AI Agent

Tracing Like a Clinician: Anatomy-Guided Spatial Priors for Cephalometric Landmark Detection

像临床医生一样追踪：解剖引导的空间先验用于头影测量标志点检测

Sidhartha Mohapatra, Pallavi Mohanty

机构 * Founder & CTO, CephTrace（CephTrace创始人及CTO） ； Clinical Advisor, CephTrace（CephTrace临床顾问） 纠错

专题命中 工作流自动化 ：workflow(abstract)

AI总结 提出一种五阶段解剖引导管道，生成置信度加权的空间先验来训练HRNet-W32，在1502张X光片上实现25个标志点平均径向误差1.04 mm，并通过消融实验和临床验证证明其有效性。

Comments v3: 21 pages, 15 tables, 12 figures + supplementary materials (8 tables, 3 figures). v4: quantified Grad-CAM analysis (Table 13), corrected clinical measurements (Table 6: bias, MAE, ICC; vertical kappa 1.00->0.78), reviewer wording fixes. Code and weights: https://github.com/sidwiz/cephtrace-research, https://huggingface.co/CephTrace/cephtrace-v4

PRISM: Photonics-Informed Inverse Lithography for Manufacturable Inverse-Designed Photonic Integrated Circuits

PRISM: 面向可制造逆设计光子集成电路的光子学感知逆光刻技术

Hongjian Zhou, Haoyu Yang, Nicholas Gangi, Tianle Xu, Rena Huang, Jiaqi Gu

专题命中 工作流自动化 ：workflow(abstract)

AI总结 针对逆设计光子集成电路可制造性差的问题，提出PRISM方法，通过物理感知的逆光刻流程，结合紧凑校准图案、可微分制造模型和光子学感知掩模优化，显著提升后制造性能和良率。

Comments 26 pages. Accepted to ACM TODAES Special Issue on Co-Design and Design Automation for Optical/Photonic Computing Systems, 2026

2BSDE with uncertain horizon and application to stochastic control in erratic environments

具有不确定时域的2BSDE及其在异常环境中的随机控制应用

Alberto Gennaro, Thibaut Mastrolia

专题命中 工作流自动化 ：agent(abstract)

AI总结 研究非马尔可夫二阶倒向随机微分方程在不确定终端时域下的存在唯一性和比较原理，并将其应用于两类非马尔可夫随机控制问题，提出异常随机控制的概念。

Comments v2: revised version

Delegated portfolio management with random default

随机违约下的委托投资组合管理

Alberto Gennaro, Thibaut Mastrolia

专题命中 工作流自动化 ：agent(abstract)

AI总结 研究在随机违约时间下投资者与基金经理之间的最优委托投资组合问题，通过分析两种违约时间情形，利用BSDE和HJB方程建立理论框架，并开发深度学习算法求解高维问题。

Comments v2: revised version

Optimal High Frequency Trading with limit and market orders

限价单与市价单的最优高频交易

Fabien Guilbaud, Huyen Pham

专题命中 工作流自动化 ：agent(abstract)

AI总结 提出一个框架研究限价订单簿中最优做市策略，通过混合切换控制问题平衡限价单与市价单以最大化短期期望效用，并简化动态规划系统为仅含库存和价差变量的简单方程。

Comments 22 pages

The Impact of Configuring Agentic AI Coding Tools on Build-vs-Buy Decisions: A Study Protocol

配置智能体AI编码工具对构建vs购买决策的影响：一项研究协议

Jai Lal Lulla, Matthias Galster, Jie M. Zhang, Sebastian Baltes, Christoph Treude

机构 * Singapore Management University, Singapore（新加坡管理大学） ； University of Bamberg, Germany（巴姆堡大学） ； King’s College London, United Kingdom（伦敦国王学院） ； Heidelberg University, Germany（海德堡大学） 纠错

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

AI总结 本研究通过受控实验协议，探讨配置机制如何影响Claude Code和OpenAI Codex等智能体AI编码工具在构建vs购买决策中的行为，并发布可复用的基准数据集和分析流程。

Comments 14 pages, 1 table. Accepted at the 20th International Symposium on Empirical Software Engineering and Measurement (ESEM 2026), Registered Reports track

Human-AI Collaboration and the Transformation of Software Engineering Work

人机协作与软件工程工作的转型

Mamdouh Alenezi

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

AI总结 本文通过结构化综合分析方法，研究了生成式AI和智能体AI如何将软件工程从以人类编写代码为中心转变为以指导、验证和管理自主及半自主系统为中心，并提出了一个包含技术、认知、社会技术、治理和组织五个维度的未来工程师能力框架。

