AI Agent

A Generative Foundation Model for Multimodal Histopathology

多模态病理生成模型基础框架

Jinxi Xiang, Mingjie Li, Siyu Hou, Yijiang Chen, Xiangde Luo, Yuanfeng Ji, Xiang Zhou, Ehsan Adeli, Akshay Chaudhari, Curtis P. Langlotz, Kilian M. Pohl, Ruijiang Li

机构 * Department of Radiation Oncology, Stanford University School of Medicine（斯坦福大学医学院放射肿瘤学系） ； Department of Psychiatry and Behavioral Sciences, Stanford University School of Medicine（斯坦福大学医学院精神病学与行为科学系） ； Department of Statistics and Data Science, Yale University（耶鲁大学统计与数据科学系） ； Department of Computer Science, Stanford University（斯坦福大学计算机科学系） ； Department of Electrical Engineering, Stanford University（斯坦福大学电气工程系） ； Department of Biomedical Data Science, Stanford University（斯坦福大学生物医学数据科学系） ； Department of Radiology, Stanford University（斯坦福大学放射学系） ； Center for Artificial Intelligence in Medicine and Imaging, Stanford University（斯坦福大学医学与影像人工智能中心） 纠错

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

AI总结 本文提出MuPD模型，通过扩散变压器整合病理图像、分子数据和临床文本，实现跨模态生成任务，提升诊断准确性和数据扩展性。

Comments 33 pages, 9 figures

Toward Full Autonomous Laboratory Instrumentation Control with Large Language Models

迈向完全自主实验室仪器控制的大型语言模型

Yong Xie, Kexin He, Andres Castellanos-Gomez

机构 * Key Laboratory of Wide Band-Gap Semiconductor Technology, School of Advanced Materials and Nanotechnology, Xidian University（西安电子科技大学先进材料与纳米技术学院宽禁带半导体技术重点实验室） 纠错

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

AI总结 本文探讨了大型语言模型在实验室仪器自动化中的应用，展示如何通过ChatGPT生成定制脚本，降低技术门槛，并展示LLM辅助工具如何发展为自主AI代理，实现仪器的自主操作与策略优化。

Comments 16 pages, 5 figures. Accepted manuscript published in Small Structures. Supporting data and code available at https://doi.org/10.5281/zenodo.15065601

Journal ref Small Structures, 2025, 6(8), 2500173

Evaluating Digital Inclusiveness of Digital Agri-Food Tools Using Large Language Models: A Comparative Analysis Between Human and AI-Based Evaluations

利用大语言模型评估数字农业工具的包容性：人类与AI评估的比较分析

Githma Pewinya, Carolina Martins, Garcia Mariangel

机构 * International Water Management Institute（国际水资源管理研究所） 纠错

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

AI总结 本文探讨大语言模型在快速评估数字农业工具包容性方面的潜力，比较四种模型与专家评估的性能，发现其在某些维度上能接近专家判断，但可靠性因模型和情境而异。

Comments 24 pages, 6 figures, 5 tables

From Time-series Generation, Model Selection to Transfer Learning: A Comparative Review of Pixel-wise Approaches for Large-scale Crop Mapping

从时间序列生成、模型选择到迁移学习：对大规模像素级作物制图方法的比较综述

Judy Long, Tao Liu, Sean Alexander Woznicki, Miljana Marković, Oskar Marko, Molly Sears

机构 * College of Forest Resources and Environmental Science, Michigan Technological University（密歇根理工大学森林资源与环境科学学院） ； Warnell School of Forestry and Natural Resources, University of Georgia（佐治亚大学沃内尔林业与自然资源学院） ； Annis Water Resources Institute, Grand Valley State University（大峡谷州立大学安尼斯水资源研究所） ； BioSense Institute（生物感知研究所） ； Department of Agricultural, Food, and Resource Economics, Michigan State University（密歇根州立大学农业、食品与资源经济学系） 纠错

