards
University of Cambridge（剑桥大学）；RedBite Solutions Ltd（RedBite解决方案有限公司）
本文面向智能产品演进，整合去中心化身份、区块链产品履历与 AI 智能体协作，提出 Intelligent Product 3.0 规范及 Web3 智能标准。
2025-05-14 cs.AI cs.MA cs.NI
AI-Powered Data Visualization Platform: An Intelligent Web Application for Automated Dataset Analysis
Presidency University（普雷西登西大学）
该研究构建AI驱动的数据可视化Web平台，结合Flask后端、React前端与Firebase云存储，通过先进机器学习算法实现数据清洗、特征选择及可视化自动生成，大幅减少手动分析耗时，支持10万行数据集实时处理与多用户并发请求。
2025-11-15 cs.AI
Semantic Oriented Agent based Approach towards Engineering Data Management, Web Information Retrieval and User System Communication Problems
Vienna University of Technology（维也纳技术大学）
软件产业对软件产生了四个严重的问题，即，本论文主要讨论了用户系统通信/人机界面、Meta数据抽取、信息处理与管理以及数据表示等问题。为了在该领域做出贡献，我们已经提出并描述了一个智能语义面向代理的搜索引擎，包括智能图形用户界面的概念，基于自然语言的信息处理，数据管理和数据重建的最终用户端的信息表示。
2010-08-07 cs.AI
Harnessing LLM for Noise-Robust Cognitive Diagnosis in Web-Based Intelligent Education Systems
School of Computer Science and Technology/School of Artificial Intelligence, China University of Mining and Technology（计算机科学与技术学院/人工智能学院，中国矿业大学）；School of Computing Technologies, RMIT University（计算技术学院，拉筹伯大学）；Department of Computer Science and Technology, University of Cambridge（计算机科学与技术系，剑桥大学）；School of Computer Science and Technology, Hainan University（计算机科学与技术学院，海南大学）
针对Web智能教育系统中认知诊断面临的数据噪声与不平衡问题，提出基于扩散模型的DLLM框架，通过两阶段去噪与语义结构对齐，在三个数据集上实现噪声鲁棒的最优预测。
2025-10-07 cs.AI
SnapMode: An Intelligent and Distributed Large-Scale Fashion Image Retrieval Platform Based On Big Data and Deep Generative Adversarial Network Technologies
University of Alzahra（阿尔扎拉大学）
时尚现在是世界上最大的产业之一，因为它代表了人类历史，并有助于讲述世界的故事。随着第四次工业革命的兴起，互联网已经成为越来越重要的时尚信息来源。然而，随着越来越多的网页和社交数据，人类几乎不可能手动跟上该领域的持续发展和不断变化的内容。妥善管理和利用大数据可以为全球经济的大幅增长和公民满意度铺平道路。因此，计算机科学家发现，通过使用大数据和机器学习技术来处理电子商务时尚网站是一项挑战。本文首先提出了一种基于分布式计算平台的可扩展的聚焦式Web爬虫引擎，用于电子商务网站上的时尚数据的提取和处理。然后描述了所提出的平台的作用，通过采用深度卷积生成对抗网络（DCGAN）进行基于内容的图像索引和检索来开发一种解纠缠的特征提取方法。最后，国家的最先进的解决方案进行了比较，所提出的方法的结果进行了分析的标准数据集。为了实现所提出的解决方案，在Apache Storm、Kafka、Solr和Milvus平台上开发了一个基于Web的应用程序，以创建一个名为SnapMode的时尚搜索引擎。
2022-04-08 cs.AI cs.CV cs.DC
