AI Agent

Uncertainties of Satellite-based Essential Climate Variables from Deep Learning

基于深度学习的卫星关键气候变量不确定性

Junyang Gou, Arnt-Børre Salberg, Mostafa Kiani Shahvandi, Mohammad J. Tourian, Ulrich Meyer, Eva Boergens, Anders U. Waldeland, Isabella Velicogna, Fredrik Dahl, Adrian Jäggi, Konrad Schindler, Benedikt Soja

机构 * Institute of Geodesy and Photogrammetry（测绘与摄影测量研究所） ； Norwegian Computing Center（挪威计算中心） ； Institute of Geodesy（测绘研究所） ； Astronomical Institute（天文研究所） ； Department 1: Geodesy, Section 1.3: Earth System Modelling（部门1：测绘，部分1.3：地球系统建模） ； Department of Earth System Science（地球系统科学系） ； Jet Propulsion Laboratory（喷气推进实验室） 纠错

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

AI总结 本文探讨了基于深度学习的卫星关键气候变量不确定性的类型和量化技术，强调了在动态气候数据中量化不确定性的必要性，并通过积雪覆盖和陆地水储存的实例展示了研究发现。

Analyzing and Improving Diffusion Models for Time-Series Data Imputation: A Proximal Recursion Perspective

分析和改进用于时间序列数据插补的扩散模型：从近端递归的角度

Zhichao Chen, Hao Wang, Fangyikang Wang, Licheng Pan, Zhengnan Li, Yunfei Teng, Haoxuan Li, Zhouchen Lin

机构 * State Key Lab of General AI, School of Intelligence Science and Technology, Peking University（人工智能国家重点实验室、智能科学与技术学院、北京大学） ； Zhejiang University（浙江大学） ； Beijing Academy of Artificial Intelligence (BAAI)（北京人工智能研究院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Center for Data Science, Peking University（北京大学数据科学中心） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Pazhou Laboratory (Huangpu), Guangzhou, China（黄埔实验室（华南）） 纠错

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

AI总结 本文从近端递归角度提出SPIRIT框架，通过引入熵诱导的Bregman分歧和半近端传输正则化，改进扩散模型在时间序列数据插补中的性能。

Robust Machine Learning Framework for Reliable Discovery of High-Performance Half-Heusler Thermoelectrics

鲁棒机器学习框架用于高性能半Heusler热电材料的可靠发现

Shoeb Athar, Adrien Mecibah, Philippe Jund

机构 * ICGM, Univ Montpellier, CNRS, ENSCM（ICGM，蒙彼利埃大学，国家科学研究中心，ENSCM） 纠错

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

AI总结 本研究提出鲁棒机器学习框架，通过PCA分割、贝叶斯优化和SISSO分析，提升热电材料zT预测的泛化能力，发现新型高性能半Heusler热电材料。

Comments 44 pages, 8 figures. Submitted for publication

Three-Way Emotion Classification of EEG-based Signals using Machine Learning

基于EEG信号的三元情绪分类使用机器学习

Ashna Purwar, Gaurav Simkar, Madhumita, Sachin Kadam

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

AI总结 本文提出使用随机森林模型对EEG信号进行三元情绪分类，实验表明其在准确率和F1分数上表现最佳。

Comments 6 pages, 8 figures, and 3 tables. Submitted to a conference, under review

Context-Sensitive Pointer Analysis for ArkTS

针对ArkTS的上下文敏感指针分析

Yizhuo Yang, Lingyun Xu, Mingyi Zhou, Li Li

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

AI总结 本文提出针对ArkTS的上下文敏感指针分析框架APAK，通过独特模型和可扩展架构提升静态分析精度，有效降低误报率并提升分析覆盖范围。

Comments Accepted at ASE industry 2025

Simple Role Assignment is Extraordinarily Effective for Safety Alignment

简单的角色分配在安全对齐中表现尤为有效

Zhou Ziheng, Jiakun Ding, Zhaowei Zhang, Ruosen Gao, Yingnian Wu, Demetri Terzopoulos, Yipeng Kang, Fangwei Zhong, Junqi Wang

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Tianjin University（天津大学） ； Peking University（北京大学） ； Zhejiang University（浙江大学） ； Beijing Institute of General Artificial Intelligence（北京一般人工智能研究院） 纠错

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

AI总结 本研究提出基于角色条件化的安全对齐方法，通过角色隐含编码价值观和认知模式，有效降低不安全输出，适用于多种AI对齐任务。

Measurement for Opaque Systems: Multi-source Triangulation with Interpretable Machine Learning