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

AI总结 本文综述了大规模像素级作物制图流程，比较了传统监督方法与迁移学习方法，发现细粒度预处理与Transformer模型在监督和迁移任务中表现最佳，迁移学习在不同域移位下具有适应性，且样本充足时监督学习更准确。

Comments A review paper on pixel-wise approaches for large-scale crop mapping. 29 pages, 18 figures. Preprint

Journal ref Computers and Electronics in Agriculture, Volume 246, May 2026, 111646

Human-AI Collaborative Game Testing with Vision Language Models

人机协作的游戏测试与视觉语言模型

Boran Zhang, Muhan Xu, Zhijun Pan

机构 * Zhengzhou University（郑州大学） ； University of the Arts London（伦敦艺术大学） ； Royal College of Art（皇家艺术学院） 纠错

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

AI总结 本文研究了如何利用AI提升游戏测试效率，通过800个测试用例和276名参与者实验，发现AI辅助能显著提高缺陷识别，但AI错误会影响人类决策，强调优化人机协作的重要性。

Comments Experiment Report

Making Effective Statistical Inferences: From Significance Testing to the Open Science Inference Ecosystem (2016-2026)

有效统计推断：从显著性检验到开放科学推断生态系统（2016-2026）

Aswini Kumar Patra

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文综述了2016-2026年间统计推断的发展，整合了方法学进展与系统改革，提出证据导向和决策导向两种互补的推断领域。

Comments 23 pages, 1 Figure, 3 tables

PalpAid: Multimodal Pneumatic Tactile Sensor for Tissue Palpation

PalpAid：多模态气压触觉传感器用于组织触诊

Devi Yuliarti, Ravi Prakash, Hiu Ching Cheung, Amy Strong, Patrick J. Codd, Shan Lin

机构 * Duke University（杜克大学） ； Arizona State University（亚利桑那州立大学） 纠错

专题命中 工作流自动化 ：workflow(abstract)

AI总结 PalpAid通过气压和声音传感器恢复机器人手术中的触觉信息，能区分不同硬度的3D打印物体和离体组织。

Comments IEEE-RAS RoboSoft 2026

Kill Webs by Collaborative & Self-organizing Agents (CSOAs)

通过协作与自组织代理（CSOAs）消灭网络

Ying Zhao, Charles C. Zhou

专题命中 工作流自动化 ：agent(abstract)

AI总结 本文提出基于量子退火演化的自组织代理框架，用于提升网络杀伤链的全局优化、分布式杀伤力和负载均衡能力。

Comments 9 pages, 7 figures,30th International Command and Control Research and Technology Symposium (ICCRTS), 3-6 November 2025, Stockholm, Sweden

Beyond Generation: An Empirical Study on Redefining the Act of Drawing Through an 85% Time Reduction in Picture-Book Production

超越生成：通过减少85%的图画书生产时间重新定义绘画行为的实证研究

Cosei Kawa

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本研究通过实证评估AI协作流程，发现其在减少生产时间的同时，将节省的时间用于高水平的艺术判断和完成工作，从而提升创作体验。

Comments 10 pages, 6 figures, 1 table. This study provides an empirical comparison between conventional and AI-collaborative picture-book production workflows

Hybrid Quantum-HPC Middleware Systems for Adaptive Resource, Workload and Task Management

混合量子-高性能计算中间件系统用于自适应资源、工作负载和任务管理

Pradeep Mantha, Florian J. Kiwit, Nishant Saurabh, Shantenu Jha, Andre Luckow

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出混合量子-高性能计算系统中自适应资源、工作负载和任务管理的中间件方法，通过四层架构、执行动机集、Pilot-Quantum框架和Q-Dreamer工具包实现应用感知调度和性能建模。

ARES OS 2.0: An Orchestration Software Suite for Autonomous Experimentation Systems and Self-Driving Labs

ARES OS 2.0：面向自主实验系统和自动驾驶实验室的编排软件套件

Arthur W. N. Sloan, Robert W. Waelder, Morgen L. Smith, Nicholas Kleiner, Arnas Babeckis, Jason Wheeler, Daylond Hooper, Benji Maruyama

