AI Agent

White Dwarf Binaries: Probes of Future Astrophysics

白矮星双星：未来天文学的探测工具

Anna F. Pala, Roberto Raddi, Alberto Rebassa-Mansergas, Boris T. Gänsicke, Richard I. Anderson, Diogo Belloni, Avraham Binnenfeld, Elmé Breedt, David Buckley, Tim Cunningham, Alessandro Ederoclite, Ana Escorza, Valeriya Korol, Thomas Kupfer, Domitilla de Martino, Jaroslav Merc, Joaquin Meza, Steven Parsons, Ingrid Pelisoli, Nicole Reindl, Pablo Rodríguez-Gil, Alejandro Santos-García, Simone Scaringi, Paula Szkody, Odette Toloza, Santiago Torres, Murat Uzundag, Monica Zorotovic

专题命中 规划决策 ：planning(abstract)

AI总结 白矮星双星作为未来天文学研究的关键工具，通过相位解析光谱学观测推动恒星演化和宇宙学研究。

Comments White paper submitted to the ESO call for the Expanding Horizons initiative: "Transforming Astronomy in the 2040s"

CoronaGraph Instrument Reference stars for Exoplanets (CorGI-REx) I. Preliminary Vetting and Implications for the Roman Coronagraph and Habitable Worlds Observatory

罗马冠冕仪参考星用于系外行星（CorGI-REx）I. 初步筛选及对罗马冠冕仪和适宜居住世界观测站的影响

Justin Hom, Schuyler G. Wolff, Catherine A. Clark, David R. Ciardi, Sarah J. Deveny, Steve B. Howell, Alexandra Z. Greenbaum, Colin Littlefield, Ramya M. Anche, Vanessa P. Bailey, Wolfgang Brandner, Gaël Chauvin, Julien H. Girard, Brian Kern, Eric Mamajek, Bertrand Mennesson, Dmitry Savransky, Karl R. Stapelfeldt, Beth A. Biller, Marah Brinjikji, Masayuki Kuzuhara, Maxwell A. Millar-Blanchaer, Toshiyuki Mizuki, Nicholas T. Schragal, Macarena C. Vega-Pallauta, Jason J. Wang, Robert J. De Rosa, Ewan S. Douglas, Bruce Macintosh, Jingwen Zhang, the Roman Coronagraph Community Participation Program

专题命中 规划决策 ：planning(abstract)

AI总结 罗马冠冕仪需筛选高对比度参考星以实现高精度系外行星成像，本文初步评估了40颗候选星并探讨其对观测规划的影响。

Comments Accepted for Publication in AJ, 27 pages, 8 figures, 6 tables

Journal ref AJ 171 36 (2026)

Mapis: A Knowledge-Graph Grounded Multi-Agent Framework for Evidence-Based PCOS Diagnosis

Mapis：一种基于知识图谱的多智能体框架，用于基于证据的多囊卵巢综合征诊断

Zanxiang He, Meng Li, Liyun Shi, Weiye Daia, Liming Nie

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；workflow(abstract)

AI总结 Mapis是一种基于知识图谱的多智能体框架，专门用于基于指南的多囊卵巢综合征诊断，通过结构化协作流程和全面的知识图谱提升诊断准确性。

MedChat: A Multi-Agent Framework for Multimodal Diagnosis with Large Language Models

MedChat: 一种基于大语言模型的多智能体多模态诊断框架

Philip R. Liu, Sparsh Bansal, Jimmy Dinh, Aditya Pawar, Ramani Satishkumar, Shail Desai, Neeraj Gupta, Xin Wang, Shu Hu

机构 * University at Albany, State University of New York（纽约州立大学阿布扎克分校） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.LG

AI总结 MedChat通过多智能体框架结合专用视觉模型和角色特定LLM代理，提升多模态诊断的可靠性与交互性。

Journal ref Proc. 2025 IEEE 8th International Conference on Multimedia Information Processing and Retrieval (MIPR), pp. 456-462, 2025

A Multi-Agent LLM Defense Pipeline Against Prompt Injection Attacks

针对提示注入攻击的多智能体LLM防御管道

S M Asif Hossain, Ruksat Khan Shayoni, Mohd Ruhul Ameen, Akif Islam, M. F. Mridha, Jungpil Shin

