AI Agent

enclawed: A Configurable, Sector-Neutral Hardening Framework for Single-User AI Assistant Gateways

enclawed：一个可配置、无扇区偏见的单用户AI助手网关加固框架

Alfredo Metere

机构 * Metere Consulting, LLC（梅特尔咨询公司） 纠错

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

AI总结 enclawed为需要可验证的对等信任、默认拒绝外部连接、签名模块加载和可篡改审计追踪的部署提供加固框架，通过两种风味实现数据驱动的分类和高保证的对等认证。

Beyond the Black Box: An Interpretable Machine Learning Framework for Predicting Electronic Structure Microdescriptors and Structure-Performance Relationships in Fe-based Catalytic Systems

超越黑箱：一种可解释的机器学习框架，用于预测铁基催化系统中电子结构微描述符和结构-性能关系

Oyinkansola Romiluyi

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 本文提出一种可解释的机器学习框架，通过SHAP分析和树形集成方法，预测铁基催化剂的电子结构微描述符及结构-性能关系，提升了催化剂筛选效率。

Comments 27 pages, 10 figures

METBRA25Y: Brazil Surface Meteorology Archive with Harmonized Variables and Quality Control

METBRA25Y：巴西表面气象档案：变量标准化与质量控制

Matheus Lima Castro, William Dantas Vichete, Leopoldo Lusquino Filho

机构 * São Paulo State University (UNESP)（圣保罗州立大学） ； HairU Serviços e Tecnologia LTDA（HairU服务与技术有限公司） ； RECOD.ai, University of Campinas (UNICAMP)（RECOD.ai，坎皮纳斯大学） 纠错

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

AI总结 本文介绍了METBRA25Y数据集，通过整合巴西INMET的公共历史记录，提供标准化变量和质量控制的小时级地表气象观测数据，支持环境、气候、水文等研究。

Comments 12 pages, 5 figures. Dataset paper describing METBRA25Y, a harmonized archive of hourly Brazilian surface meteorological observations derived from INMET records. Dataset available at Zenodo: 10.5281/zenodo.19964979

Optimised Support Vector Regression for California Housing Price Prediction: The Critical Role of Feature Engineering and Hyperparameter Tuning

优化支持向量回归用于加州房价预测：特征工程和超参数调优的关键作用

Emmanuel Adutwum

机构 * Soka University of America（索卡美国大学） 纠错

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

AI总结 本文通过特征工程和超参数调优优化支持向量回归，提升加州房价预测性能，实验显示特征缩放和系统调优显著提高R2值。

Comments 25 pages, 13 figures, 10 tables

ReLibra: Routing-Replay-Guided Load Balancing for MoE Training in Reinforcement Learning

ReLibra：基于路由回放的MoE训练负载均衡

Chao Jin, Xinming Wei, Yinmin Zhong, Chengxu Yang, Bingyang Wu, Ruidong Zhu, Zili Zhang, Yuliang Liu, Xin Jin

机构 * School of Computer Science, Peking University（北京大学计算机学院） 纠错

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

AI总结 ReLibra通过利用强化学习的回放训练流程中的路由回放机制，在微批次粒度上实现细粒度负载均衡，提升MoE训练效率。

Geometric Flood Depth Estimation: Fusing Transformer-Based Segmentation with Digital Elevation Models

几何洪水深度估计：融合基于变换器的分割与数字高程模型

Nhut Le, Ehsan Karimi, Maryam Rahnemoonfar

机构 * Lehigh University（莱维大学） 纠错

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

AI总结 本文提出几何'水面高程'方法，通过融合基于变换器的分割模型与数字高程模型，从单目航空影像估计洪水深度，提升洪水范围和体积评估能力。

Comments Accepted by the 2026 IEEE International Geoscience and Remote Sensing Symposium (IGARSS 2026)

From Historical Tabular Image to Knowledge Graphs: A Provenance-Aware Modular Pipeline

从历史表格图像到知识图谱：一个具有溯源意识的模块化流水线

Sarah Binta Alam Shoilee, Victor de Boer, Jacco van Ossenbruggen, Susan Legêne

机构 * Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） 纠错

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

AI总结 本文提出一个模块化、具有溯源意识的流水线，将手写表格图像转换为知识图谱，支持人机协作。通过分解为表格重建、信息提取和知识图谱构建三个阶段，确保提取实体和文字可追溯至其视觉和文本来源。

Comments Shorter version of this paper has been accepted in the 5th International Conference on Hybrid Human-Artificial Intelligence (HHAI 2026)

Improving TMS EEG Signal Quality for Closed-Loop Neuro Stimulation via Source-Domain Denoising