专题命中 工作流自动化 ：planning(abstract)

AI总结 ARES OS 2.0通过服务导向架构实现实验室自动化和闭环自主实验，提供统一控制和实验设计工具，降低科研人员构建自动驾驶实验室的门槛。

Automated Segmentation and Tracking of Group Housed Pigs Using Foundation Models

基于基础模型的群养猪自动分割与跟踪

Ye Bi, Bimala Acharya, David Rosero, Juan Steibel

机构 * Iowa State University（爱荷华州立大学） 纠错

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出基于基础模型的群养猪自动化监测流程，利用预训练的视觉-语言基础模型作为通用视觉骨干，并通过模块化后处理实现农场特定适应，通过Grounded-SAM2进行视频分割并结合长时间跟踪管道实现稳定的身份一致性。

Optimal Experimental Design using Eigenvalue-Based Criteria with Pyomo.DoE

基于特征值标准的最优实验设计与Pyomo.DoE

Daniel J. Laky, Shammah Lilonfe, Shawn B. Martin, Katherine A. Klise, Bethany L. Nicholson, John D. Siirola, Alexander W. Dowling

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出基于特征值的最优实验设计方法，通过Pyomo.DoE扩展实现E-最优和ME-最优，提升数字孪生参数方向的建模效率与鲁棒性。

Comments 82 pages, 14 figures, 11 tables; includes supplementary information

Automated Wildfire Damage Assessment from Multi view Ground level Imagery Via Vision Language Models

基于多视角地面影像的自动化火灾损害评估：通过视觉语言模型

Miguel Esparza, Archit Gupta, Kai Yin, Yiming Xiao, Ali Mostafavi

机构 * Department of Computer Science and Engineering, Texas A&M University（德州农工大学计算机科学与工程系） 纠错

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出利用预训练多模态大语言模型进行火灾损害评估，通过对比实验验证多视角分析的有效性，展示了零样本方法在快速准确评估中的应用。

Joint$λ$: Orchestrating Serverless Workflows on Jointcloud FaaS Systems

Joint$λ$: 在联合云FaaS系统上协调无服务器工作流

Rui Li, Jianfei Liu, Zhilin Yang, Peichang Shi, Guodong Yi, Huaimin Wang

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出Joint$λ$，一种分布式运行时系统，用于在多个FaaS系统上协调无服务器工作流，解决跨云工作流的高可用性和故障容忍问题，通过函数侧协调减少通信开销，提升性能和降低成本。

Customized User Plane Processing via Code Generating AI Agents for Next Generation Mobile Networks

通过代码生成AI代理实现定制化用户平面处理以适用于下一代移动网络

Xiaowen Ma, Onur Ayan, Yunpu Ma, Xueli An

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

AI总结 本文研究了利用AI代理生成定制化处理模块的方法，探讨了模型选择、提示设计和代码模板对生成准确性的影响，证明AI代理能在合适条件下实现所需行为。

Agentic Code Optimization via Compiler-LLM Cooperation

通过编译器-LLM协作实现代理代码优化

Benjamin Mikek, Danylo Vashchilenko, Bryan Lu, Panpan Xu

专题命中 软件智能体 ：agentic(title)；agent(abstract)；multi-agent(abstract)

AI总结 本文提出编译器-LLM协作方法，结合传统编译优化与LLM生成，提升代码性能，实验显示比现有方法快1.25倍。

Autonomous Agents for Scientific Discovery: Orchestrating Scientists, Language, Code, and Physics

自主代理用于科学发现：协调科学家、语言、代码和物理

Lianhao Zhou, Hongyi Ling, Cong Fu, Yepeng Huang, Michael Sun, Wendi Yu, Xiaoxuan Wang, Xiner Li, Xingyu Su, Junkai Zhang, Xiusi Chen, Chenxing Liang, Xiaofeng Qian, Heng Ji, Wei Wang, Marinka Zitnik, Shuiwang Ji