SchemaLink: An Intelligent Web Editor for LinkML Schema Curation
University of Milano（米兰大学）；Lawrence Berkeley National Lab（劳伦斯伯克利国家实验室）
本文提出基于Web的SchemaLink，通过图形化语言和RAG方法简化LinkML模式的设计与管理，生成高质量模式，相关资源开源提供。
2026-08-14 cs.AI cs.DB cs.HC
Autonomous Intelligent Agents for Natural-Language-Driven Web Execution with Integrated Security Assurance
International Business Machines (IBM)（国际商业机器公司（IBM））；Salesforce Inc（Salesforce公司）
本文提出一种AI驱动的自动化测试框架，通过五个集成策略提升测试脚本生成成功率和导航可靠性，同时实现安全验证，检测认证绕过漏洞和输入验证缺陷。
2026-05-14 cs.AI cs.CR
Inductive Cognitive Diagnosis for Fast Student Learning in Web-Based Online Intelligent Education Systems
Shanghai Institute of AI for Education（上海教育人工智能研究院）；School of Computer Science and Technology（计算机科学与技术学院）；East China Normal University（华东师范大学）
针对网络化在线智能教育系统中现有直推式认知诊断方法处理新学生需重训练、效率低的问题，提出基于以学生为中心的图的归纳式认知诊断模型，通过节点表示聚合推断掌握水平，在保持性能的同时大幅提升速度。
2024-04-17 cs.AI
Inverse Theory of Mind Modeling for Content Recommendation: From Web Browsing to Dynamic Intelligent Interfaces
JPMorganChase（摩根大通）
本研究提出反向心智理论（IToM）流程，从用户交互反向推理推断信念与偏好，在OPeRA数据集上验证其画像推断效果，并通过VisionOS应用展示跨模态迁移能力，提升内容推荐的用户理解精度。
2026-08-24 cs.AI
Large-Scale Intelligent Microservices
Microsoft（微软）；MIT（麻省理工学院）
在数据库中部署机器学习（ML）算法是一项挑战，因为现代ML算法的计算足迹不同，而且各种数据库技术都有自己的限制性语法。我们引入了一个基于Apache Spark的微服务编排框架，该框架扩展了数据库操作，以包括Web服务原语。我们的系统可以编排Web服务在数百台机器上，并充分利用集群，线程和异步并行。使用这个框架，我们提供了大规模的客户端的智能服务，如语音，视觉，搜索，异常检测和文本分析。这使得用户可以使用Apache Spark连接器将即时可用的智能集成到任何服务器中。为了消除网络通信的大部分开销，我们还引入了我们架构的低延迟容器化版本。最后，我们证明了我们调查的服务是有竞争力的各种基准，并提出了两个应用程序，这个框架来创建智能搜索引擎，和实时的汽车比赛分析系统。
2021-12-02 cs.AI cs.DB cs.DC
Monitoring Web Agents Without Internal Signals: Observable Trajectories and Key-Step Supervision
University of Minnesota（明尼苏达大学）；Purdue University（普渡大学）；The Pennsylvania State University（宾夕法尼亚州立大学）
本研究针对Web智能体无内部信号的监控难题，提出基于可观测轨迹的关键步骤监督方法，在多个基准上验证其风险预测能力与基线相当，支持早期干预和跨网站迁移。
2026-09-03 cs.AI
Alleviating Media Bias Through Intelligent Agent Blogging
L3S Research Center（L3S研究中心）；Leibniz University Hannover（汉诺威莱布尼茨大学）
