AI Agent

Automated Machine Learning Pipeline: Large Language Models-Assisted Automated Dataset Generation for Training Machine-Learned Interatomic Potentials

自动化机器学习流水线：基于大语言模型的自动化数据集生成用于训练机器学习互作用势

Adam Lahouari, Jutta Rogal, Mark E. Tuckerman

机构 * NYU, Department of Chemistry（纽约大学化学系） ； Initiative for Computational Catalysis, Flatiron Institute（计算催化计划，Flatiron研究所） ； NYU, Department of Physics（纽约大学物理系） ； Courant Institute of Mathematical Sciences, NYU（数学科学学院，纽约大学） ； NYU-ECNU Center for Computational Chemistry（纽约大学-复旦大学计算化学中心） ； Simons Center for Computational Physical Chemistry, NYU（Simons计算物理化学中心，纽约大学） 纠错

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

AI总结 本文提出基于大语言模型的自动化机器学习流水线，用于生成训练数据集以提升机器学习互作用势的精度和稳定性。

Robo-Dopamine: General Process Reward Modeling for High-Precision Robotic Manipulation

Robo-Dopamine：高精度机器人操作的通用过程奖励建模

Huajie Tan, Sixiang Chen, Yijie Xu, Zixiao Wang, Yuheng Ji, Cheng Chi, Yaoxu Lyu, Zhongxia Zhao, Xiansheng Chen, Peterson Co, Shaoxuan Xie, Guocai Yao, Pengwei Wang, Zhongyuan Wang, Shanghang Zhang

机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（1 多媒体信息处理国家重点实验室，计算机学院，北京大学） ； Beijing Academy of Artificial Intelligence（2 北京人工智能研究院） ； University of Sydney（3 新南威尔士大学） ； Institute of Automation, Chinese Academy of Sciences（4 中国科学院自动化研究所） 纠错

专题命中 工作流自动化 ：agent(abstract)

AI总结 Robo-Dopamine通过多视角奖励融合和分步奖励离散化，提出了一种通用过程奖励模型，提升机器人操作的精准度和策略学习效率。

Comments 27 pages, 11 figures

Spectral reconstruction based on dimensional reduction in high-temperature gauge theories

基于高温度规范理论的维度约简的谱重建

P. V. Buividovich, B. Hind

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本研究提出了一种基于高温维度约简的谱重建方法，用于高温度规范理论，通过引入半经典实时演化，提高谱函数的频率分辨率，并在简单模型和QCD中验证其有效性。

Comments Main text: 4 pages RevTeX, 4 figures. Supplemental material: 14 pages, 4 figures. Simulation codes available at https://github.com/buividovich/u1_2d_LGT and https://github.com/buividovich/static_lattice_QCD

A NEAT Approach to Evolving Neural-Network-based Optimization of Chiral Photonic Metasurfaces: Application of a Neuro-Evolution Pipeline

一种新颖方法用于进化基于神经网络的光子手性超材料优化：神经进化管道的应用

Davide Filippozzi, Arash Rahimi-Iman

专题命中 工作流自动化 ：agentic(abstract)

AI总结 本文提出了一种基于NEAT算法的神经进化方法，用于优化手性光子超材料的设计，通过自适应网络拓扑和权重进化，提高了预测准确性和泛化能力。

Three channel dissipative warm Higgs inflation with global inference via genetic algorithms

三通道耗散暖Higgs膨胀与全局推断 via 遗传算法

Wei Cheng

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文通过遗传算法研究三通道耗散暖Higgs膨胀模型，引入混合和熵先验以解决单通道主导问题，发现多通道解的概率显著提高。

Comments 27 pages, 5 figures,

Towards the Automation in the Space Station: Feasibility Study and Ground Tests of a Multi-Limbed Intra-Vehicular Robot

迈向空间站的自动化：多臂舱内机器人的可行性研究及地面测试

Seiko Piotr Yamaguchi, Kentaro Uno, Yasumaru Fujii, Masazumi Imai, Kazuki Takada, Taku Okawara, Kazuya Yoshida