机构 * Department of Computer Science and Engineering, Texas A&M University（德克萨斯农工大学计算机科学与工程系） ； Department of Biomedical Informatics, Harvard Medical School（哈佛医学院生物医学信息学系） ； Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology（麻省理工学院计算机科学与人工智能实验室） ； Department of Computer Science, University of California, Los Angeles（加州大学洛杉矶分校计算机科学系） ； Siebel School of Computing and Data Science, University of Illinois Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校西贝尔计算与数据科学学院） ； Department of Materials Science and Engineering, Texas A&M University（德克萨斯农工大学材料科学与工程系） ； Department of Electrical and Computer Engineering, Texas A&M University（德克萨斯农工大学电气与计算机工程系） ； Department of Physics and Astronomy, Texas A&M University（德克萨斯农工大学物理与天文学系） 纠错

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

AI总结 本文探讨基于LLM的科学代理，通过协调科学家、语言、代码和物理，加速科学发现的全过程，分析现有方法并提出未来研究方向。

Humans Integrate, Agents Fix: How Agent-Authored Pull Requests Are Referenced in Practice

人类整合，代理修复：代理撰写的拉取请求在实践中是如何被引用的

Islem Khemissi, Moataz Chouchen, Dong Wang, Raula Gaikovina Kula

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

AI总结 研究通过分析AIDev数据集中的代理撰写的拉取请求引用，揭示了人类与代理之间引用意图的分类，发现人类主要用于构建新功能，而代理用于修复错误，且引用的拉取请求生命周期更长，审查时间更长。

Comments Accepted to MSR Mining Challenge paper

How AI Coding Agents Modify Code: A Large-Scale Study of GitHub Pull Requests

AI代码代理如何修改代码：对GitHub拉取请求的大型研究

Daniel Ogenrwot, John Businge

机构 * University of Nevada Las Vegas（内华达大学拉斯维加斯分校） 纠错

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

AI总结 研究通过分析GitHub拉取请求中的代码修改，探讨AI代理与人类贡献在提交数量、文件修改和描述一致性上的差异。

Comments Accepted at the 23rd IEEE/ACM International Conference on Mining Software Repositories - Mining Challenge Track

Beyond Fixed Tests: Repository-Level Issue Resolution as Coevolution of Code and Behavioral Constraints

超越固定测试：仓库级问题解决作为代码和行为约束的共进化

Kefan Li, Yuan Yuan, Mengfei Wang, Shihao Zheng, Wei Wang, Ping Yang, Mu Li, Weifeng Lv

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

AI总结 本文提出Agent-CoEvo框架，通过共进化代码与行为约束提升修复效果，优于现有基线方法。

Banana100: Breaking NR-IQA Metrics by 100 Iterative Image Replications with Nano Banana Pro

Banana100: 通过100次迭代图像复制打破NR-IQA度量标准

Kenan Tang, Praveen Arunshankar, Andong Hua, Anthony Yang, Yao Qin

机构 * University of California, Santa Barbara（加州大学圣塔芭芭拉分校） 纠错

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

AI总结 Banana100通过100次迭代编辑生成28000张退化图像，揭示多轮编辑中图像质量退化问题，发现现有NR-IQA度量标准无法检测严重退化图像，威胁未来模型训练稳定性。

Comments Accepted to CVPR 2026 Workshop on Agentic AI for Visual Media

Beyond Code Snippets: Benchmarking LLMs on Repository-Level Question Answering

超越代码片段：在仓库层面评估大语言模型的问答任务

Yoseph Berhanu Alebachew, Hunter Leary, Swanand Vaishampayan, Chris Brown

机构 * Department of Computer Science, Virginia Tech（弗吉尼亚理工大学计算机科学系） 纠错

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

AI总结 本文提出StackRepoQA数据集，用于评估大语言模型在多项目仓库层面的问答能力，通过对比不同配置下的性能，揭示了模型在处理仓库级程序理解时的局限性。

SmartPatchLinker: An Open-Source Tool to Linked Changes Detection for Code Review