大众媒体的消费者必须有一个全面的，平衡的和多元化的新闻选择，以获得一个公正的观点;但实现这一目标可能是非常具有挑战性的，费力和耗时。随着时间的推移，新闻故事的发展，其（不）一致性，以及媒体的不同报道水平是一个认真的读者必须克服的挑战，以减轻偏见。在本文中，我们提出了一个智能代理框架，目前促进在线新闻在萨尔瓦多的主要来源的分析。我们展示了如何将文本分析和Web 2.0技术的先前工具与最小的手动干预相结合，以帮助个人进行理性的决策过程，同时让媒体对他们的工作负责。
2009-02-04 cs.AI
An Innovative Approach for online Meta Search Engine Optimization
Northumbria University（诺森比亚大学）
本文提出了一种方法，以确定有效的技术用于Web搜索引擎优化（SEO）。了解SEO因素，可以影响页面排名在搜索引擎是有意义的网站管理员谁希望吸引大量的用户到他们的网站。不同于以往的相关研究，在这项研究中，我们开发了一个智能的Meta搜索引擎，聚合的结果，从各种搜索引擎和排名的基础上，几个重要的SEO参数。该研究试图建立在排名算法中使用更多的SEO参数有助于检索更好的搜索结果，从而提高用户满意度。从Meta搜索引擎生成的初始结果在更好地检索到高精度的搜索结果方面优于现有的搜索引擎。
2015-09-28 cs.AI cs.IR
Analysis of Statistical Hypothesis based Learning Mechanism for Faster Crawling
万维网（WWW）的发展使其从一个无形的网页扩展到一个巨大的网络信息中心，这逐渐增加了搜索引擎中抓取过程的复杂性。搜索引擎处理来自世界各地的大量查询，其答案完全取决于它通过爬行收集的知识。信息共享已成为社会的一种普遍现象，其主要方式是在网络上发布结构化、半结构化和非结构化的信息资源。这种社会实践导致网络资源呈指数级增长，因此在任何情况下，爬行以持续更新网络知识和修改现有资源变得至关重要。本文提出了一种基于统计假设的学习机制，用于学习不同网络环境下的爬行速度行为，并对爬行速度进行智能控制。缩放技术是用来比较性能提出的方法与标准的爬虫。实验结果表明，该算法具有很高的检索速度，并分析了在这种高速下对相关Web资源的检索。
2012-08-13 cs.AI cs.IR
Intelligent AI Delegation
Google DeepMind（谷歌DeepMind）
本文提出了一种适应性框架，用于智能AI委派，通过任务分配、授权、责任转移和信任机制，提升复杂环境下的任务分解与委派能力。
2026-02-12 cs.AI
An Intelligent Multi-Agent Recommender System for Human Capacity Building
University of the Witwatersrand（金山大学）
本文提出了一种多智能体的方法来推荐培训课程的工程专业人员的问题。该推荐系统是作为概念验证而构建的，仅限于电气和机械工程学科。通过用户建模和数据汇集从一个调查，协同过滤推荐实现使用智能代理。这些代理共同推荐有意义的培训课程并更新课程信息。该系统使用用户配置文件和课程中的关键字来对课程进行排名。90%的课程的排名准确性，同时实现灵活性，使用代理，检索信息自主使用数据采掘技术从网站。这种推荐方式是可扩展的和可适应的。可以使用聚类和记录用户反馈来进行进一步的改进。
2008-06-13 cs.AI cs.HC
Intelligent Personal Assistant with Knowledge Navigation
AIT Pune（浦那AIT）
智能个人代理（IPA）是一种代理，其目的是帮助用户通过可靠的资源，借助知识导航技术获得信息，并节省时间来搜索最佳内容。该代理还负责在会话语料库的帮助下响应基于聊天的查询。我们将测试不同的优化查询生成方法。为了庆祝应用程序的易用性，代理将能够通过文本（键盘），语音（语音识别）和服务器（Facebook）接受输入，并使用相同的方法输出响应。现有的聊天机器人通过更改输入来回复，但我们将根据多个SRT文件给出响应。该模型将使用人类对话数据集进行学习，并能够像人类一样做出响应。对有关著名事物（地点，人物和单词）的查询的响应可以使用网络抓取来提供，这将使机器人具有知识导航功能。代理甚至会从过去的经验中学习，支持半监督学习。
2017-04-28 cs.AI
MLtoGAI: Semantic Web based with Machine Learning for Enhanced Disease Prediction and Personalized Recommendations using Generative AI
Indian Institute of Information Technology Allahabad（阿拉哈巴德印度信息技术学院）
