AI Agent

Quantum-Inspired Multi Agent Reinforcement Learning for Exploration Exploitation Optimization in UAV-Assisted 6G Network Deployment

量子启发的多智能体强化学习用于UAV辅助6G网络部署中的探索利用优化

Mazyar Taghavi, Javad Vahidi

机构 * Intelligent Knowledge City（智能知识城） 纠错

专题命中 多智能体 ：agent(title)；分类 cs.AI

AI总结 本文提出量子启发的多智能体强化学习框架，用于优化UAV辅助6G网络部署中的探索利用权衡，通过整合量子优化技术提升样本效率和收敛速度。

Comments 59 pages

Journal ref Quantum Mach. Intell. 7, 111 2025

AIAuditTrack: A Framework for AI Security system

AIAuditTrack：AI安全系统的框架

Zixun Luo, Yuhang Fan, Yufei Li, Youzhi Zhang, Hengyu Lin, Ziqi Wang

机构 * organization= Huazhong University of Science ； organization= Lingnan University ； organization= Centre for Artificial Intelligence ； Robotics (CAIR) Hong Kong Institute of Science \& Innovation, Chinese Academy of Sciences ； Tsinghua University ； Fujian Jiangxia University 纠错

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

AI总结 AIAuditTrack通过区块链技术实现AI交互轨迹记录与治理，提供可扩展的AI安全审计与责任追溯方案。

Learning-Enabled Elastic Network Topology for Distributed ISAC Service Provisioning

基于学习的弹性网络拓扑用于分布式ISAC服务提供

Jie Chen, Xianbin Wang

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

AI总结 本文提出基于学习的弹性网络拓扑，通过动态聚合本地网络和联邦网络以提升分布式ISAC服务的效率与资源利用率。

Distributed Online Economic Dispatch with Time-Varying Coupled Inequality Constraints

分布式在线经济调度与时间变化耦合不等式约束

Yingjie Zhou, Xiaoqian Wang, Tao Li

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

AI总结 本文提出了一种基于对偶方法和约束跟踪的算法，用于解决具有时间变化耦合不等式约束的分布式在线经济调度问题，证明了算法在动态遗憾和约束违反方面的亚线性收敛性。

QoS- and Physics-Aware Routing in Optical LEO Satellite Networks via Deep Reinforcement Learning

基于服务质量与物理的光学低轨卫星网络路由方法：通过深度强化学习

Mohammad Taghi Dabiri, Rula Ammuri, Mazen Hasna, Khalid Qaraqe

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出了一种基于深度强化学习的光学低轨卫星网络路由方法，通过结合几何和QoS感知约束，实现物理一致的路由策略，提升连接稳定性与端到端延迟性能。

Can Agentic AI Match the Performance of Human Data Scientists?

代理AI能否匹配数据科学家的性能？

An Luo, Jin Du, Fangqiao Tian, Xun Xian, Robert Specht, Ganghua Wang, Xuan Bi, Charles Fleming, Jayanth Srinivasa, Ashish Kundu, Mingyi Hong, Jie Ding

机构 * School of Statistics, University of Minnesota（统计学系，明尼苏达大学） ； Department of Electrical and Computer Engineering, University of Minnesota（电气与计算机工程系，明尼苏达大学） ； Data Science Institute, University of Chicago（数据科学研究所，芝加哥大学） ； Carlson School of Management, University of Minnesota（卡尔森管理学院，明尼苏达大学） ； Cisco Research, San Jose, CA, USA（Cisco研究，加州圣何塞） 纠错

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

AI总结 研究探讨代理AI在处理隐藏潜在变量任务时的表现，发现其在缺乏领域知识时无法匹敌人类数据科学家。

When LLMs fall short in Deductive Coding: Model Comparison and Human AI Collaboration Workflow Design

当LLM在演绎编码中表现不足：模型比较与人机协作工作流设计

Zijian Li, Luzhen Tang, Mengyu Xia, Xinyu Li, Naping Chen, Dragan Gašević, Yizhou Fan

专题命中 工作流自动化 ：workflow(title,abstract)

AI总结 本研究探讨了LLM在演绎编码中的局限性，通过模型比较和人机协作工作流设计，揭示了人类判断的重要性及协作编码的实用价值。

Comments 24 pages (8 pages for Appendix), 4 figures, for Learning Analytics & Knowledge Conference to be held in 2026, Norway (LAK26)

