AI Agent

The Agentic Leash: Extracting Causal Feedback Fuzzy Cognitive Maps with LLMs

代理缰绳：利用大语言模型提取因果反馈模糊认知图

Akash Kumar Panda, Olaoluwa Adigun, Bart Kosko

机构 * University of Southern California（南加州大学） ； Florida International University（佛罗里达国际大学） 纠错

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

AI总结 本文提出利用LLM代理系统提取因果反馈模糊认知图，通过三步过程生成与人类生成的FCM具有相同平衡特性的动态系统。

Comments 15 figures

Picking the Right Specialist: Attentive Neural Process-based Selection of Task-Specialized Models as Tools for Agentic Healthcare Systems

选择合适的专家：基于神经过程的注意力机制用于选择任务专用模型作为智能医疗系统工具

Pramit Saha, Joshua Strong, Mohammad Alsharid, Divyanshu Mishra, J. Alison Noble

机构 * Department of Engineering Science, University of Oxford, United Kingdom（牛津大学工程科学系） ； Department of Computer Science, Khalifa University, Abu Dhabi, United Arab Emirates（哈利法大学计算机科学系） 纠错

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

AI总结 本文提出ToolSelect，一种基于神经过程和注意力机制的模型选择方法，用于智能医疗系统中选择任务专用模型，通过实验展示其在不同任务上的优越性能。

HyFunc: Accelerating LLM-based Function Calls for Agentic AI through Hybrid-Model Cascade and Dynamic Templating

HyFunc: 通过混合模型级联和动态模板加速基于LLM的功能调用以实现代理AI

Weibin Liao, Jian-guang Lou, Haoyi Xiong

机构 * Peking University（北京大学） ； Microsoft Corporation（微软公司） 纠错

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

AI总结 HyFunc通过混合模型级联和动态模板技术，高效解决代理AI中功能调用的冗余问题，实现低延迟和高性能。

Comments Accepted by KDD'26

An Agentic Framework with LLMs for Solving Complex Vehicle Routing Problems

基于大语言模型的代理框架用于解决复杂车辆路径问题

Ni Zhang, Zhiguang Cao, Jianan Zhou, Cong Zhang, Yew-Soon Ong

机构 * School of Computing and Information Systems, Singapore Management University（计算与信息系统学院，新加坡管理大学） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） 纠错

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

AI总结 本文提出基于大语言模型的代理框架AFL，实现复杂车辆路径问题的完全自动化，通过分解任务和协调代理提升解决方案的可靠性和可行性。

Comments Accepted by iclr2026

'I Spend All My Energy Preparing': Balancing AI Automation and Agency for Self-Regulated Learning in SmartFlash

我将全部精力用于准备：在SmartFlash中平衡AI自动化与自主性以促进自我调节学习

Hongming Li, Salah Esmaeiligoujar, Nazanin Adham, Hai Li, Rui Huang

专题命中 工作流自动化 ：agent(abstract)；autonomous agent(abstract)

AI总结 本文探讨了在SmartFlash中如何通过AI自动化与自主性平衡以促进自我调节学习，发现学生需要透明且可编辑的AI输出以保持认知所有权，并提出了设计原则以支持元认知发展。

Comments Accepted at the International Society of the Learning Sciences (ISLS) Annual Meeting 2026

High-fidelity 3D reconstruction for planetary exploration

高保真行星探测的3D重建

Alfonso Martínez-Petersen, Levin Gerdes, David Rodríguez-Martínez, C. J. Pérez-del-Pulgar

专题命中 工作流自动化 ：planning(abstract)；workflow(abstract)

AI总结 本文提出了一种结合NeRF和高斯点绘的自动化3D重建管道，用于在极端环境下实现高保真的行星探测

Comments 7 pages, 3 figures, conference paper

Journal ref IEEE Conference on Artificial Intelligence (CAI) 2026, Special Session on AI for Space Exploration

PhyScensis: Physics-Augmented LLM Agents for Complex Physical Scene Arrangement

PhyScensis: 基于物理的LLM代理用于复杂物理场景布置

Yian Wang, Han Yang, Minghao Guo, Xiaowen Qiu, Tsun-Hsuan Wang, Wojciech Matusik, Joshua B. Tenenbaum, Chuang Gan