机构 * School of Computing, Wichita State University, Kansas, USA（威斯康星州立大学计算机学院） ； College of Engineering and Computer Sciences, Marshall University, Huntington, WV, USA（马歇尔大学工程与计算机科学学院） ； Department of Computer Science and Engineering, University of Rajshahi, Bangladesh（拉贾沙希大学计算机科学与工程系） ； Department of Computer Science and Engineering, American International University-Bangladesh, Dhaka, Bangladesh（美国国际大学-孟加拉国计算机科学与工程系） ； School of Computer Science and Engineering, The University of Aizu, Aizuwakamatsu, Japan（立命馆大学计算机科学与工程学院） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.LG

AI总结 本文提出了一种多智能体防御框架，通过协调的LLM代理实时检测并中和提示注入攻击，显著提升了安全性和系统功能。

Comments Accepted at the 11th IEEE WIECON-ECE 2025

3D Topological Modeling and Multi-Agent Movement Simulation for Viral Infection Risk Analysis

三维拓扑建模与多智能体运动模拟用于病毒传播风险分析

Wassim Jabi, Yidan Xue, Thomas E. Woolley, Katerina Kaouri

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.SE

AI总结 本文提出利用三维拓扑建模与多智能体运动模拟，结合空气病毒传播模型，分析病毒传播风险，为建筑防疫提供决策支持工具。

Journal ref Architectural Science Review, (2025)

MALCDF: A Distributed Multi-Agent LLM Framework for Real-Time Cyber

MALCDF: 一种用于实时网络防御的分布式多智能体大语言模型框架

Arth Bhardwaj, Sia Godika, Yuvam Loonker

机构 * Saint Francis High School（圣弗朗西斯高中） ； Massachusetts Institute of Technology（麻省理工学院） ； JBCN International School（JBCN国际学校） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI

AI总结 MALCDF通过协调多个LLM智能体实现高准确率的实时网络防御，优于传统方法。

SGEMAS: A Self-Growing Ephemeral Multi-Agent System for Unsupervised Online Anomaly Detection via Entropic Homeostasis

SGEMAS：一种自生长瞬时多智能体系统，用于通过熵稳态的无监督在线异常检测

Mustapha Hamdi

机构 * InnoDeep, PhD, Co-founder（InnoDeep） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.LG

AI总结 SGEMAS通过熵稳态机制实现自生长多智能体系统，用于无监督在线异常检测，实验表明其在跨患者零样本设置中性能优于传统方法。

Multi-Agent Pointer Transformer: Seq-to-Seq Reinforcement Learning for Multi-Vehicle Dynamic Pickup-Delivery Problems

多智能体指针Transformer：用于多车辆动态取货送货问题的序列到序列强化学习

Zengyu Zou, Jingyuan Wang, Yixuan Huang, Junjie Wu

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.LG

AI总结 本文提出多智能体指针Transformer，用于解决多车辆动态取货送货问题，通过自回归生成联合动作序列并捕捉实体间关系，提升性能与计算效率。

Comments 15 pages

SynthSeg-Agents: Multi-Agent Synthetic Data Generation for Zero-Shot Weakly Supervised Semantic Segmentation

SynthSeg-Agents: 多智能体合成数据生成用于零样本弱监督语义分割

Wangyu Wu, Zhenhong Chen, Xiaowei Huang, Fei Ma, Jimin Xiao

机构 * Xi'an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； University of Liverpool（利物浦大学） ； Microsoft（微软公司） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title)

AI总结 SynthSeg-Agents利用大型语言模型生成合成数据，无需现实图像即可实现零样本弱监督语义分割。

Agentic Educational Content Generation for African Languages on Edge Devices

面向非洲语言的代理教育内容生成

Ravi Gupta, Guneet Bhatia

专题命中 多智能体 ：agentic(title)；agent(abstract)；autonomous agent(abstract)；multi-agent(abstract)