机构 * Japan Aerospace Exploration Agency (JAXA)（日本宇宙航空研究开发机构） ； Space Robotics Lab (SRL)（空间机器人实验室） ； Department of Aerospace Engineering, Graduate School of Engineering, Tohoku University（工学研究生院航空工程系） ； Hamano Products Co., Ltd（Hamano公司） 纠错

专题命中 工作流自动化 ：planning(abstract)

AI总结 本文提出了一种多臂舱内机器人，通过仿真和地面测试验证其在国际空间站上自主执行物流任务的可行性，旨在提高操作效率。

Comments Author's version of a manuscript accepted at the 2025 IEEE/SICE International Symposium on System Integration (SII). (c) IEEE. The final published version is available at https://doi.org/10.1109/SII59315.2025.10870890

Reconstructing Relativistic Magnetohydrodynamics with Physics-Informed Neural Networks

基于物理信息神经网络重构相对磁流体动力学

Corwin Cheung, Marcos Johnson-Noya, Michael Xiang, Dominic Chang, Alfredo Guevara

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出了一种基于物理信息神经网络的RMHD重构方法，通过混合偏微分方程和数据驱动方法，实现了对RMHD动态的高效预测与误差控制。

Comments 7 pages with figures. Code available on github.com/aguevara22/RMHD-NN

Non-exchangeable mean-field theory for adaptive weights: propagation of dissociatedness and graphon sampling lemma

非交换均场理论用于自适应权重：解离性的传播与图ons采样引理

Datong Zhou

专题命中 工作流自动化 ：agent(abstract)

AI总结 本文提出了一种非交换均场理论，用于描述粒子与权重共同演化的系统，通过解离性的传播和图ons采样引理，揭示了大规模系统中粒子与权重的内在相关性。

Comments arXiv v3: Major revision. Title changed from "propagation of chaos..." to "propagation of dissociatedness..." to better reflect the probabilistic structure. Revised the setup using the Aldous-Hoover representation theorem. Notation and layout updated for improved readability, while the core proof arguments remain consistent with the previous version. Proof of the Sampling Lemma moved to Appendix

Object Abstraction To Streamline Edge-Cloud-Native Application Development

对象抽象以简化边缘-云原生应用开发

Pawissanutt Lertpongrujikorn

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本研究提出OaaS范式，通过整合碎片化抽象和自动化优化，简化云原生应用开发，提升生产率和可维护性。

Comments This is a doctoral dissertation submitted to University of North Texas

Quantum-Circuit Framework for Two-Stage Stochastic Programming via QAOA Integrated with a Quantum Generative Neural Network

通过QAOA与量子生成神经网络集成的两阶段随机规划量子电路框架

Taihei Kuroiwa, Daiki Yamazaki, Keita Takahashi, Kodai Shiba, Chih-Chieh Chen, Tomah Sogabe

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出qGAN-QAOA框架，通过量子生成对抗网络与QAOA结合，实现两阶段随机规划问题的高效求解。

Comments 50 pages, 7 figures, 3 tables

On the Use of Agentic Coding Manifests: An Empirical Study of Claude Code

关于使用代理编码清单：对Claude代码的实证研究

Worawalan Chatlatanagulchai, Kundjanasith Thonglek, Brittany Reid, Yutaro Kashiwa, Pattara Leelaprute, Arnon Rungsawang, Bundit Manaskasemsak, Hajimu Iida

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

AI总结 本研究通过分析Claude.md文件，揭示了代理编码清单的结构特征与内容分布，为开发者提供了关于如何有效创建此类清单的实证洞察。

Journal ref Proceedings of the 26th International Conference on Product-Focused Software Process Improvement 2025

How Safe Are AI-Generated Patches? A Large-scale Study on Security Risks in LLM and Agentic Automated Program Repair on SWE-bench

AI生成的补丁有多安全？一项针对LLM和代理自动程序修复在SWE-bench上的大规模安全风险研究

Amirali Sajadi, Kostadin Damevski, Preetha Chatterjee

机构 * Drexel University（德雷塞尔大学） ； Virginia Commonwealth University（弗吉尼亚共同wealth大学） 纠错

