LLM-Driven Transient Stability Assessment: From Automated Simulation to Neural Architecture Design
基于大语言模型的暂态稳定评估：从自动化仿真到神经网络架构设计
专题命中 工作流自动化 ：workflow(abstract)；agentic(abstract)
AI总结 本文提出利用大语言模型驱动的神经网络设计流程，实现电力系统暂态稳定评估的自动化和智能化，提升准确率与效率。
AI 大模型
AI Agent
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
1. 工作流自动化 12 篇
Scaling Multiagent Systems with Process Rewards
通过过程奖励扩展多智能体系统
机构 * Yale University（耶鲁大学） ； University of Chicago（芝加哥大学） ； University of Oxford（牛津大学）
专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出MAPPA方法，通过每动作过程奖励微调多智能体系统，提升复杂任务的性能和效率。
AIANO: Enhancing Information Retrieval with AI-Augmented Annotation
AIANO：通过AI增强标注提升信息检索
机构 * Institute for Artificial Intelligence in Medicine (IKIM), University Hospital Essen (AöR)（人工智能医学研究所（IKIM）、埃森大学医院（AöR））
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.CL
AI总结 AIANO通过结合人类专业知识与LLM帮助，提升信息检索数据集的创建效率和准确性。
Vivifying LIME: Visual Interactive Testbed for LIME Analysis
使LIME焕发生机：用于LIME分析的视觉交互测试平台
专题命中 工作流自动化 ：workflow(abstract)
AI总结 本文提出LIMEVis，一种交互式可视化工具，用于提升LIME分析的效率，通过同时探索多个结果并直接修改以识别模型分类的关键特征。
A labeled dataset of simulated phlebotomy procedures for medical AI: polygon annotations for object detection and human-object interaction
带有标注的模拟采血程序数据集用于医疗AI：用于目标检测和人-物交互的多边形标注
机构 * Institute of Computer Science（计算机科学研究所） ； University of St.Gallen（圣加伦大学）
专题命中 工作流自动化 ：workflow(abstract)
AI总结 本文提出一个包含11884张标注图像的数据集，用于医疗AI中的目标检测和人-物交互研究，支持医疗培训自动化和教育系统开发。
Reinforcement Learning-based Home Energy Management with Heterogeneous Batteries and Stochastic EV Behaviour
基于强化学习的异质电池家庭能源管理与随机电动车行为
专题命中 工作流自动化 ：agent(abstract)
AI总结 本文提出基于深度强化学习的家庭能源管理框架，考虑异质电池退化和随机电动车行为，通过约束马尔可夫决策过程和SAC算法实现优化，有效降低运行成本和电池退化。
Passive Incoherent Ultrafast Mid-Infrared Upconversion Imaging and Its Calibration
被动非相干超快中红外上转换成像及其校准
专题命中 工作流自动化 ：workflow(abstract)
AI总结 本文提出了一种基于CPLN的被动非相干超快中红外上转换成像技术，实现了100kHz超快成像和基于Allan偏差分析的校准方法，用于实时热监控和早期预警系统。
Comments 13 pages,5 figures
Exploring Collaborative Immersive Visualization & Analytics for High-Dimensional Scientific Data through Domain Expert Perspectives
探索通过领域专家视角的协作沉浸式可视化与分析以高维科学数据
专题命中 工作流自动化 ：workflow(abstract)
AI总结 通过访谈领域专家，研究探讨了多用户协作在高维科学数据可视化与分析中的挑战与机遇，提出设计改进以提升协作效率与公平性。
Comments Conditionally accepted at the Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI 26)
A Dutch-Book Trap for Misspecification
针对规范性错误的荷兰赌局陷阱
专题命中 工作流自动化 ：agent(abstract)
AI总结 本文通过荷兰赌局论点指出，使用贝叶斯规则更新信念可避免规范性错误导致的确定性损失。
2. 软件智能体 7 篇
Scaling Agentic Verifier for Competitive Coding
为竞争编程设计的扩展代理验证器
机构 * Renmin University of China（中国人民大学） ； Qwen Team, Alibaba Group（通义实验室，阿里巴巴集团）
专题命中 软件智能体 ：agentic(title,abstract)；agent(abstract)；分类 cs.CL
AI总结 本文提出Agentic Verifier，通过主动推理和高效测试输入生成，提升竞争编程问题解决的准确性与效率。
Why Agentic-PRs Get Rejected: A Comparative Study of Coding Agents
为何智能代理生成的拉取请求被拒绝：智能代理的比较研究
专题命中 软件智能体 ：agentic(title,abstract)；agent(abstract)；分类 cs.SE
AI总结 本文研究了不同智能代理生成的拉取请求被拒绝的原因差异，发现七种仅出现在智能代理生成PR中的拒绝模式，并提出启发式方法以减少无反馈的拒绝案例。
Comments 5 pages
ProxyWar: Dynamic Assessment of LLM Code Generation in Game Arenas
ProxyWar: 动态评估LLM代码生成在游戏竞技场中的表现
机构 * adelaide.edu.au（阿德莱德大学）
专题命中 软件智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.SE
AI总结 ProxyWar通过在动态游戏环境中评估LLM代码生成的质量，揭示了基准分数与实际性能之间的差异，为算法发现和自适应问题解决研究提供新视角。