AI总结 本研究提出一种基于多代理的框架，用于在边缘设备上生成适应非洲语言的文化教育内容，通过实验验证其在资源受限环境中的可行性和可持续性。

Journal ref Year: 2025 | Conference Paper | Publisher: IEEE

Artism: AI-Driven Dual-Engine System for Art Generation and Critique

Artism：基于AI的双引擎系统用于艺术生成与批评

Shuai Liu, Yiqing Tian, Yang Chen, Mar Canet Sola

机构 * Academy of Media Arts Cologne, Germany（科隆媒体艺术学院） ； Goldsmiths, University of London, UK（伦敦大学金史密斯学院） ； Royal College of Art, UK（艺术学院） ； BFM, Tallinn University, Estonia（塔林大学BFM） 纠错

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 Artism提出了一种基于AI的双引擎系统，用于艺术生成与批评，通过深度学习和多智能体协作实现艺术历史发展的多维模拟。

Comments 7 pages, 3 figures, 36 references, appendix with support material and 1 introduction video

See It Before You Grab It: Deep Learning-based Action Anticipation in Basketball

在抓取之前看到它：基于深度学习的篮球运动预测

Arnau Barrera Roy, Albert Clapés Sintes

机构 * Universitat de Barcelona（巴塞罗那大学） ； Universitat de Barcelona Computer Vision Center（巴塞罗那大学计算机视觉中心） 纠错

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)

AI总结 本文提出篮球动作预测任务，利用深度学习技术预测投篮后球权归属，构建了首个篮球反弹预测数据集，展示了该数据集在篮球视频理解中的广泛应用价值。

Zero-Knowledge Audit for Internet of Agents: Privacy-Preserving Communication Verification with Model Context Protocol

面向物联网代理的零知识审计：基于模型上下文协议的隐私保护通信验证

Guanlin Jing, Huayi Qi

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文提出基于模型上下文协议的隐私保护代理通信审计框架，通过零知识证明实现消息验证而不泄露内容，支持相互审计和高效验证。

Positioning Error Compensation by Channel Knowledge Map in UAV Communication Missions

通过信道知识图在无人机通信任务中补偿定位误差

Chiya Zhang, Ting Wang, Chunlong He

专题命中 多智能体 ：planning(abstract)

AI总结 本文提出利用信道知识图补偿无人机通信中的定位误差，通过预测信号衰减优化飞行轨迹，提升通信性能与环境适应性。

BashArena: A Control Setting for Highly Privileged AI Agents

BashArena: 一个用于高特权AI代理的控制环境

Adam Kaufman, James Lucassen, Tyler Tracy, Cody Rushing, Aryan Bhatt

机构 * Redwood Research（红木研究） 纠错

专题命中 工作流自动化 ：AI agent(title,abstract)；分类 cs.AI

AI总结 BashArena通过637个Linux任务和四个破坏目标，评估LLM在安全关键环境中的控制能力，展示Claude Sonnet 4.5在逃避监控方面的表现。

Comments The task generation pipeline can be found here: https://github.com/redwoodresearch/basharena_public

Solving a Research Problem in Mathematical Statistics with AI Assistance

利用人工智能辅助解决数学统计学中的研究问题

Edgar Dobriban

机构 * Department of Statistics and Data Science, University of Pennsylvania（统计与数据科学系，宾夕法尼亚大学） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.LG

AI总结 利用GPT-5辅助解决数学统计学中稳健密度估计的未解决问题，推导出最小最大最优误差率。

Comments added references

Photonics-Enhanced Graph Convolutional Networks

光子增强的图卷积网络

Yuan Wang, Oleksandr Kyriienko

机构 * School of Mathematical and Physical Sciences, University of Sheffield（数学与物理科学学院，谢菲尔德大学） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG

AI总结 本文提出了一种结合光子位置嵌入与图卷积网络的方法，通过光子技术提升图机器学习的性能和效率。

Comments 12 pages, 6 figures

Multi-stage Bayesian optimisation for dynamic decision-making in self-driving labs

多阶段贝叶斯优化用于自动驾驶实验室中的动态决策

Luca Torresi, Pascal Friederich

机构 * Institute of Nanotechnology, Karlsruhe Institute of Technology（纳米技术研究所，卡尔斯鲁厄技术大学） ； Institute of Anthropomatics and Robotics, Karlsruhe Institute of Technology（人机动力学与机器人研究所，卡尔斯鲁厄技术大学） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG

AI总结 本文提出多阶段贝叶斯优化方法，通过引入代理测量提升自动驾驶实验室中动态决策的效率和优化效果。

Machine learning applications in archaeological practices: a review

机器学习在考古实践中的应用：综述

Mathias Bellat, Jordy D. Orellana Figueroa, Jonathan S. Reeves, Ruhollah Taghizadeh-Mehrjardi, Claudio Tennie, Thomas Scholten

机构 * University of Tübingen（图宾根大学） ； Department of Geosciences, Working Group Soil Science and Geomorphology（地质科学系，土壤科学与地貌工作组） ； Department of Geosciences, Working Group Early Prehistory and Quaternary Ecology（地质科学系，早期史前与第四纪生态工作组） ； High Performance and Cloud Computing Group（高性能与云计算小组） ； Technological Primates Research Group（技术类人研究小组） ； Max Planck Institute for Evolutionary Anthropology（马克斯·普朗克进化人类学研究所） ； Faculty of Agriculture and Natural Resources（农业与自然资源学院） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG

AI总结 本文综述了机器学习在考古学中的应用现状，指出其在结构检测、文物分类等任务中的广泛应用，同时强调了方法论定义和协作实践的重要性。

Journal ref Journal of Computer Applications in Archaeology, 2025, Volume 8, Issue 1

Automated Motion Artifact Check for MRI (AutoMAC-MRI): An Interpretable Framework for Motion Artifact Detection and Severity Assessment

自动MRI运动伪影检查（AutoMAC-MRI）：一种可解释的运动伪影检测和严重程度评估框架

Antony Jerald, Dattesh Shanbhag, Sudhanya Chatterjee

机构 * GE HealthCare（通用电气医疗） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI

AI总结 AutoMAC-MRI通过监督对比学习实现运动伪影的可解释性分级，提升MRI质量控制效率

A Metadata-Only Feature-Augmented Method Factor for Ex-Post Correction and Attribution of Common Method Variance

仅元数据特征增强的方法因子用于事后修正和归因共同方法方差

Murat Yaslioglu

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出了一种基于元数据特征增强的方法因子，用于事后修正和归因共同方法方差，通过固定权重和无代码Excel工作流程实现。

Scaling Instruction-Based Video Editing with a High-Quality Synthetic Dataset

通过高质量合成数据集扩展基于指令的视频编辑

Qingyan Bai, Qiuyu Wang, Hao Ouyang, Yue Yu, Hanlin Wang, Wen Wang, Ka Leong Cheng, Shuailei Ma, Yanhong Zeng, Zichen Liu, Yinghao Xu, Yujun Shen, Qifeng Chen

机构 * HKUST（香港科技大学） ； Ant Group（蚂蚁集团） ； Zhejiang University（浙江大学） ； Northeastern University（东北大学） 纠错

专题命中 工作流自动化 ：agent(abstract)

AI总结 Ditto通过高效数据生成管道和智能代理，构建大规模高质量数据集，提升基于指令的视频编辑性能。

Comments Project page: https://ezioby.github.io/Ditto_page Code: https://github.com/EzioBy/Ditto

HEP ML Lab: An end-to-end framework for applying machine learning into phenomenology studies

HEP ML Lab: 一个端到端框架，用于将机器学习应用于现象学研究

Jing Li, Hao Sun

专题命中 工作流自动化 ：workflow(abstract)

AI总结 HEP ML Lab是一个端到端框架，旨在通过统一的使用风格和模块化设计，简化机器学习在现象学研究中的应用和可重复性。

Comments 20 pages, 7 figures, 3 tables, 43 code examples

Workflows vs Agents for Code Translation

工作流与代理在代码翻译中的比较

Henry Gray, Tom Yotam, Octavian Udrea

机构 * Code Metal 纠错

专题命中 软件智能体 ：autonomous agent(abstract)；tool use(abstract)；agentic(abstract)；分类 cs.AI、cs.SE