本研究提出MLtoGAI系统，集成语义网技术与机器学习进行疾病预测，并结合SWRL与ChatGPT生成个性化健康建议，在准确率和用户理解度上取得显著提升。
2024-07-26 cs.AI cs.LG
Integration of Flexible Web Based GUI in I-SOAS
University of Wuerzburg（维尔茨堡大学）；Vienna University of Technology（维也纳技术大学）；Technical University Sofia（索非亚技术大学）
有必要改进目前基于web的图形用户界面的概念，以开发更灵活和智能的界面，从而像大多数基于桌面的应用程序一样在用户端提供易用性并增加舒适度。本研究的目标是实现灵活的GUI组成的可视化组件管理器与不同的组件的功能，设计和目的。在这篇研究论文中，我们提出了一个富互联网应用程序（RIA）为基础的图形用户界面基于Web的产品开发，并进入细节，我们提出了现有的RIA技术之间的比较，在GUI开发和开发的原型中采用的方法。
2010-11-14 cs.AI cs.HC
JobMatchAI-An Intelligent Job Matching Platform Using Knowledge Graphs, Semantic Search and Explainable AI
Arizona State University（亚利桑那州立大学）
本文提出JobMatchAI平台，整合Transformer嵌入、技能知识图谱和可解释重排序技术，优化技能匹配、经验、地点、薪资和公司偏好，提供 resume 驱动的搜索工作流解释，发布JobSearch-XS基准和混合检索栈评估技能泛化能力。
2026-07-29 cs.AI
Intelligent City Traffic Management and Public Transportation System
智能交通系统在城市的情况下，控制交通拥挤和调节交通流量。本文提出了三个模块，这将有助于管理城市交通问题，并最终在交通系统中提供先进的发展。第一个模块，拥堵检测和管理将为用户提供实时的交通拥堵信息，第二个模块，智能公共交通系统将为用户提供实时的公共交通信息，即当地的公共汽车，第三个模块，信号同步将有助于控制信号处的拥堵，根据拥堵情况实时的调整信号计时器。所有的信息，用户正在获得有关交通或公共交通将提供用户的日常设备，是通过Android应用程序或短信移动.此外，通信也可以通过网站为客户提供互联网接入。所有这些模块都将完全自动化，无需服务器端的任何人为干预。
2013-10-22 cs.AI cs.CY
Eliza: A Web3 friendly AI Agent Operating System
Eliza Labs（伊莉莎实验室）；AI3 Labs（AI3实验室）；Heurist AI（启发式人工智能公司）；GoPlus（GoPlus公司）；Zero Gravity Labs（零重力实验室）；PipLabs（Pip实验室）；TownSquareLabs（城镇广场实验室）；MIT（麻省理工学院）
本文提出Eliza，首个开源Web3友好的AI智能体操作系统，基于TypeScript实现，无缝集成区块链读写与智能合约交互，简化Web3应用部署，并展示其运行时关键组件的稳定性能实现。
2025-01-24 cs.AI
AI-Governed Agent Architecture for Web-Trustworthy Tokenization of Alternative Assets
Probe Group Pte. Ltd.（Probe集团）
本文提出一种AI治理代理架构，将智能代理与区块链结合，通过AI驱动的治理层和加密经济激励实现另类资产的可信代币化，并以房地产案例验证其在防欺诈和合规方面的有效性。
2025-06-30 cs.AI cs.CR
Teacher-Student Learning on Complexity in Intelligent Routing
Amazon（亚马逊）
本文提出一种师生学习框架，通过教师模型基于事后对话记录标注复杂度，训练学生模型仅用事前数据预测客户联系复杂度，以优化智能路由并改善客户体验。
2024-02-24 cs.AI cs.LG
WILBUR: Adaptive In-Context Learning for Robust and Accurate Web Agents
University of California Berkeley（加州大学伯克利分校）；Bardeen, Inc.（巴登公司）
针对 Web 智能体跨网站泛化与准确性难题，本文提出 Wilbur，通过可微排序、指令合成、智能回溯和自动课程数据训练，在 WebVoyager 上取得最先进结果。