专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.LG、cs.SE

AI总结 本研究评估了LLM和代理框架生成补丁的安全性，发现LLM引入新漏洞，代理工作流在自主权高时也产生漏洞，需考虑上下文因素进行风险评估。

With Great Capabilities Come Great Responsibilities: Introducing the Agentic Risk & Capability Framework for Governing Agentic AI Systems

能力越大责任越大：引入代理风险与能力框架以治理代理AI系统

Shaun Khoo, Jessica Foo, Roy Ka-Wei Lee

机构 * GovTech Singapore（新加坡政府科技局） ； Singapore University of Technology and Design（新加坡科技与设计大学） 纠错

专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI

AI总结 本文提出代理风险与能力框架，用于治理代理AI系统，通过能力中心视角和风险来源分析，帮助组织有效管理AI系统风险。

Comments Accepted at IASEAI 2026 (Main Track) and AAAI 2026 3rd International AI Governance Workshop

GraphLocator: Graph-guided Causal Reasoning for Issue Localization

GraphLocator: 图引导的因果推理用于问题定位

Wei Liu, Chao Peng, Pengfei Gao, Aofan Liu, Wei Zhang, Haiyan Zhao, Zhi Jin

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

AI总结 GraphLocator通过因果图发现和动态解构解决软件问题定位中的因果不匹配和一对一不匹配问题，提升定位准确性和下游任务性能。

Nested Browser-Use Learning for Agentic Information Seeking

嵌套浏览器使用学习用于代理信息检索

Baixuan Li, Jialong Wu, Wenbiao Yin, Kuan Li, Zhongwang Zhang, Huifeng Yin, Zhengwei Tao, Liwen Zhang, Pengjun Xie, Jingren Zhou, Yong Jiang

机构 * Tongyi Lab（通义实验室） ； Alibaba Group（阿里巴巴集团） 纠错

专题命中 GUI与网页智能体 ：agentic(title,abstract)；tool use(abstract)；分类 cs.AI、cs.CL

AI总结 NestBrowse通过嵌套结构实现浏览器操作框架，简化代理推理并提升深层信息检索能力。

The Bulldozer Technique: Efficient Elimination of Local Minima Traps for APF-Based Robot Navigation

推土机技术：用于基于人工势场的机器人导航的高效局部极小值陷阱消除方法

Mohammed Baziyad, Manal Al Shohna, Tamer Rabie

机构 * Smart Automation and Communication Technologies (SACT), Research Institute of Sciences and Engineering, University of Sharjah, UAE（智能自动化与通信技术（SACT）、科学与工程研究院、沙迦大学，阿联酋） ； Computer Engineering Department, University of Sharjah, UAE（计算机工程系、沙迦大学，阿联酋） 纠错

专题命中 GUI与网页智能体 ：planning(abstract)

AI总结 本文提出推土机技术，通过回填机制和斜坡增强方法解决基于人工势场的机器人导航中的局部极小值问题，提高执行速度和路径质量。

AI Meets Brain: Memory Systems from Cognitive Neuroscience to Autonomous Agents

AI 与大脑：从认知神经科学到自主代理的记忆系统

Jiafeng Liang, Hao Li, Chang Li, Jiaqi Zhou, Shixin Jiang, Zekun Wang, Changkai Ji, Zhihao Zhu, Runxuan Liu, Tao Ren, Jinlan Fu, See-Kiong Ng, Xia Liang, Ming Liu, Bing Qin

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Fudan University（复旦大学） ； Peking University（北京大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 本文从认知神经科学到自主代理，系统综合了记忆的跨学科知识，探讨了记忆的定义、功能、分类、存储机制及安全问题，并展望了多模态记忆系统和技能获取的未来研究方向。

Comments 57 pages, 5 figures

ChatGraPhT: A Visual Conversation Interface for Multi-Path Reflection with Agentic LLM Support

ChatGraPhT: 多路径反思的视觉对话界面与代理LLM支持

Geoff Kimm, Linus Tan

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

AI总结 ChatGraPhT通过可视化对话地图和代理LLM支持，提升复杂任务中的反思深度与灵活性。

Comments Early-stage research prototype; exploratory study

AnalogSAGE: Self-evolving Analog Design Multi-Agents with Stratified Memory and Grounded Experience