AI-Driven Decision-Making System for Hiring Process

基于人工智能的招聘过程决策系统

Vira Filatova, Andrii Zelenchuk, Dmytro Filatov

机构 * Applied Artificial Intelligence Covijn Ltd.（应用人工智能公司Covijn Ltd.） ； Computer Vision Aimech Technologies Corp.（计算机视觉公司Aimech Technologies Corp.） 纠错

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

AI总结 本文提出了一种基于人工智能的模块化多智能体招聘助手，通过整合文档处理、结构化档案构建、公开数据验证和风险惩罚评分，提高招聘效率并降低筛选成本，同时保留人类决策作为最终权威。

Comments 10 pages, 3 figures

ReACT-Drug: Reaction-Template Guided Reinforcement Learning for de novo Drug Design

ReACT-Drug：基于反应模板的强化学习指导的从头药物设计

R Yadunandan, Nimisha Ghosh

机构 * Department of Computer Science and Engineering, Shiv Nadar University Chennai（计算机科学与工程系，舍维纳达尔大学钦奈） 纠错

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

AI总结 ReACT-Drug通过反应模板指导的强化学习实现从头药物设计，结合蛋白质嵌入和片段搜索生成高亲和力、高合成可行性的候选分子。

Enhancing Lung Cancer Treatment Outcome Prediction through Semantic Feature Engineering Using Large Language Models

通过大语言模型进行语义特征工程提升肺癌治疗预后预测

MunHwan Lee, Shaika Chowdhury, Xiaodi Li, Sivaraman Rajaganapathy, Eric W Klee, Ping Yang, Terence Sio, Liewei Wang, James Cerhan, Nansu NA Zong

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

AI总结 本研究利用大语言模型进行语义特征工程，提升肺癌治疗预后预测的准确性与可解释性。

pokiSEC: A Multi-Architecture, Containerized Ephemeral Malware Detonation Sandbox

pokiSEC: 一种多架构、容器化的临时恶意软件引爆沙盒

Alejandro Avina, Yashas Hariprasad, Naveen Kumar Chaudhary

专题命中 工作流自动化 ：workflow(abstract)

AI总结 pokiSEC是一种支持多架构的轻量级恶意软件引爆沙盒，通过容器化技术实现跨ARM64和x86_64主机的Windows虚拟机启动。

Comments 12 pages

Identification of tau leptons using a convolutional neural network with domain adaptation

利用卷积神经网络与领域适应识别τ轻子

CMS Collaboration

专题命中 工作流自动化 ：workflow(abstract)

AI总结 DeepTau算法通过卷积神经网络与领域适应技术，提升τ轻子识别精度，降低误识别率，应用于LHC高能碰撞数据。

Comments Replaced with the published version. Added the journal reference and the DOI. All the figures and tables can be found at http://cms-results.web.cern.ch/cms-results/public-results/publications/TAU-24-001 (CMS Public Pages)

Journal ref JINST 20 (2025) P12032

Large volume 'chunk' lift out for 3D tomographic analysis using analytical plasma focussed ion beam -- scanning electron microscopy

大体积'块'取出用于三维断层分析的分析性等离子体聚焦离子束--扫描电子显微镜

Ruth Birch, Shuheng Li, Sharang Sharang, Warren J. Poole, Ben Britton

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本研究提出了一种利用等离子体聚焦离子束-扫描电子显微镜进行大体积三维断层分析的方法，用于研究材料的三维结构和性质。

Artificial or Just Artful? Do LLMs Bend the Rules in Programming?

人工还是艺术？LLMs在编程中是否会打破规则？

Oussama Ben Sghaier, Kevin Delcourt, Houari Sahraoui

专题命中 软件智能体 ：agent(abstract)；agentic(abstract)；分类 cs.SE

AI总结 本文研究了LLMs在不同提示条件下如何调整代码生成策略，发现测试可见性显著影响性能，测试驱动的细化成为主要适应策略。

AegisAgent: An Autonomous Defense Agent Against Prompt Injection Attacks in LLM-HARs

AegisAgent：一种对抗LLM-HAR中提示注入攻击的自主防御代理

Yihan Wang, Huanqi Yang, Shantanu Pal, Weitao Xu

专题命中 记忆与上下文管理 ：agent(title,abstract)；autonomous agent(abstract)

AI总结 AegisAgent通过自主推理和验证机制，有效降低LLM-HAR系统中提示注入攻击的成功率，提升系统安全性。

Connectivity Management in Satellite-Aided Vehicular Networks with Multi-Head Attention-Based State Estimation