2024-04-08 cs.AI cs.CL
Mitigating the OWASP Top 10 For Large Language Models Applications using Intelligent Agents
University of Petra（佩特拉大学）
本文提出利用智能代理缓解大型语言模型应用中的OWASP Top 10安全漏洞，通过实时检测和应对提升模型安全性。
2026-01-26 cs.AI cs.CR
Using Methods of Declarative Logic Programming for Intelligent Information Agents
在网络上搜索信息面临着几个问题，这些问题一方面来自于大量的可用资源，另一方面来自于它们的异质性。一个有前途的方法是使用多代理系统的信息代理，合作解决先进的信息检索问题。这就需要具备处理复杂任务的能力，例如搜索和评估源、查询规划、信息合并和融合、处理不完整信息以及处理不一致性。在本文中，我们感兴趣的是在声明性逻辑编程领域的一些方法可以发挥的作用，在实现推理能力的信息代理。特别是，我们感兴趣的是如何使用它们，并进一步开发，以满足该应用领域的特定需求。我们回顾了一些现有的系统和当前的项目，解决信息集成的问题。然后，我们专注于声明性的知识表示方法，并审查和评估方法从逻辑编程和非单调推理的信息代理。我们讨论的优点和缺点，并指出可能的扩展和开放的问题。
2001-08-14 cs.AI cs.MA
Intelligent Go-Explore: Standing on the Shoulders of Giant Foundation Models
University of British Columbia（不列颠哥伦比亚大学）；Vector Institute（向量研究院）
本文提出 Intelligent Go-Explore（IGE），用巨型基础模型替代 Go-Explore 中手工设计的探索启发式，使智能体能本能识别状态的有趣性和前景，并在语言与视觉任务上显著超越强化学习、图搜索及 Reflexion 等基线。
2025-02-07 cs.AI cs.CL cs.LG
Intelligent System of Emergent Knowledge: A Coordination Fabric for Billions of Minds
ISEK Foundation（ISEK基金会）
本文提出基于 Web3 的 ISEK 去中心化多智能体网络，通过六阶段协调协议、声誉系统、$ISEK 激励与 NFT 身份支持人机对等协作，促进大规模涌现智能。
2025-06-11 cs.AI cs.MA
Agentic Web: Weaving the Next Web with AI Agents
Shanghai Jiao Tong University（上海交通大学）；The Hong Kong University of Science and Technology（香港科技大学）；University of Liverpool（利物浦大学）；University of California Berkeley（加州大学伯克利分校）；Shanghai Innovation Institute（上海创新研究院）；University of California Davis（加州大学戴维斯分校）；Virginia Tech（弗吉尼亚理工大学）；University College London（伦敦大学学院）
本文提出理解与构建Agentic Web的结构化框架，梳理其演进脉络与技术基础，提出三维概念模型，分析可扩展智能体系统的架构挑战，并探讨应用、风险与研究方向。
2025-07-28 cs.AI cs.LG
Causal-Aware Intelligent QoE Optimization for VR Interaction with Adaptive Keyframe Extraction
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
本文提出一种结合自适应关键帧提取与因果感知强化学习的智能框架，通过构建基于韦伯-费希纳定律的QoE指标并联合优化关键帧比率与计算资源，有效降低了多用户VR交互延迟并提升了体验质量与公平性。
2025-06-24 cs.AI cs.LG
Prune4Web: DOM Tree Pruning Programming for Web Agent
Prune4Web通过DOM树剪枝编程提升Web自动化精度，实现25-50倍候选元素减少，显著提高接地任务准确性至88.28%。
2025-11-26 cs.AI cs.CL cs.HC