SmartPatchLinker：一种开源工具，用于代码审查中的变更检测链接

Islem Khemissi, Moataz Chouchen, Dong Wang, Raula Gaikovina Kula

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

AI总结 SmartPatchLinker是一款基于浏览器的开源工具，用于在代码审查界面中发现相关变更，通过轻量级Chrome扩展和Gerrit集成，帮助审查人员高效识别语义关联的代码变更，提升代码审查效率。

Comments FSE26 Tool Track

Beyond Crash-to-Patch: Patch Evolution for Linux Kernel Repair

超越崩溃到补丁：Linux内核修复的补丁演变

Luyao Bai, Kenan Alghythee, Hang Zhang, Xiaoguang Wang

专题命中 软件智能体 ：agent(abstract)；分类 cs.SE

AI总结 本文研究Linux内核修复的补丁演变过程，提出PatchAdvisor框架，通过整合检索与诊断顾问，提升修复质量与审查一致性。

DebugHarness: Emulating Human Dynamic Debugging for Autonomous Program Repair

DebugHarness: 模拟人类动态调试以实现自主程序修复

Maolin Sun, Yibiao Yang, Xuanlin Liu, Yuming Zhou, Baowen Xu

专题命中 软件智能体 ：agent(abstract)；分类 cs.SE

AI总结 DebugHarness通过模拟人类动态调试过程，利用LLM实现复杂漏洞的自动修复，其动态调试方法在SEC-bench数据集上实现了90%的修复率，比现有方法提升30%以上。

Comments 15 pages, 6 figures

Android Instrumentation Testing in Continuous Integration: Practices, Patterns, and Performance

Android持续集成中的仪器测试：实践、模式与性能

Hamid Parsazadeh, Taher A. Ghaleb, Safwat Hassan

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

AI总结 研究Android持续集成中仪器测试的实践、模式及性能，发现仅10.6%的仓库使用仪器测试，常用社区组件或自定义脚本设置模拟器，不同设置方式在可靠性、效率和成本上有差异。

Comments Accepted at the 19th IEEE International Conference on Software Testing, Verification and Validation (ICST 2026)

Single-agent vs. Multi-agents for Automated Video Analysis of On-Screen Collaborative Learning Behaviors

单 agent 与多 agent 在自动视频分析上的协作学习行为研究

Likai Peng, Shihui Feng

机构 * Faculty of Education, The University of Hong Kong（香港大学教育学院） ； Institute of Data Science, The University of Hong Kong（香港大学数据科学研究所） 纠错

专题命中 GUI与网页智能体 ：agent(title,abstract)；workflow(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 本文比较了单 agent 和多 agent 框架在自动编码协作学习场景视频中的性能，提出两种多 agent 方法，分别在场景检测和动作检测任务中表现优异。

Comments 15 pages, 4 figures. To be published in the 27th International Conference on Artificial Intelligence in Education (AIED2026)

GUIDE: Interpretable GUI Agent Evaluation via Hierarchical Diagnosis

GUIDE：通过分层诊断进行可解释的GUI代理评估

Yuwen Zhai, Runze Li, Liang Wang, Nian Shi, Liwu Xu, Wei Zhang, Ran Lin, Bo Xu, Benlei Cui

机构 * Alibaba Group（阿里巴巴集团） ； School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 GUIDE通过分层诊断框架对GUI代理轨迹进行分解评估，提升评估的准确性和可解释性，有效解决长周期任务中的评估问题。

Heterogeneous Mean Field Game Framework for LEO Satellite-Assisted V2X Networks

异质均场博弈框架用于低轨卫星辅助V2X网络

Kangkang Sun, Jianhua Li, Xiuzhen Chen, Mingzhe Chen, Minyi Guo

专题命中 GUI与网页智能体 ：agent(abstract)

AI总结 本文提出异质均场博弈框架，解决大规模车辆混合舰队在严格延迟约束下的协调问题，通过类型选择律和均衡求解器实现高效资源分配，实验验证了其在1D队列状态空间中的最优类型数标度。

Comments 18 pages, 7 figures, has been submitted to IEEE Transactions on Mobile Computing