通过源域去噪提升闭环神经刺激的TMS EEG信号质量

Zhen Tang, Ameer Hamoodi, Stevie Foglia, Aimee Nelson, Zhen Gao

机构 * Department of Kinesiology, Faculty of Science, McMaster University（科学学院运动学系，麦基尔大学） ； Faculty of Engineering, McMaster University（工程学院，麦基尔大学） 纠错

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

AI总结 本文提出改进TMS EEG信号质量的去噪方法，通过建立参考数据集评估两种常用去噪策略，验证其在提升信号质量和保留TMS诱发电位方面的有效性，为闭环神经刺激和BCI框架整合提供支持。

Qlustering for Data Clustering via Network-Based Quantum Transport

基于网络量子传输的数据聚类Qlustering

Shmuel Lorber, Yonatan Dubi

专题命中 工作流自动化 ：workflow(abstract)

AI总结 Qlustering通过量子网络稳态传输动态实现无监督聚类，利用可访问的传输可观测量替代全态量子态重构，展现良好的鲁棒性和性能。

Comments arXiv admin note: substantial text overlap with arXiv:2510.22727

When Should Teachers Control AI Generation for Mathematics Visuals?

教师何时应控制AI生成数学视觉内容？

Zhengxu Li, Junling Wang, April Yi Wang

专题命中 工作流自动化 ：workflow(abstract)

AI总结 研究探讨教师在AI辅助生成中何时控制以提升数学视觉材料的正确性，发现后生成控制在可预测性和正确性上评分更高，但不同控制阶段各有优劣。

Comments Zhengxu Li and Junling Wang contributed equally to this work. Accepted at ACM Learning@Scale 2026

Journal ref Proceedings of the Thirteenth ACM Conference on Learning @ Scale (L@S 2026), Seoul, Republic of Korea, 2026

Generate "Normal", Edit Poisoned: Branding Injection via Hint Embedding in Image Editing

生成“正常”，编辑污染：通过提示嵌入的品牌注入图像编辑

Desen Sun, Jason Hon, Howe Wang, Saarth Rajan, Meng Xu, Sihang Liu

专题命中 工作流自动化 ：workflow(abstract)

AI总结 研究发现图像编辑流程中存在安全漏洞，通过隐含提示注入品牌信息可实现隐蔽攻击，提出针对两种攻击场景的缓解方案。

Extending Evidence Accumulation Models to Bounded Continuous Self-report Data

将证据积累模型扩展到有界连续自报数据

Yufei Wu, Tamás Szűcs, Agnes Moors, Francis Tuerlinckx

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出并比较了适用于有界连续数据的两种模型：半圆扩散模型和贝塔漂移扩散模型，通过贝叶斯推断方法进行参数估计和模型比较，展示了在情感数据集上的应用效果。

One World, Dual Timeline: Decoupled Spatio-Temporal Gaussian Scene Graph for 4D Cooperative Driving Reconstruction

一个世界，双时间线：解耦的空间-时间高斯场景图用于4D协同驾驶重建

Yulong Chen, Xiaoyun Dong, Haoyu Zhang, Zongxian Yang, Lewei Xie, Xinke Li, Yifan Zhang, Kai Wang, Jianping Wang

机构 * City University of Hong Kong (Dongguan)（香港城市大学（东莞）） ； City University of Hong Kong（香港城市大学） ； SLAI 纠错

专题命中 工作流自动化 ：agent(abstract)

AI总结 本文提出DUST解耦空间-时间高斯场景图，解决车辆与基础设施相机时间不同步导致的动态场景重建问题，通过解耦姿态轨迹和静态锚点校正提升重建精度与鲁棒性。

Workplace Demands and Emotional Expression Among Early Childhood Educators: A Computational Analysis of Professional Online Discourse

职业需求与早期教育工作者的情绪表达：对专业在线讨论的计算分析

Hailong Jiang

专题命中 工作流自动化 ：workflow(abstract)

AI总结 研究通过分析7506条早期教育从业者在线讨论，揭示职业压力与资源在日常语言中的表现，发现压力主导情绪，提供职业环境分析框架。

Bayesian decision theory for wildlife management under uncertainty: from inference to action

贝叶斯决策理论在不确定性下的野生动物管理中的应用：从推断到行动

Olivier Gimenez, Abby Keller, Cyril Milleret

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出基于贝叶斯决策理论的实用工作流程，通过两个案例展示如何在不确定性下平衡生态、经济和社会目标，提升管理决策的透明度和可重复性。

Comments 3 figures

FugSeg: Fast Uncertainty-aware Ground Segmentation for 3D Point Cloud

FugSeg：面向3D点云的快速不确定性感知地面分割

Yu Li, Volker Schwieger

机构 * Institute of Engineering Geodesy, University of Stuttgart（斯图加特大学工程大地测量研究所） ； Daimler Truck AG（戴姆勒卡车公司） 纠错