机构 * UMass Amherst（马萨诸塞大学阿姆赫斯特分校） ； Genesis AI ； MIT（麻省理工学院） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI

AI总结 PhyScensis通过物理引擎驱动的LLM代理框架，生成复杂物理场景布局，提升机器人操作中的场景复杂性和物理准确性。

Comments ICLR 2026

LLMAC: A Global and Explainable Access Control Framework with Large Language Model

LLMAC: 一种全局且可解释的访问控制框架基于大语言模型

Sharif Noor Zisad, Ragib Hasan

机构 * Department of Computer Science（计算机科学系） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） 纠错

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

AI总结 LLMAC利用大语言模型整合多种访问控制方法，实现高准确率和可解释性，显著优于传统方法。

Comments This paper is accepted and presented in IEEE Consumer Communications & Networking Conference (CCNC 2026)

The Interspeech 2026 Audio Reasoning Challenge: Evaluating Reasoning Process Quality for Audio Reasoning Models and Agents

Interspeech 2026音频推理挑战：评估音频推理模型和代理的推理过程质量

Ziyang Ma, Ruiyang Xu, Yinghao Ma, Chao-Han Huck Yang, Bohan Li, Jaeyeon Kim, Jin Xu, Jinyu Li, Carlos Busso, Kai Yu, Eng Siong Chng, Xie Chen

机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； Queen Mary University of London（伦敦大学Queen Mary） ； NVIDIA（NVIDIA公司） ； Carnegie Mellon University（卡内基梅隆大学） ； Qwen Team, Alibaba Group（通义实验室，阿里巴巴集团） ； Microsoft Corporation（微软公司） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.CL

AI总结 Interspeech 2026音频推理挑战通过评估推理过程质量，探讨了音频推理模型和代理在事实性和逻辑性方面的表现及改进方向。

Comments The official website of the Audio Reasoning Challenge: https://audio-reasoning-challenge.github.io

RAGExplorer: A Visual Analytics System for the Comparative Diagnosis of RAG Systems

RAGExplorer: 一种用于RAG系统比较诊断的可视化分析系统

Haoyu Tian, Yingchaojie Feng, Zhen Wen, Haoxuan Li, Minfeng Zhu, Wei Chen

机构 * State Key Lab of CAD&CG, Zhejiang University（CAD与CG国家重点实验室，浙江大学） ； School of Computing, National University of Singapore（computing学院，新加坡国立大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 RAGExplorer是一种用于RAG系统比较诊断的可视化分析系统，通过宏观到微观的工作流程帮助开发者理解性能权衡并优化设计。

Comments 11 pages, 7 figures. Accepted to IEEE TVCG (PacificVis 2026)

VividFace: Real-Time and Realistic Facial Expression Shadowing for Humanoid Robots

VividFace: 人形机器人实时逼真面部表情阴影生成

Peizhen Li, Longbing Cao, Xiao-Ming Wu, Yang Zhang

机构 * School of Computing, Macquarie University（麦考瑞大学计算机学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机与数据科学学院） ； Anuradha and Vikas Sinha Department of Data Science, University of North Texas（北卡罗来纳州立大学数据科学系） 纠错

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

AI总结 VividFace通过优化的模仿框架和实时推理管道，实现人形机器人逼真面部表情阴影生成，提升人机交互的真实感和实用性。

Comments Accepted to the 2026 IEEE International Conference on Robotics and Automation (ICRA)

Geodetically Anchored 0.30m Digital Elevation Model of the Chandrayaan-3 Vikram Landing Site from Chandrayaan-2 Orbital High Resolution Camera (OHRC) Stereo Imagery

基于Chandrayaan-2轨道高分辨率相机（OHRC）立体影像的地磁锚定0.30米数字高程模型：Chandrayaan-3维克拉姆着陆点

Chandra Tungathurthi

专题命中 工作流自动化 ：workflow(abstract)

AI总结 基于OHRC立体影像，采用开放流程生成Chandrayaan-3着陆点0.30米分辨率DEM，实现地磁对齐和危险区域识别，为后续月球任务提供独立分析能力。