Toward Training Superintelligent Software Agents through Self-Play SWE-RL

通过自我对弈SWE-RL训练超级智能软件代理

Yuxiang Wei, Zhiqing Sun, Emily McMilin, Jonas Gehring, David Zhang, Gabriel Synnaeve, Daniel Fried, Lingming Zhang, Sida Wang

机构 * Meta FAIR ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Meta TBD Lab（Meta TBD 实验室） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 提出自我对弈SWE-RL（SSR）方法，通过强化学习在自对弈环境中训练单一LLM代理，使其在无需人工标注问题或测试的情况下，在真实代码库中迭代注入和修复软件缺陷，在SWE-bench基准上实现显著自我改进并超越人类数据基线。

Comments Accepted to ICML 2026

CodeHacker: Automated Test Case Generation for Detecting Vulnerabilities in Competitive Programming Solutions

CodeHacker: 用于检测竞赛编程解决方案漏洞的自动化测试用例生成

Jingwei Shi, Xinxiang Yin, Jing Huang, Jinman Zhao, Shengyu Tao

机构 * Shanghai University of Finance and Economics（上海金融学院） ； Northwestern Polytechnical University（西北工业大学） ； Meituan（美团） ； University of Toronto（多伦多大学） 纠错

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

AI总结 提出CodeHacker框架，通过多策略对抗测试用例生成（压力测试、反哈希攻击、逻辑特定攻击）和校准阶段，有效暴露程序漏洞，提升测试集真负率并增强RL训练模型性能。

Proof-Refactor: Refactoring Generated Formal Proofs into Modular Artifacts

Proof-Refactor: 将生成的形式化证明重构为模块化工件

Yiming Fu, Peixuan Liu, Zichen Wang, Kun yuan

机构 * Department of Mathematics, Southern University of Science and Technology（南方科技大学数学系） ； School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Center for Machine Learning Research, Peking University（北京大学机器学习研究中心） 纠错

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

AI总结 提出一个名为 Proof-Refactor 的智能体框架，通过四阶段流程（提取候选证明片段、设计辅助声明、形式化证明提取和设计的组件、使用验证组件修复原始证明）将大语言模型生成的形式化证明重构为更模块化、可读、可维护和可重用的工件，在 PutnamBench 和 Putnam2025 上的 Lean 证明重构中优于基线。

Comments 21 pages, 3 figures, 3 tables

Handoff Debt: The Rediscovery Cost When Coding Agents Take Over Interrupted Tasks

交接债务：当编码代理接管被中断任务时的重新发现成本

Dipesh KC, Anjila Budathoki

机构 * Independent Researcher（独立研究者） ； Georgia State University（佐治亚州立大学） 纠错

专题命中 软件智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文通过引入“交接债务”概念，研究编码代理在任务中断后从部分状态恢复时的重新发现成本，并提出一种接管协议来量化不同交接视图对后继代理效率的影响。

ModuLoop : Low-Level Code Generation using Modular Synthesizer and Closed-Loop Debugger for Robotic Control

ModuLoop: 使用模块化合成器和闭环调试器进行机器人控制的低级代码生成

Gina Yoon, Sumin Lee, Joo Yong Sim

机构 * Department of Mechanical Systems Engineering, Sookmyung Women’s University（苏州市女子大学机械系统工程系） 纠错

专题命中 软件智能体 ：planning(abstract)

AI总结 提出闭环模块化代码合成框架，利用预训练大语言模型进行模块化代码规划与生成，并通过迭代执行和调试探针实现系统调试与优化，成功应用于RGB-D相机与机械臂标定及抓取任务。

Comments IEEE Robotics and Automation Letters (2025)

What You Approve Is What Executes: Consent Integrity for Black-Box LLM Agents

你批准即执行：黑盒LLM代理的同意完整性

Xiaoqi Weng

专题命中 软件智能体 ：agent(abstract)

AI总结 针对黑盒LLM代理的批准对话框存在摘要伪造漏洞，本文引入同意完整性概念，通过可信中介确保人类看到的动作与真实执行的动作一致，并分析了该机制的局限性与权衡。

Comments Preprint. IEEE conference format. Proof-of-concept; artifact at https://github.com/zjnbwxq/agentguard-ci