AnalogSAGE: 带分层记忆和基础经验的自进化模拟设计多智能体

Zining Wang, Jian Gao, Weimin Fu, Xiaolong Guo, Xuan Zhang

机构 * Northeastern University（东北大学） ； Kansas State University（堪萨斯州立大学） 纠错

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

AI总结 AnalogSAGE通过分层记忆和基础经验提升模拟设计自动化可靠性与自主性

Forecasting in Offline Reinforcement Learning for Non-stationary Environments

非平稳环境下的离线强化学习预测

Suzan Ece Ada, Georg Martius, Emre Ugur, Erhan Oztop

机构 * Bogazici University（博科西大学） ； University of Tübingen（图宾根大学） ； Ozyegin University（奥祖根大学） ； Osaka University（大阪大学） 纠错

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

AI总结 非平稳环境下的离线强化学习预测框架FORL，通过结合条件扩散和零样本时间序列模型，提升智能体在非平稳环境中的鲁棒性与性能。

Comments The Thirty-Ninth Annual Conference on Neural Information Processing Systems, NeurIPS 2025

Axiomatic Foundations of Bayesian Persuasion

贝叶斯说服的公理基础

Youichiro Higashi, Kemal Ozbek, Norio Takeoka

专题命中 记忆与上下文管理 ：agent(abstract)

AI总结 本文提出了贝叶斯说服的公理基础，通过新的模型和可观察数据方法，揭示了主导者在管理代理人偏见时的信息获取成本构建方法。

A Human-Oriented Cooperative Driving Approach: Integrating Driving Intention, State, and Conflict

面向人类的协作驾驶方法：整合驾驶意图、状态和冲突

Qin Wang, Shanmin Pang, Jianwu Fang, Shengye Dong, Fuhao Liu, Jianru Xue, Chen Lv

机构 * School of Software Engineering, Xi’an Jiaotong University（软件工程学院，西安交通大学） ； School of Artificial Intelligence, Xi’an Jiaotong University（人工智能学院，西安交通大学） ； 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 记忆与上下文管理 ：planning(abstract)

AI总结 本文提出面向人类的协作驾驶方法，通过意图感知轨迹规划和控制权分配策略，提升驾驶性能并减少人机冲突。

Multi-AI Agent Framework Reveals the "Oxide Gatekeeper" in Aluminum Nanoparticle Oxidation

多AI代理框架揭示铝纳米颗粒氧化的'氧化守门人'

Yiming Lu, Tingyu Lu, Di Zhang, Lili Ye, Hao Li

专题命中 Agent评测 ：AI agent(title,abstract)；agent(title)；分类 cs.AI

AI总结 本文提出多AI代理框架，揭示铝纳米颗粒氧化的'氧化守门人'机制，解决氧化过程中的质量传输问题，建立统一的原子尺度设计框架。

Comments 21 pages, 7 figures

Emotion-Inspired Learning Signals (EILS): A Homeostatic Framework for Adaptive Autonomous Agents

情感启发学习信号（EILS）：一种适应性自主代理的稳态框架

Dhruv Tiwari

机构 * Department of Computer Science（计算机科学系） ； Lovely Professional University（洛丽专业大学） 纠错

专题命中 Agent评测 ：autonomous agent(title)；agent(abstract)；分类 cs.LG

AI总结 EILS通过引入生物启发的情感信号，提升智能体在非平稳环境中的适应性和样本效率。

Comments 7 pages, 3 figures. arXiv preprint

Agentic Auto-Scheduling: An Experimental Study of LLM-Guided Loop Optimization

代理自调度：LLM引导循环优化的实验研究

Massinissa Merouani, Islem Kara Bernou, Riyadh Baghdadi

机构 * New York University Abu Dhabi（纽约大学阿布扎比分校） 纠错

专题命中 Agent评测 ：agentic(title,abstract)；分类 cs.LG

AI总结 本文提出ComPilot框架，利用LLM与编译器闭环交互实现代码优化，实验表明其在循环优化中效果优于现有方法。

Comments Accepted at the 34th International Conference on Parallel Architectures and Compilation Techniques (PACT 2025). 12 pages, plus appendix