Comments 20 pages, 10 figures, 17 tables. Under submission to The Planetary Science Journal

EdgeFaaS: A Function-based Framework for Edge Computing

EdgeFaaS: 一种面向边缘计算的基于函数的框架

Runyu Jin, Qirui Yang

专题命中 工作流自动化 ：workflow(abstract)

AI总结 EdgeFaaS是一种基于函数的边缘计算框架，通过统一管理异构资源，优化函数调度与数据放置，提升边缘计算的响应性、隐私保护和成本效率。

Comments This paper has been withdrawn by the authors because it was submitted without the final consent of all co-authors

Autonomous Robotic Tissue Palpation and Abnormalities Characterisation via Ergodic Exploration

自主机器人组织触诊及异常特征表征 via 耐久性探索

Luca Beber, Edoardo Lamon, Matteo Saveriano, Daniele Fontanelli, Luigi Palopoli

机构 * Department of Information Engineering and Computer Science, University of Trento（信息工程与计算机科学系，特伦托大学） ； Department of Industrial Engineering, University of Trento（工业工程系，特伦托大学） 纠错

专题命中 工作流自动化 ：planning(abstract)

AI总结 本文提出了一种基于耐久性探索的自主机器人触诊框架，通过结合力反馈与高斯过程回归，实现对组织弹性特性的高精度实时映射，提升异常特征的检测能力。

Comments Submitted to IEEE Robotics and Automation Letters (RA-L)

Benchmarking AI Performance on End-to-End Data Science Projects

在端到端数据科学项目上评估AI性能

Evelyn Hughes, Rohan Alexander

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本研究评估了AI模型在端到端数据科学项目中的表现，发现不同模型在结构化任务和判断任务上的表现差异显著，表明AI在常规任务上可模拟初级数据科学家，但需进一步验证。

Audience in the Loop: Viewer Feedback-Driven Content Creation in Micro-drama Production on Social Media

观众在场：社交媒体上微戏剧制作中的观众反馈驱动内容创作

Gengchen Cao, Tianke He, Yixuan Liu, RAY LC

专题命中 工作流自动化 ：workflow(abstract)

AI总结 研究探讨了社交媒体微戏剧制作中观众反馈驱动的内容创作过程，揭示了观众互动在协作创意中的新范式。

Comments 26 pages, 6 figures, CHI 2026

Synthetic Dataset Generation and Validation for Robotic Surgery Instrument Segmentation

用于机器人手术器械分割的合成数据集生成与验证

Giorgio Chiesa, Rossella Borra, Vittorio Lauro, Sabrina De Cillis, Daniele Amparore, Cristian Fiori, Riccardo Renzulli, Marco Grangetto

机构 * University of Turin, Italy（都灵大学） 纠错

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出了一种生成和验证用于机器人手术器械分割的合成数据集的方法，通过自动化流程生成逼真数据，并验证其在模型训练中的有效性。

Comments Accepted at ISBI 2026

Stroke3D: Lifting 2D strokes into rigged 3D model via latent diffusion models

Stroke3D: 通过潜在扩散模型将2D笔触提升为拟合的3D模型

Ruisi Zhao, Haoren Zheng, Zongxin Yang, Hehe Fan, Yi Yang

机构 * ReLER, CCAI, Zhejiang University（ReLER、CCAAI、浙江大学） ； DBMI, HMS, Harvard University（DBMI、HMS、哈佛大学） 纠错

专题命中 工作流自动化 ：workflow(abstract)

AI总结 Stroke3D通过潜在扩散模型，将用户绘制的2D笔触和文本提示转化为拟合的3D模型，实现可控的骨骼生成和纹理网格合成。

Comments Accepted by ICLR 2026

EndoExtract: Co-Designing Structured Text Extraction from Endometriosis Ultrasound Reports

EndoExtract：从子宫内膜异位症超声报告中设计结构化文本提取

Haiyi Li, Yiyang Zhao, Yutong Li, Alison Deslandes, Jodie Avery, Mathew Leonardi, Mary Louise Hull, Hsiang-Ting Chen