对不透明系统的测量：多源三角测量与可解释机器学习

Margaret Foster

机构 * National Security Data and Policy Institute, University of Virginia（美国弗吉尼亚大学国家安全数据与政策研究所） 纠错

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

AI总结 本文提出了一种用于不透明系统的测量框架，结合多源三角测量和可解释机器学习，以填补无法直接接触的测量空间。

Comments 16 pages, 6 figures, 3 tables, 9-page appendix

Exploring the Limitations of kNN Noisy Feature Detection and Recovery for Self-Driving Labs

探索kNN噪声特征检测与恢复在自动驾驶实验室中的局限性

Qiuyu Shi, Kangming Li, Yao Fehlis, Runze Zhang, Daniel Persaud, Robert Black, Jason Hattrick-Simpers

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

AI总结 本研究探讨了kNN噪声特征检测与恢复在自动驾驶实验室中的局限性，通过系统分析噪声强度、数据集大小等因素对特征可检测性和可恢复性的影响，提出了一种通用的数据恢复框架并建立了材料数据集的基准。

Comments 20 pages, 7 figures

Quantum Re-Uploading for Calorimetry: Optimized Architectures with Extended Expressivity

量子重上传用于 calorimetry：具有扩展表达力的优化架构

Léa Cassé, Bernhard Pfahringer, Albert Bifet, Frédéric Magniette

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

AI总结 本文提出了一种优化的量子重上传架构，通过扩展表达力在calorimetry分类任务中实现了更高的准确率，并展示了其在实际量子处理器上的可部署性。

Comments 42 pages, 25 figures

Machine learning determines the Mg2SiO4 P-T phase diagram

机器学习确定 Mg2SiO4 的 P-T 相图

Siyu Zhou, Daohong Liu, Chuanyu Zhang, Yu He, Xuben Wang, Xiaopan Zuo

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本研究利用机器学习势结合非平衡热力学积分和双相共存模拟，高效构建了 Mg2SiO4 的 P-T 相图，降低了计算成本并保持了热力学一致性。

Co-Design of Rover Wheels and Control using Bayesian Optimization and Rover-Terrain Simulations

利用贝叶斯优化和越野地形模拟进行轮式机器人轮子与控制的协同设计

Huzaifa Mustafa Unjhawala, Khizar Shaikh, Luning Bakke, Radu Serban, Dan Negrut

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出利用贝叶斯优化和高保真模拟，实现越野车辆轮子设计与控制的协同优化，提升全车辆在可变形地形中的性能。

Comments 19 pages, 15 figures

ReLayout: Versatile and Structure-Preserving Design Layout Editing via Relation-Aware Design Reconstruction

ReLayout: 通过关系感知的设计重建实现多功能且结构保持的设计布局编辑

Jiawei Lin, Shizhao Sun, Danqing Huang, Ting Liu, Ji Li, Jiang Bian

机构 * Xi'an Jiaotong University, Xi'an, China（西安交通大学） ； Microsoft Research（微软研究院） 纠错

专题命中 工作流自动化 ：workflow(abstract)

AI总结 ReLayout通过关系感知设计重建实现多功能且结构保持的设计布局编辑，无需三元组数据，提升编辑质量和结构保持性。

From Videos to Conversations: Egocentric Instructions for Task Assistance

从视频到对话：任务协助的视角指令

Lavisha Aggarwal, Vikas Bahirwani, Andrea Colaco

机构 * Google, USA（谷歌） 纠错

专题命中 工作流自动化 ：AI agent(abstract)

AI总结 本文提出从视频自动转换为多模态任务指导对话的框架，并引入HowToDIV数据集，用于多模态任务协助的基准测试。

Physics-informed Diffusion Mamba Transformer for Real-world Driving

物理引导的扩散Mamba变换器用于现实驾驶

Hang Zhou, Qiang Zhang, Peiran Liu, Yihao Qin, Zhaoxu Yan, Yiding Ji

机构 * Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology(Guangzhou)（香港科学与技术大学（广州）机器人与自主系统方向） ； MoSense Technologies 纠错

专题命中 工作流自动化 ：planning(abstract)

AI总结 本文提出了一种结合Mamba和注意力机制的扩散模型，通过整合物理约束提升自动驾驶轨迹预测的准确性和可解释性。

Journal ref International Conference on Robotics & Automation (ICRA) 2026

Digital Twin Assessment of Filter Clogging Penalties in VFD-Driven Industrial Fan Systems

工业通风系统中变频驱动风扇系统滤网堵塞惩罚的数字孪生评估

Wichai Pattanapol, Adam Gill

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本研究通过数字孪生技术量化工业通风系统中滤网堵塞导致的能源惩罚，揭示了变频驱动器在极端堵塞条件下的性能限制及优化维护策略的重要性。