Comments ICSE2026
Learning the Value Systems of Agents with Preference-based and Inverse Reinforcement Learning
基于偏好和逆强化学习的学习代理价值系统
机构 * Universidad Rey Juan Carlos（雷乌安卡洛斯大学）
专题命中 软件智能体 ：agent(comments,journal_ref)；autonomous agent(comments,journal_ref)；multi-agent(comments,journal_ref)；分类 cs.AI、cs.LG
AI总结 本文提出了一种基于偏好和逆强化学习的方法，用于自动从观察和人类示范中学习代理的价值系统，以解决不同用户价值系统差异带来的协议一致性问题。
Comments 42 pages, 5 figures. Published in Journal of Autonomous Agents and Multi-Agent Systems
Journal ref Holgado-Sánchez, A., Billhardt, H., Fernández, A., Ossowski, S. Learning the value systems of agents with preference-based and inverse reinforcement learning. Autonomous Agents Multi-Agent Systems 40, 4 (2026)
Multi-Excitation Projective Simulation with a Many-Body Physics Inspired Inductive Bias
多激发投影模拟：受多体物理启发的归纳偏置
机构 * University of Innsbruck, Institute for Theoretical Physics（因斯布鲁克大学理论物理研究所）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出多激发投影模拟（mePS）方法，通过受多体物理启发的归纳偏置解决超图建模中的指数复杂性问题，并在多个场景中验证了其资源节省和可解释性优势。
Comments 41 pages, 9 figures; Code repository at https://github.com/MariusKrumm/ManyBodyMEPS. Updated to be consistent with AIJ version
Journal ref Artificial Intelligence 352, 104489 (2026)
Building Coding Agents via Entropy-Enhanced Multi-Turn Preference Optimization
通过熵增强的多轮偏好优化构建编码代理
机构 * Department of Computer Science, Northwestern University, Evanston, USA（西北大学计算机科学系） ； Meta AI, Bellevue, USA（Meta AI）
专题命中 软件智能体 ：tool use(abstract)；分类 cs.AI
AI总结 本文提出EntroPO框架，通过增强熵的方法提升多轮交互中编码代理的性能，实现更高效的测试时间扩展。
Defending Against Prompt Injection with DataFilter
用DataFilter抵御提示注入
专题命中 软件智能体 ：agent(abstract)
AI总结 DataFilter通过在数据到达LLM前移除恶意指令，有效防御提示注入攻击，同时保持模型的效用。
3. GUI与网页智能体 2 篇
Scaling Agents for Computer Use
用于计算机使用的扩展代理
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 本文提出BJudge方法，通过行为叙述比较提升CUAs在长周期任务中的鲁棒性和成功率，实现OSWorld新状态-of-the-art并超越人类水平。
Comments 21 pages, 7 figures, 13 tables
User-Feedback-Driven Adaptation for Vision-and-Language Navigation
基于用户反馈的视觉-语言导航适应
机构 * Mohamed bin Zayed University of Artificial Intelligence（Mohamed bin Zayed大学人工智能学院） ； School of Electrical Engineering and Computer Science, The University of Queensland（电气工程与计算机科学学院，昆士兰大学） ； University of Science and Technology of China（中国科学技术大学） ； School of Computer Science, The University of Adelaide（计算机科学学院，阿德莱德大学）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI
AI总结 本文提出基于用户反馈的视觉-语言导航适应方法，通过拓扑感知轨迹构建和持久记忆库机制，提升代理对用户指令的响应能力，实现高效模仿学习和跨指令风格的强适应性。
4. 记忆与上下文管理 8 篇
AI Agents Need Memory Control Over More Context
AI代理需要对更多上下文进行记忆控制
机构 * The University of Chicago（芝加哥大学）
专题命中 记忆与上下文管理 ：AI agent(title,abstract)；agent(abstract)；分类 cs.LG
AI总结 本文提出了一种生物启发式的记忆控制器ACC，通过有界内部状态实现稳定多轮交互，降低幻觉和漂移，提升长视图AI代理的可靠性。
ReThinker: Scientific Reasoning by Rethinking with Guided Reflection and Confidence Control
ReThinker：通过引导反思与置信度控制实现科学推理
机构 * Noah's Ark Lab, Huawei, China（诺亚实验室，华为，中国） ； The Chinese University of Hong Kong, Hong Kong, China（香港中文大学，香港，中国）
专题命中 记忆与上下文管理 ：agent(abstract)；tool use(abstract)；agentic(abstract)；multi-agent(abstract)
AI总结 ReThinker通过引导反思与置信度控制，提升大语言模型在专家级科学推理任务中的性能
Co-RedTeam: Orchestrated Security Discovery and Exploitation with LLM Agents