专题命中 工作流自动化 ：workflow(abstract)

AI总结 EndoExtract通过设计结构化文本提取系统，解决子宫内膜异位症超声报告中数据提取的痛点，提升人工审查效率与数据准确性。

Exploring the spatially-resolved capabilities of the J-PAS survey with Py2DJPAS

利用Py2DJPAS探索miniJPAS调查的空间解析能力

J. E. Rodríguez-Martín, L. A. Díaz-García, R. M. González Delgado, G. Martínez-Solaeche, R. García-Benito, A. de Amorim, J. Thainá-Batista, R. Cid Fernandes, I. Márquez, A. Fernández-Soto, I. Breda, R. Abramo, J. Alcaniz, N. Benítez, S. Bonoli, S. Carneiro, A. J. Cenarro, D. Cristóbal-Hornillos, R. A. Dupke, A. Ederoclite, A. Hernán-Caballero, C. Hernández-Monteagudo, C. López-Sanjuan, A. Marín-Franch, C. Mendes de Oliveira, M. Moles, L. Sodré, K. Taylor, J. Varela, H. Vázquez Ramió

专题命中 工作流自动化 ：workflow(abstract)

AI总结 Py2DJPAS工具通过分析miniJPAS调查中的空间解析星系，验证了J-PAS在探测星系外围及研究大尺度演化过程的能力。

Comments 20 pages, 13 figures, 5 tables. Accepted for publication in A&A

Journal ref A&A 704, A52 (2025)

Adaptive mesh refinement for global stability analysis of transitional flows

适应性网格细化用于过渡流全局稳定性分析

Daniele Massaro, Valerio Lupi, Adam Peplinski, Philipp Schlatter

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出利用适应性网格细化技术提高过渡流全局稳定性分析的精度，通过设计不同网格减少误差，验证了该方法在圆柱绕流中的有效性。

Comments To be submitted ICOSAHOM2023

Data-driven macroscopic dynamics of complex networks using Topological Data Analysis and the Equation-Free Method

基于拓扑数据分析和方程无方法的复杂网络宏观动力学数据驱动研究

Konstantinos Spiliotis, Ole Sönnerborn, Haralampos Hatzikirou, Nikos I. Kavallaris

专题命中 工作流自动化 ：agent(abstract)

AI总结 本文提出结合拓扑数据分析和方程无方法的框架，用于研究复杂网络的宏观动力学，通过提取宏观拓扑特征并分析其演化规律。

Comments 20 pages, 12 figures and appendix

Improved Bug Localization with AI Agents Leveraging Hypothesis and Dynamic Cognition

改进的AI代理在利用假设和动态认知进行Bug定位中的应用

Asif Mohammed Samir, Mohammad Masudur Rahman

机构 * Dalhousie University（达尔豪西大学） 纠错

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

AI总结 本文提出CogniGent技术，利用AI代理进行因果推理和动态认知调试，提升bug定位的准确性和效率。

Comments 13 pages, 7 tables, 5 figures

ATTest: Agent-Driven Tensor Testing for Deep Learning Library Modules

基于代理的张量测试：用于深度学习库模块的单元测试生成

Zhengyu Zhan, Ye Shang, Jiawei Liu, Chunrong Fang, Quanjun Zhang, Zhenyu Chen

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

AI总结 ATTest通过基于代理的框架生成深度学习库模块的高效单元测试，显著提升测试覆盖率和稳定性。

Comments 5 pages, 3 figures

BEAGLE: Behavior-Enforced Agent for Grounded Learner Emulation

BEAGLE：行为约束的地面学习者模拟代理

Hanchen David Wang, Clayton Cohn, Zifan Xu, Siyuan Guo, Gautam Biswas, Meiyi Ma

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

AI总结 BEAGLE 通过整合自我调节学习理论和三种技术创新，有效模拟学生学习行为，实现对真实学习轨迹的高还原度复现。

Comments paper under submission at IJCAI

CellMaster: Collaborative Cell Type Annotation in Single-Cell Analysis

CellMaster: 单细胞分析中的协作细胞类型注释

Zhen Wang, Yiming Gao, Jieyuan Liu, Enze Ma, Jefferson Chen, Mark Antkowiak, Mengzhou Hu, JungHo Kong, Dexter Pratt, Zhiting Hu, Wei Wang, Trey Ideker, Eric P. Xing