Reinforced Rate Control for Neural Video Compression via Inter-Frame Rate-Distortion Awareness

通过帧间速率-失真意识的强化率控实现神经视频压缩

Wuyang Cong, Junqi Shi, Lizhong Wang, Weijing Shi, Ming Lu, Hao Chen, Zhan Ma

专题命中 工作流自动化 ：agent(abstract)

AI总结 本文提出基于强化学习的神经视频压缩率控方法，通过联合优化比特率分配和编码参数，实现更高效的压缩性能和更低的开销。

Comments Accepted by AAAI 2026

Construction of Urban Greenland Resources Collaborative Management Platform

城市绿色资源协同管理平台的建设

Dongyang Lyu, Xiaoqi Li, Zongwei Li

专题命中 工作流自动化 ：planning(abstract)

AI总结 本研究提出一种基于微服务架构的城市绿色资源协同管理平台，通过自动化数据更新和模块化设计，提升绿化资源利用率和市民满意度，支持碳中和目标。

DensiThAI, A Multi-View Deep Learning Framework for Breast Density Estimation using Infrared Images

DensiThAI：一种用于利用红外图像进行乳腺密度估计的多视图深度学习框架

Siva Teja Kakileti, Geetha Manjunath

专题命中 工作流自动化 ：workflow(abstract)

AI总结 DensiThAI通过多视图深度学习框架利用红外图像估计乳腺密度，实现了较高的AUROC性能，为非电离成像提供了新的可能性。

DoVer: Intervention-Driven Auto Debugging for LLM Multi-Agent Systems

DoVer：基于干预的LLM多智能体系统自动调试

Ming Ma, Jue Zhang, Fangkai Yang, Yu Kang, Qingwei Lin, Saravan Rajmohan, Dongmei Zhang

机构 * Institute of Neuroscience, State Key Laboratory of Brain Cognition and Brain-inspired Intelligence Technology, Center for Excellence in Brain Science and Intelligence Technology, Chinese Academy of Sciences, Shanghai, 200031, China（中国科学院神经科学研究所、脑认知与脑启发智能技术重点实验室、脑科学与智能技术卓越中心、中国科学院、上海） ； University of Chinese Academy of Sciences, School of Future Technology, Beijing, 100049, China（中国科学院大学、未来技术学院、北京） ； Microsoft（微软公司） 纠错

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

AI总结 DoVer通过干预驱动的调试方法，显著提高了LLM多智能体系统的可靠性，实现了高比例的失败试验修复和任务进展。

Why Are AI Agent Involved Pull Requests (Fix-Related) Remain Unmerged? An Empirical Study

为何AI代理参与的修复相关拉取请求仍未合并？一项实证研究

Khairul Alam, Saikat Mondal, Banani Roy

机构 * University of Saskatchewan, Canada（萨斯喀彻温大学） 纠错

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

AI总结 本文通过实证研究揭示了AI代理生成的修复相关PRs合并失败的主要原因，指出测试用例失败和先前问题解决是主要障碍，为AI与人类协作改进提供方向。

Comments 5 pages

SWE-Exp: Experience-Driven Software Issue Resolution

SWE-Exp：基于经验的软件问题解决

Silin Chen, Shaoxin Lin, Yuling Shi, Heng Lian, Xiaodong Gu, Longfei Yun, Dong Chen, Lin Cao, Jiyang Liu, Nu Xia, Qianxiang Wang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei（华为） ； Xidian University（西安电子科技大学） 纠错

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

AI总结 SWE-Exp通过提炼历史经验实现软件问题解决的持续学习，显著提升修复效率。

Comments Our code and data are available at https://github.com/YerbaPage/SWE-Exp

SWE-Universe: Scale Real-World Verifiable Environments to Millions

SWE-Universe: 将现实可验证环境扩展至百万级

Mouxiang Chen, Lei Zhang, Yunlong Feng, Xuwu Wang, Wenting Zhao, Ruisheng Cao, Jiaxi Yang, Jiawei Chen, Mingze Li, Zeyao Ma, Hao Ge, Zongmeng Zhang, Zeyu Cui, Dayiheng Liu, Jingren Zhou, Jianling Sun, Junyang Lin, Binyuan Hui

机构 * Qwen Team, Alibaba Group（通义团队，阿里巴巴集团） ； Zhejiang University（浙江大学） 纠错

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

AI总结 SWE-Universe通过高效框架构建百万级现实可验证环境，提升编码代理训练效果。

Comments 13 pages

Canonical Intermediate Representation for LLM-based optimization problem formulation and code generation