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出FugSeg，一种快速且考虑不确定性的地面分割方法，通过极坐标网格地图表示和自适应坡度策略，有效处理反射噪声和孤立地面问题，在多个数据集上实现最高精度和最快速度。

Comments Accepted for publication in IEEE Transactions on Intelligent Transportation Systems

Journal ref IEEE Transactions on Intelligent Transportation Systems (Early Access), 2026

HairGPT: Strand-as-Language Autoregressive Modeling for Realistic 3D Hairstyle Synthesis

HairGPT: 基于发丝的语言自回归建模用于逼真3D发型合成

Haimin Luo, Min Ouyang, Lan Xu, Jingyi Yu

机构 * ShanghaiTech University（上海科技大学） ； ShanghaiTech University and Deemos Technology Co., Ltd.（上海科技大学和Deemos技术有限公司） ； Deemos Technology Co., Ltd.（Deemos技术有限公司） 纠错

专题命中 工作流自动化 ：workflow(abstract)

AI总结 HairGPT通过发丝为中心的框架，将发型合成转化为双解耦的自回归序列建模问题，实现结构和语义的解耦，支持复杂发型合成与风格化领域适应。

Comments Accepted to SIGGRAPH 2026 (Journal Track)

Agent-Sentry: Bounding LLM Agents via Execution Provenance

Agent-Sentry: 通过执行溯源界定了LLM代理

Rohan Sequeira, Stavros Damianakis, Umar Iqbal, Konstantinos Psounis

机构 * University of Southern California（南加州大学） ； Washington University in St. Louis（圣路易斯华盛顿大学） 纠错

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

AI总结 本文提出Agent Sentry，通过学习代理良性执行的边界来检测恶意行为，有效阻止注入攻击，同时允许良性执行。

AgentGA: Evolving Code Solutions in Agent-Seed Space

AgentGA：在Agent-Seed空间中进化代码解决方案

David Y. Y. Tan, Kellie Chin, Jingxian Zhang

机构 * Diagnostics Development Hub (DxD Hub)（诊断开发中心（DxD中心）） ； Agency for Science, Technology and Research (A*STAR)（科学、技术和研究局（A*STAR）） 纠错

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

AI总结 AgentGA通过优化Agent-Seed提升自主代码生成性能，其在16场比赛中平均超越人类71.90%，胜率高达51.9%。

Comments 30 pages total (9-page main text + references + appendix), 5 figures, 9 tables

A Prompt-Aware Structuring Framework for Reliable Reuse of AI-Generated Content in the Agentic Web

面向可靠重用的AI生成内容结构化框架

Shusaku Egami, Masahiro Hamasaki

机构 * National Institute of Advanced Industrial Sciencen 纠错

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

AI总结 本文提出一种结构化框架，通过在生成时自动附加元数据，提升AI生成内容的可追溯性和可靠性，以支持其安全重用。

Comments 5 pages, 2 figures, Accepted at FAAW@WWW2026

ConCovUp: Effective Agent-Based Test Driver Generation for Concurrency Testing

ConCovUp：面向并发测试的有效代理基于测试驱动生成

Yuandao Cai, Shuhao Fu, Wensheng Tang, Cheng Wen, Shengchao Qin, Charles Zhang

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

AI总结 本文提出ConCovUp框架，结合LLM与程序分析，通过静态分析提取共享内存访问及调用上下文，利用LLM驱动的逆向追踪方法生成有效并发测试，提升SMAP覆盖率。

Context-Augmented Code Generation: How Product Context Improves AI Coding Agent Decision Compliance by 49%

上下文增强的代码生成：产品上下文如何通过49%提高AI编码代理的决策合规性

Drew Dillon, Kasyap Varanasi

机构 * Brief（简述） 纠错

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

AI总结 本文提出一个衡量决策合规性的基准，通过产品上下文检索系统提升AI编码代理的决策合规性，实验结果显示合规率从46%提升至95%。

Comments 16 pages, 3 figures, 16 tables. Benchmark repository: https://github.com/brief-hq/dcbench

Agentic AI Scientists Are Not Built For Autonomous Scientific Discovery

代理式AI科学家并非为自主科学发现而建

Harshit Bisht, Vinay Kumar, Kevin Maik Jablonka, Mausam, N. M. Anoop Krishnan

机构 * Yardi School of Artificial Intelligence, Indian Institute of Technology Delhi（印度理工学院德里人工智能学院） ； Department of Computer Science and Engineering, Indian Institute of Technology Delhi（印度理工学院德里计算机科学与工程系） ； Department of Civil and Environmental Engineering, Indian Institute of Technology Delhi（印度理工学院德里土木与环境工程系） ； Laboratory of Organic and Macromolecular Chemistry (IOMC), Friedrich Schiller University Jena（耶拿弗里德里希·席勒大学有机与大分子化学实验室） ； Center for Energy and Environmental Chemistry Jena, Friedrich Schiller University Jena（耶拿弗里德里希·席勒大学能源与环境化学中心） ； Helmholtz Institute for Polymers in Energy Applications Jena (HIPOLE Jena)（耶拿海德堡聚合物能源应用研究所（HIPOLE耶拿）） 纠错