AI总结 研究比较了工作流与代理方法在MATLAB到HDL代码翻译中的效果，发现代理方法在语法修复和提升模拟覆盖率方面表现更优。

Journal ref NeurIPS 2025 Fourth Workshop on Deep Learning for Code

aiXiv: A Next-Generation Open Access Ecosystem for Scientific Discovery Generated by AI Scientists

aiXiv：一个由AI科学家生成的下一代开放获取生态系统

Pengsong Zhang, Xiang Hu, Guowei Huang, Yang Qi, Heng Zhang, Xiuxu Li, Jiaxing Song, Jiabin Luo, Yijiang Li, Shuo Yin, Chengxiao Dai, Eric Hanchen Jiang, Xiaoyan Zhou, Zhenfei Yin, Boqin Yuan, Jing Dong, Guinan Su, Guanren Qiao, Haiming Tang, Anghong Du, Lili Pan, Zhenzhong Lan, Xinyu Liu

专题命中 软件智能体 ：agent(abstract)；AI agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL

AI总结 aiXiv是一个由AI科学家生成的下一代开放获取生态系统，通过多代理架构和API接口，实现人类与AI科学家的协同，提升AI生成科研内容的质量和传播效率。

Comments Preprint under review. Code is available at https://github.com/aixiv-org. Website is available at https://aixiv.science

EvoLattice: Persistent Internal-Population Evolution through Multi-Alternative Quality-Diversity Graph Representations for LLM-Guided Program Discovery

EvoLattice: 通过多替代质量-多样性图表示实现持久内部种群进化以指导LLM引导的程序发现

Kamer Ali Yuksel

专题命中 软件智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 EvoLattice通过多替代质量-多样性图表示实现持久内部种群进化，提升LLM引导程序发现的稳定性、表达力和改进轨迹

Infrastructure-based Autonomous Mobile Robots for Internal Logistics -- Challenges and Future Perspectives

基于基础设施的自主移动机器人用于内部物流——挑战与未来展望

Erik Brorsson, Kristian Ceder, Ze Zhang, Sabino Francesco Roselli, Endre Erős, Martin Dahl, Beatrice Alenljung, Jessica Lindblom, Thanh Bui, Emmanuel Dean, Lennart Svensson, Kristofer Bengtsson, Per-Lage Götvall, Knut Åkesson

机构 * Dept. of Electrical Engineering, Chalmers University of Technology（查尔姆斯理工大学电子工程系） ； Global Trucks Operations, Volvo Group（沃尔沃集团全球卡车运营） ； Chalmers Industriteknik（查尔姆斯工业技术） ； School of Informatics, University of Skövde（斯德哥尔摩大学信息学院） ； Dept. of Information Technology, Uppsala University（乌普萨拉大学信息科技系） ； RISE Research Institutes of Sweden（瑞典研究机构） 纠错

专题命中 GUI与网页智能体 ：planning(abstract)

AI总结 本文提出基于基础设施的自主移动机器人系统架构，探讨其在复杂工业环境中的挑战与未来发展方向。

Tracking spatial temporal details in ultrasound long video via wavelet analysis and memory bank

通过小波分析和记忆库实现超声长视频中空间时间细节的跟踪

Chenxiao Zhang, Runshi Zhang, Junchen Wang

机构 * School of Mechanical Engineering and Automation, Beihang University（机械工程与自动化学院，北航） 纠错

专题命中 记忆与上下文管理 ：planning(abstract)；workflow(abstract)；分类 cs.AI

AI总结 本文提出基于记忆库的小波过滤和融合网络，用于提高超声长视频中细粒度空间特征提取和小物体分割的精度。

Comments Chenxiao Zhang and Runshi Zhang contributed equally to this work. 14 pages, 11 figures

Journal ref Medical Image Analysis 2026

3DLLM-Mem: Long-Term Spatial-Temporal Memory for Embodied 3D Large Language Model

3DLLM-Mem: 长期空间-时间记忆用于具身3D大语言模型

Wenbo Hu, Yining Hong, Yanjun Wang, Leison Gao, Zibu Wei, Xingcheng Yao, Nanyun Peng, Yonatan Bitton, Idan Szpektor, Kai-Wei Chang

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 3DLLM-Mem通过引入动态内存管理和融合模型，提升LLMs在复杂3D环境中的长期空间-时间记忆推理与行动能力。

Comments demos at: https://3dllm-mem.github.io