CLI-Anything: Towards Agent-Native Computer Use

CLI-Anything：迈向智能体原生的计算机使用

Yuhao Yang, Tianyu Fan, Chao Huang

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

AI总结 本文提出CLI-Anything方法，通过将现有应用转化为命令行接口，实现智能体原生（agent-native）的计算机使用，避免GUI代理的脆弱性问题。

Agent Skills for Large Language Models: Architecture, Acquisition, Security, and the Path Forward

大型语言模型的智能体技能：架构、获取、安全与未来路径

Renjun Xu, Yang Yan

机构 * ReDiscovery Hangzhou China（杭州ReDiscovery研究院） ； Westlake University Hangzhou China（西交大学） 纠错

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

AI总结 本文综述了大型语言模型智能体技能的研究，涵盖架构基础（如SKILL.md规范、渐进式上下文加载）、技能获取（强化学习、自主发现、组合合成）、大规模部署（计算机使用智能体栈、GUI接地）以及安全挑战（26.1%社区技能含漏洞），并提出技能信任与生命周期治理框架。

Comments Accepted by Agent Skills '26 Workshop at ACM Conference on AI and Agentic Systems 2026

Demo2Tutorial: From Human Experience to Multimodal Software Tutorials

Demo2Tutorial：从人类经验到多模态软件教程

Zechen Bai, Zhiheng Chen, Yiqi Lin, Kevin Qinghong Lin, Difei Gao, Xiangwu Guo, Xin Wang, Mike Zheng Shou

机构 * Show Lab, National University of Singapore（新加坡国立大学Show实验室） 纠错

专题命中 GUI与网页智能体 ：agent(abstract)；planning(abstract)

AI总结 提出Demo2Tutorial框架，通过屏幕录制和交互日志将人类经验解析为结构化多模态教程，用于人类学习和GUI智能体训练，实验证明其生成质量超越人工教程并提升任务效率。

Comments Accepted by CVPR 2026

Electromagnetic Navigation for Femoral Osteotomy Using High-Accuracy X-ray-to-CT Registration

基于高精度X光到CT配准的股骨截骨电磁导航

Roman Flepp, Arend Nieuwland, Bastian Sigrist, Philipp Fürnstahl, Lilian Calvet, Thomas Dreher

机构 * Department of Pediatric Orthopedics and Traumatology, University Children’s Hospital Zürich（苏黎世大学儿童医院小儿骨科与创伤外科部门） ； Research in Orthopedic Computer Science, University Hospital Balgrist, University of Zurich（骨科计算机科学研究所，巴尔格里斯大学医院，苏黎世大学） ； Department of Orthopedic Surgery, University Hospital Balgrist, University of Zurich（骨科外科部门，巴尔格里斯大学医院，苏黎世大学） 纠错

专题命中 GUI与网页智能体 ：planning(abstract)

AI总结 提出一种基于电磁跟踪的股骨截骨导航系统，通过一次术中C臂标定和两幅X光图像配准实现实时无荧光导航，在合成股骨实验中总角度误差显著优于徒手操作，并与患者特异性器械精度等效。

Comments Will be published in the International Journal of Computer Assisted Radiology and Surgery

Autonomous Navigation System for Library Service Robot Based on Unitree Go2 Edu

基于 Unitree Go2 Edu 的图书馆服务机器人自主导航系统

Aoduo Li, Haoran Lv, Bingquan Ou, Jianfeng Li, Yingdong Li, Zimeng Li

机构 * Unitree Go2 Edu 纠错

专题命中 GUI与网页智能体 ：planning(abstract)

AI总结 针对图书馆狭窄通道和动态障碍物环境，提出基于 ROS 2 的四足机器人导航系统，融合 RTAB-Map、AMCL/EKF 和 Nav2 实现高成功率定位与避障，地图误差 3.7 cm。

Comments 6 pages, 5 figures, 4 tables. Accepted by WCCIS 2026

Equivalent Circuit Model based Electric Vehicle Evacuation with Mobile Charging Stations

基于等效电路模型的电动汽车疏散与移动充电站

Joseph Moyalan, Ricardo de Castro, Shuang Feng, Xuchang Tang, Xinfan Lin, Qijian Gan

专题命中 GUI与网页智能体 ：planning(abstract)