机构 * Halicioglu Data Science Institute, University of California, San Diego, CA, USA（哈利奇奥格卢数据科学研究所，加州大学圣地亚哥分校） ； Department of Electrical & Computer Engineering, Texas A&M University, College Station, TX, USA（电气与计算机工程系，德克萨斯A&M大学） ； Department of Medicine, University of California, San Diego, CA, USA（医学系，加州大学圣地亚哥分校） ； Department of Chemistry and Biochemistry, University of California San Diego, La Jolla, CA, USA（化学与生物化学系，加州大学圣地亚哥分校） ； Moores Cancer Center, University of California, San Diego, La Jolla, CA, USA（摩尔癌症中心，加州大学圣地亚哥分校） ； Mohamed bin Zayed University of AI, Abu Dhabi, UAE（穆罕默德·本·扎耶德人工智能大学） ； School of Computer Science, Carnegie Mellon University, Pittsburgh, PA, USA（计算机科学学院，卡内基梅隆大学） 纠错

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

AI总结 CellMaster通过利用LLM编码知识实现零样本细胞类型注释，提升单细胞分析的准确性和可解释性。

Comments Preprint

SecRepoBench: Benchmarking Code Agents for Secure Code Completion in Real-World Repositories

SecRepoBench：用于现实世界仓库中安全代码补全的代码代理基准测试

Chihao Shen, Connor Dilgren, Purva Chiniya, Luke Griffith, Yu Ding, Yizheng Chen

机构 * University of Maryland（马里兰大学） ； Google Deepmind（谷歌DeepMind） 纠错

专题命中 软件智能体 ：agent(abstract)；分类 cs.AI

AI总结 SecRepoBench通过评估代码代理在现实世界仓库中进行安全代码补全的能力，揭示了代码代理在生成正确且安全代码方面的优势及改进方向。

Max-Min Bilinear Completely Positive Programs: A Semidefinite Relaxation with Tightness Guarantees

最大-最小双线性完全正规划：具有保证紧性的半定松弛

Sarah Yini Gao, Xindong Tang, Yancheng Yuan

专题命中 软件智能体 ：agent(abstract)

AI总结 本文提出了一种针对最大-最小双线性完全正规划问题的半定松弛方法，通过紧性保证解决混合二进制二次最大-最小问题，并应用于循环Colonel Blotto游戏。

Comments 44 pages, 2 figures

V2V-LLM: Vehicle-to-Vehicle Cooperative Autonomous Driving with Multimodal Large Language Models

V2V-LLM：基于多模态大语言模型的车与车协同自动驾驶

Hsu-kuang Chiu, Ryo Hachiuma, Chien-Yi Wang, Stephen F. Smith, Yu-Chiang Frank Wang, Min-Hung Chen

机构 * NVIDIA ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 软件智能体 ：planning(abstract)

AI总结 本文提出基于多模态大语言模型的V2V-LLM，通过车与车协同感知提升自动驾驶安全性和性能。

Comments Accepted by ICRA 2026 (IEEE International Conference on Robotics and Automation). Project: https://eddyhkchiu.github.io/v2vllm.github.io/ Code: https://github.com/eddyhkchiu/V2V-LLM Dataset: https://huggingface.co/datasets/eddyhkchiu/V2V-GoT-QA

Diffusion-based Dynamic Contract for Federated AI Agent Construction in Mobile Metaverses

基于扩散的动态合同用于移动元宇宙中联邦AI代理的构建

Jinbo Wen, Jiawen Kang, Yang Zhang, Yue Zhong, Dusit Niyato, Jie Xu, Jianhang Tang, Chau Yuen

专题命中 GUI与网页智能体 ：agent(title,abstract)；AI agent(title,abstract)

AI总结 本文提出基于扩散模型的EDMSAC算法，通过动态合同机制优化边缘-云协作下的AI代理构建，提升移动元宇宙中服务的低延迟与安全性。