卫星辅助车联网中的连接管理：基于多头注意力的状态估计

Ibrahim Althamary, Chen-Fu Chou, Chih-Wei Huang

机构 * Interdisciplinary Research Center for Intelligent Secure Systems, KFUPM, Saudi Arabia（智能安全系统跨学科研究中心，KFUPM，沙特阿拉伯） ； Department of Computer Science and Information Engineering, National Taiwan University, Taipei 106319, Taiwan（计算机科学与信息工程系，国立台湾大学，台北106319，台湾） ； Department of Communication Engineering, National Central University, Taoyuan 320317, Taiwan（通信工程系，国立中央大学，桃园320317，台湾） 纠错

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

AI总结 本文提出了一种基于多头注意力机制的多智能体强化学习框架，用于卫星辅助车联网中的连接管理，通过自模仿学习和指纹识别提升学习效率和实时决策能力，仿真结果表明其在传输效用方面优于现有基线方法。

Journal ref IEEE Wireless Communications Letters, vol. 15, pp. 840-844, 2026

Reflection Pretraining Enables Token-Level Self-Correction in Biological Sequence Models

反射预训练使生物序列模型实现token级自我修正

Xiang Zhang, Jiaqi Wei, Yuejin Yang, Zijie Qiu, Yuhan Chen, Zhiqiang Gao, Muhammad Abdul-Mageed, Laks V. S. Lakshmanan, Wanli Ouyang, Chenyu You, Siqi Sun

机构 * Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of British Columbia（不列颠哥伦比亚大学） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学） ； Stony Brook University（石溪大学） 纠错

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

AI总结 本文提出反射预训练方法，通过生成辅助标记提升生物序列模型的token表达能力，实现token级自我修正和推理能力提升。

Equivariant Multiscale Learned Invertible Reconstruction for Cone Beam CT: From Simulated to Real Data

等价多尺度学习可逆重建用于锥束CT：从模拟到真实数据

Nikita Moriakov, Efstratios Gavves, Jonathan H. Mason, Carmen Seller-Oria, Jonas Teuwen, Jan-Jakob Sonke

机构 * Netherlands Cancer Institute（荷兰癌症研究所） ； University of Amsterdam（阿姆斯特丹大学） ； Elekta Limited（Elekta有限公司） 纠错

专题命中 记忆与上下文管理 ：planning(abstract)

AI总结 本文提出LIRE++，一种旋转等价多尺度学习可逆重建方法，用于提升锥束CT的重建效率与图像质量。

Comments 29 pages. arXiv admin note: substantial text overlap with arXiv:2401.11256

SPOC: Spatially-Progressing Object State Change Segmentation in Video

SPOC: 视频中空间性推进的对象状态变化分割

Priyanka Mandikal, Tushar Nagarajan, Alex Stoken, Zihui Xue, Kristen Grauman

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 SPOC提出空间性推进的对象状态变化分割任务，通过伪标签和动态约束方法，解决视频中对象变化位置和速度的精确定位问题。

Comments Accepted at WACV 2026

SparScene: Efficient Traffic Scene Representation via Sparse Graph Learning for Large-Scale Trajectory Generation

SparScene: 通过稀疏图学习实现大规模轨迹生成的高效交通场景表示

Xiaoyu Mo, Jintian Ge, Zifan Wang, Chen Lv, Karl Henrik Johansson

机构 * Division of Decision and Control Systems, School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology（决策与控制系统系，电气工程与计算机科学学院，皇家理工学院） ； iFLYTEK Co., Ltd.（iFLYTEK公司） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（机械与航空航天工程学院，南洋理工大学） 纠错

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)

AI总结 SparScene通过稀疏图学习实现高效交通场景表示，显著提升大规模轨迹生成的效率和可扩展性。

Comments 13 pages, 7 figures, 5 tables

RHAPSODY: Execution of Hybrid AI-HPC Workflows at Scale

RHAPSODY：大规模执行混合AI-HPC工作流

Aymen Alsaadi, Mason Hooten, Mariya Goliyad, Andre Merzky, Andrew Shao, Mikhail Titov, Tianle Wang, Yian Chen, Maria Kalantzi, Kent Lee, Andrew Park, Indira Pimpalkhare, Nick Radcliffe, Colin Wahl, Pete Mendygral, Matteo Turilli, Shantenu Jha

专题命中 Agent评测 ：agent(abstract)；agentic(abstract)

AI总结 RHAPSODY通过统一抽象实现异构AI-HPC工作负载的并发执行，支持大规模高吞吐量推理和紧密耦合任务耦合。