Journal ref 2025 34th International Conference on Parallel Architectures and Compilation Techniques (PACT)

Never-Ending Behavior-Cloning Agent for Robotic Manipulation

永不终止的行为克隆代理用于机器人操作

Wenqi Liang, Gan Sun, Yao He, Yu Ren, Jiahua Dong, Yang Cong

机构 * State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences（机器人国家重点实验室，沈阳自动化研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； School of Automation Science and Engineering, South China University of Technology（自动化科学与工程学院，华南理工大学） ； Mohamed bin Zayed University of Artificial Intelligence（马斯达尔大学人工智能学院） 纠错

专题命中 Agent评测 ：agent(title,abstract)；分类 cs.AI

AI总结 本文提出NBAgent，通过持续学习技能共享和特定属性，解决具身机器人中3D场景表示和人类水平任务学习的挑战。

Comments 17 pages, 6 figures, 9 tables

Fine-tuning a Large Language Model for Automating Computational Fluid Dynamics Simulations

针对计算流体力学模拟的大型语言模型微调

Zhehao Dong, Zhen Lu, Yue Yang

机构 * State Key Laboratory for Turbulence and Complex Systems, College of Engineering, Peking University, Beijing 100871, China（湍流与复杂系统国家重点实验室，工程学院，北京大学，北京100871，中国） ； HEDPS-CAPT, Peking University, Beijing 100871, China（HEDPS-CAPT，北京大学，北京100871，中国） 纠错

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL

AI总结 通过微调领域特定LLM，实现从自然语言到CFD模拟配置的自动化，提升复杂工程流程的效率和准确性。

Journal ref Theor. Appl. Mech. Lett. 15, 100594 (2025)

Why AI Safety Requires Uncertainty, Incomplete Preferences, and Non-Archimedean Utilities

为何人工智能安全需要不确定性、不完全偏好和非阿基米德效用

Alessio Benavoli, Alessandro Facchini, Marco Zaffalon

机构 * School of Computer Science and Statistics, Trinity College Dublin（特里尼蒂大学计算机科学与统计学学院） ； Trinity Quantum Alliance, Trinity College Dublin（特里尼蒂量子联盟） ； Management in Networked and Digital Societies (MINDS) Department, Kozminski University（科津斯基大学网络化与数字化社会管理系） 纠错

专题命中 Agent评测 ：agent(abstract)；AI agent(abstract)；分类 cs.AI

AI总结 本文探讨了人工智能安全需通过不确定性推理、不完全偏好处理和非阿基米德效用机制来实现

Adaptive Trust Consensus for Blockchain IoT: Comparing RL, DRL, and MARL Against Naive, Collusive, Adaptive, Byzantine, and Sleeper Attacks

区块链物联网中的自适应信任共识：比较强化学习、深度强化学习和多智能体强化学习与 naive、collusive、adaptive、Byzantine 和 sleeper 攻击

Soham Padia, Dhananjay Vaidya, Ramchandra Mangrulkar

机构 * Artificial Intelligence Northeastern University（人工智能东北大学） ； Information Technology Dwarkadas J. Sanghvi College of Engineering（信息技术达沃拉吉·桑格维工程学院） 纠错

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG

AI总结 本文通过比较RL、DRL和MARL在区块链物联网中对抗不同攻击的效果，发现MARL在对抗攻击中表现最佳，而所有智能体均能抵御Byzantine攻击，但时间延迟污染攻击对所有智能体均造成严重威胁。

Comments 34 pages, 19 figures, 10 tables. Code available at https://github.com/soham-padia/blockchain-iot-trust

Mining the Gold: Student-AI Chat Logs as Rich Sources for Automated Knowledge Gap Detection

挖掘黄金：学生与AI聊天记录作为自动识别知识缺口的丰富来源

Quanzhi Fu, Qiyu Wu, Dan Williams

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)；分类 cs.SE

AI总结 QueryQuilt通过分析学生与AI的聊天记录，自动检测大规模讲座中的知识缺口，提升教学效率。

Comments 6 pages, 2 figures