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

AI总结 本文指出，尽管代理式AI科学家能作为合作者，但其设计并非为自主科学发现。挑战包括问题选择偏差、实验室知识缺失、输出多样性压缩及缺乏实验反馈，需重新审视基础设计。

A Dataset of Agentic AI Coding Tool Configurations

一种代理AI编码工具配置数据集

Matthias Galster, Seyedmoein Mohsenimofidi, Levi Böhme, Jai Lal Lulla, Muhammad Auwal Abubakar, Christoph Treude, Sebastian Baltes

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

AI总结 本文提出一个包含40585个开源仓库的AI编码工具配置数据集，涵盖5种工具和8种配置机制，用于研究上下文工程、AI工具采用模式和人机协作。

Comments 9 pages, 8 figures, 2 tables, Proceedings of the 3rd ACM/IEEE International Conference on AI-powered Software (AIware 2026)

Trust Me, Import This: Dependency Steering Attacks via Malicious Agent Skills

相信我，导入这个：通过恶意代理技能进行依赖引导攻击

Yiyong Liu, Chia-Yi Hsu, Chun-Ying Huang, Michael Backes, Rui Wen, Chia-Mu Yu

专题命中 软件智能体 ：agent(title,abstract)

AI总结 研究提出依赖引导攻击，通过恶意技能引导编码代理生成恶意包，无需修改模型或数据，展示出软件供应链中的新攻击面。

Quantitative Comparison of Credible Compilation and Verification In Coding Agent Compiler Development

代码代理编译器开发中可信编译与验证的定量比较

Martin Rinard

专题命中 软件智能体 ：agent(title,abstract)

AI总结 本文通过首个由人类监督的验证编译器，比较了可信编译与验证两种编译验证方法的效率，发现验证需要更多开发工作量，且验证优化选择更不高效的算法，证书检查时间占主导。

Can Old Tests Do New Tricks for Resolving SWE Issues?

旧测试能否为解决软件工程问题带来新用途？

Yang Chen, Toufique Ahmed, Reyhaneh Jabbarvand, Martin Hirzel

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

AI总结 本文提出TestPrune，通过重用回归测试自动最小化测试套件，提升问题复现和修复效率，实验证明在多个基准测试中显著提高复现和修复率。

Comments Accepted to the main technical track of the Symposium on the Foundations of Software Engineering (FSE), 2026

To What Extent Does Agent-generated Code Require Maintenance? An Empirical Study

代理生成的代码需要多少维护？一项实证研究

Shota Sawada, Tatsuya Shirai, Yutaro Kashiwa, Ken'ichi Yamaguchi, Hiroshi Iwata, Hajimu Iida

专题命中 软件智能体 ：agent(title)；分类 cs.SE

AI总结 研究通过分析AI生成与人工编写代码的维护情况，发现AI代码维护频率较低，主要修改类型为功能扩展，而人工代码则以修复bug为主，人类开发者主导了大部分维护工作。

Comments 6 pages, 2 figures, 2 tables. Accepted at the 30th International Conference on Evaluation and Assessment in Software Engineering (EASE 2026)

Nautilus Compass: Black-box Persona Drift Detection for Production LLM Agents

Nautilus Compass：生产LLM代理的黑盒人格漂移检测

Chunxiao Wang

机构 * Yiluo Technology Co., Ltd.（亿洛科技有限公司） 纠错

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

AI总结 Nautilus Compass通过提示文本层的余弦相似度检测生产编码代理的人格漂移，无需调用LLM提取事实，实现高效且低成本的代理记忆层。

Comments 19 pages, 6 figures. MIT-licensed code + reproduction scripts at github.com/chunxiaoxx/nautilus-compass

CrackMeBench: Binary Reverse Engineering for Agents

CrackMeBench：用于代理的二进制逆向工程

Isaac David, Arthur Gervais

机构 * University College London（伦敦大学学院） 纠错

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

AI总结 CrackMeBench旨在评估语言模型代理在教育类CrackMe逆向工程任务中的能力，通过确定性二进制验证问题，结合公开校准CrackMe和生成任务，测试代理在无网络LinuxDocker沙箱中的表现，提供可重复的测试平台。