Co-RedTeam: 基于LLM代理的协同安全发现与利用
机构 * Google（谷歌） ； Google Cloud AI Research（谷歌云人工智能研究） ； Michigan State University（密歇根州立大学）
专题命中 记忆与上下文管理 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG
AI总结 Co-RedTeam通过整合安全知识、代码分析和执行反馈，提升漏洞发现与利用的自动化水平，实现超过60%的漏洞利用成功率。
Group-Evolving Agents: Open-Ended Self-Improvement via Experience Sharing
群体进化代理：通过经验共享实现开放式自我改进
机构 * University of California, Santa Barbara（加州大学圣芭芭拉分校）
专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI
AI总结 GEA通过经验共享实现开放式自我改进，显著优于现有自我进化方法并在编码基准上表现优异。
Comments 18 pages
Opinion dynamics under electoral shocks in competitive campaigns
选举竞争中的意见动态受选举冲击影响
专题命中 记忆与上下文管理 ：agent(abstract)
AI总结 本文提出一个结合选民记忆和外生冲击的计算框架，研究选举竞争中意见动态受冲击影响的行为特征。
Comments 19 pages, 7 figures, to appear in IJMPC
Properties of the core and other solution concepts of Bel coalitional games in the ex-ante scenario
Bel联盟博弈中核心及其他解概念的性质（事前场景）
专题命中 记忆与上下文管理 ：agent(abstract)
AI总结 本文研究了Bel联盟博弈中核心及其他解概念在事前场景下的性质，探讨了不确定性环境下合同分配与偏好建模，并发现这些解概念的包含关系与经典情况一致。
Data Agents: Levels, State of the Art, and Open Problems
数据代理：等级、现状与开放问题
专题命中 记忆与上下文管理 ：agent(abstract)
AI总结 本文提出数据代理的分层分类体系，从无自主性到完全自主，探讨其现状、挑战及未来发展方向。
Journal ref SIGMOD 2026 Tutorial
Dynamic Mechanism Design without Monetary Transfers: A Queueing Theory Approach
无货币转移的动态机制设计：一种排队论方法
专题命中 记忆与上下文管理 ：agent(abstract)
AI总结 本文提出了一种无货币转移的动态阈值机制，用于在稳态下优化随机环境中代理人和物品的分配问题。
Comments A substantial revised version is in progress, and the current version is considered incomplete by the authors
5. Agent评测 15 篇
Agentic AI in Healthcare & Medicine: A Seven-Dimensional Taxonomy for Empirical Evaluation of LLM-based Agents
医疗与医学中的代理AI：一个七维分类法用于评估基于大语言模型的代理
机构 * Department of Computer Science, New York University, CIMS, New York, USA（纽约大学计算机科学系，CIMS，纽约，美国） ； Department of Computer Science, Cleveland State University, Cleveland, USA（克利夫兰州立大学计算机科学系，克利夫兰，美国）
专题命中 Agent评测 ：agentic(title)；agent(abstract)；planning(abstract)；multi-agent(abstract)
AI总结 本文提出一个七维分类法，用于评估基于大语言模型的医疗代理在认知能力、知识管理、交互模式等方面的能力分布与实现情况。
Journal ref IEEE Access, vol. 14, pp. 4840-4863, 2026
From Trace to Line: LLM Agent for Real-World OSS Vulnerability Localization
从痕迹到行：面向真实世界OSS漏洞定位的LLM代理
机构 * NYU Tandon School of Engineering（纽约大学唐纳德工程学院）
专题命中 Agent评测 ：agent(title,abstract)；agentic(abstract)；分类 cs.LG、cs.SE
AI总结 T2L框架通过基于AST的分块和证据引导细化，实现项目级和行级漏洞定位，提升LLM在开源软件中的精准诊断能力。
M^3-Bench: Multi-Modal, Multi-Hop, Multi-Threaded Tool-Using MLLM Agent Benchmark
M^3-Bench: 多模态、多跳、多线程工具使用 MLLM agent 评估基准
机构 * Rutgers University（新泽西罗格斯大学）
专题命中 Agent评测 ：agent(title)；tool use(abstract)；workflow(abstract)；分类 cs.AI
AI总结 M^3-Bench是首个评估多模态工具使用下模型上下文协议的基准，通过多跳、多线程工作流和可追溯的一对一对应关系，揭示了多模态大语言模型在论点保真度和结构一致性方面的持续差距。
From Helpfulness to Toxic Proactivity: Diagnosing Behavioral Misalignment in LLM Agents
从有益到有毒的主动性：诊断LLM代理的行为不一致
机构 * Beijing University of Posts（北京邮电大学） ； China Mobile Research Institute（中国移动研究院） ； Nanyang Technological University（南洋理工大学）
专题命中 Agent评测 ：agent(abstract)；tool-use(abstract)；planning(abstract)；分类 cs.AI、cs.CL
AI总结 本文研究了LLM代理在权衡有益与无害时产生的有毒主动性行为，提出了一种基于双模型互动的评估框架，并通过实验揭示了该现象的普遍性及两种主要趋势。
Comments 9 pages (excluding appendices), 6 figures. Code is available at https://github.com/wxyoio-0715/Toxic-Proactivity