基于LLM的优化问题建模与代码生成的规范中间表示

Zhongyuan Lyu, Shuoyu Hu, Lujie Liu, Hongxia Yang, Ming LI

机构 * The Hong Kong Polytechnic University, Hong Kong, China（香港理工大学） 纠错

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

AI总结 本研究提出规范中间表示（CIR）以提升LLM在复杂运营规则下的优化问题建模与代码生成能力，通过多智能体框架实现高精度建模。

Comments 41 pages, 4 figures, 5 tables

1000 Layer Networks for Self-Supervised RL: Scaling Depth Can Enable New Goal-Reaching Capabilities

1000层网络用于自监督强化学习：增加深度可以启用新的目标到达能力

Kevin Wang, Ishaan Javali, Michał Bortkiewicz, Tomasz Trzciński, Benjamin Eysenbach

机构 * Princeton University（普林斯顿大学） ； Warsaw University of Technology（华沙理工大学） ； Tooploox ； IDEAS Research Institute（IDEAS研究所） 纠错

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

AI总结 本文提出通过增加网络深度至1024层，显著提升自监督强化学习的目标到达能力，实验显示性能提升达2-50倍。

Comments Link to project website: https://wang-kevin3290.github.io/scaling-crl/

Spec-Driven Development:From Code to Contract in the Age of AI Coding Assistants

基于规范的开发：在AI编码助手时代的代码与合同

Deepak Babu Piskala

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

AI总结 本文探讨了在AI编码助手时代基于规范的开发方法，通过规范优先的哲学和不同领域的案例研究，提供了一种新的软件开发思路和实践框架。

Comments Submitted to AIWare 2026. 8 pages, 3 figures

DMAVA: Distributed Multi-Autonomous Vehicle Architecture Using Autoware

DMAVA：基于Autoware的分布式多自主车辆架构

Zubair Islam, Mohamed El-Darieby

机构 * Faculty of Engineering（工程学院） ； Applied Science（应用科学） ； Ontario Tech University（安大略技术大学） 纠错

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

AI总结 DMAVA是一种基于Autoware的分布式多自主车辆架构，通过集成ROS 2、Autoware Universe等工具，实现多车辆在分布式环境下的协同控制与一致行为。

Comments 7 pages, 3 figures, 5 tables, Submitted to IEEE IV 2026, Demo videos and source code available

From Evaluation to Enhancement: Large Language Models for Zero-Knowledge Proof Code Generation

从评估到增强：大型语言模型在零知识证明代码生成中的应用

Zhantong Xue, Pingchuan Ma, Zhaoyu Wang, Yuguang Zhou, Xiaoqin Zhang, Shuai Wang, Juergen Rahmel

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

AI总结 本文提出ZK-Eval和ZK-Coder，通过评估和增强大型语言模型在零知识证明代码生成中的能力，显著提高了ZK程序的生成成功率。

AutoCodeSherpa: Symbolic Explanations in AI Coding Agents

AutoCodeSherpa: AI 编程代理中的符号解释

Sungmin Kang, Haifeng Ruan, Abhik Roychoudhury

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

AI总结 AutoCodeSherpa通过符号公式提供软件问题解释，提升自动化修复和程序分析的准确性与可靠性。

Are Coding Agents Generating Over-Mocked Tests? An Empirical Study

编码代理是否生成过度的模拟测试？一项实证研究

Andre Hora, Romain Robbes

专题命中 软件智能体 ：agent(abstract)；分类 cs.SE

AI总结 本文研究了编码代理生成测试中模拟的使用情况，发现代理更倾向于修改测试并添加模拟，同时指出模拟测试可能更容易自动生成但验证效果较弱。

Comments Accepted for publication at MSR 2026

IC-EO: Interpretable Code-based assistant for Earth Observation

IC-EO: 可解释的基于代码的地球观测助手

Lamia Lahouel, Laurynas Lopata, Simon Gruening, Gabriele Meoni, Gaetan Petit, Sylvain Lobry

机构 * Université Paris Cité, LIPADE, F-75006 Paris, France askEarth AG, Zurich, Switzerland ESA -lab, Frascati, Italy ESA, Advanced Concepts ； Studies Office, Noordwijk, the Netherlands 纠错

专题命中 软件智能体 ：agent(abstract)；分类 cs.AI

AI总结 IC-EO提出一个可解释的代码生成助手，通过生成可审计的Python工作流程，提升地球观测分析的透明性和可复现性，优于现有基线模型。

Comments 15 pages, 1 figure