AI总结 提出基于等效电路模型的电动汽车疏散框架，通过电路类比建模交通流，联合优化路径、充电和拥堵管理，并引入移动充电站以最小化疏散时间。

An Optimal Control Approach for the Persistent Monitoring Problem

持续监测问题的最优控制方法

Christos G. Cassandras, Xu Chu Ding, Xuchao Lin

专题命中 GUI与网页智能体 ：agent(abstract)

AI总结 提出一种最优控制框架，通过控制移动代理的运动来最小化任务空间中的不确定性度量，并利用无穷小扰动分析将问题简化为参数优化。

Comments Technical report accompanying the CDC2011 submission

Dual-Cluster Memory Agent: Resolving Multi-Paradigm Ambiguity in Optimization Problem Solving

双簇记忆智能体：解决优化问题求解中的多范式歧义

Xinyu Zhang, Yuchen Wan, Boxuan Zhang, Zesheng Yang, Lingling Zhang, Bifan Wei, Jun Liu

机构 * School of Computer Science and Technology, Xi’an Jiaotong University（西安交通大学计算机科学与技术学院） ； Ministry of Education Key Laboratory of Intelligent Networks and Network Security, China（教育部智能网络与网络security重点实验室） ； Shaanxi Province Key Laboratory of Big Data Knowledge Engineering, China（陕西省大数据知识工程重点实验室） 纠错

专题命中 记忆与上下文管理 ：agent(title,summary_cn)；分类 cs.CL

AI总结 提出双簇记忆智能体（DCM-Agent），通过无训练方式利用历史解决方案构建双簇记忆，并采用记忆增强推理动态导航解路径，在七个优化基准上平均性能提升11%-21%。

EvoDS: Self-Evolving Autonomous Data Science Agent with Skill Learning and Context Management

EvoDS: 具有技能学习和上下文管理的自进化自主数据科学智能体

Zherui Yang, Fan Liu, Yansong Ning, Hao Liu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

专题命中 记忆与上下文管理 ：agent(title,abstract)；agentic(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 提出EvoDS，通过自主技能获取和自适应上下文压缩策略，结合强化学习训练，使数据科学智能体能够自进化并显著提升多阶段迭代任务的性能。

Comments Accepted by KDD2026

DMF: A Deterministic Memory Framework for Conversational AI Agents

DMF：对话式AI代理的确定性记忆框架

Matteo Stabile, Enrico Zimuel

机构 * Roma Tre University（罗马三大学） 纠错

专题命中 记忆与上下文管理 ：AI agent(title,abstract)；分类 cs.AI、cs.CL

AI总结 提出一种CPU优先的确定性记忆框架DMF，通过经典NLP分析、向量几何和数学评分替代生成式记忆压缩，实现零令牌成本且与Mem0相当的准确性。

Comments 21 pages, 3 figures

PEAM: Parametric Embodied Agent Memory through Contrastive Internalization of Experience in Minecraft

PEAM: 通过经验对比内化的参数化具身智能体记忆在Minecraft中的应用

Yuchen Guo, Junli Gong, Weicheng Wang, Hongmin Cai, Yiu-ming Cheung, Weifeng Su

机构 * Northwestern University（西北大学） ； Northeastern University（东北大学） ； South China University of Technology（华南理工大学） ； Hong Kong Baptist University（香港 Baptist大学） ； Beijing Normal - Hong Kong Baptist University（北京师范大学-香港 Baptist大学） 纠错

专题命中 记忆与上下文管理 ：agent(title,abstract)；分类 cs.AI

AI总结 提出PEAM框架，通过对比内化失败-纠正轨迹对，将经验转化为参数化技能，实现Minecraft中具身智能体的持续学习与高效执行。

MT-OSC: Path for LLMs that Get Lost in Multi-Turn Conversation

MT-OSC：解决大语言模型在多轮对话中迷失的路径

Jyotika Singh, Fang Tu, Miguel Ballesteros, Weiyi Sun, Sandip Ghoshal, Michelle Yuan, Yassine Benajiba, Sujith Ravi, Dan Roth

机构 * Oracle AI 纠错

专题命中 记忆与上下文管理 ：agent(summary_cn,abstract)；分类 cs.CL

AI总结 提出MT-OSC框架，通过后台自动压缩对话历史（Condenser Agent）减少token量，提升多轮对话性能，在13个LLM上验证有效性。

From Control Boundary to Insurance Claim: Reconstructing AI-Mediated Losses Through the CER Framework

从控制边界到保险索赔：通过CER框架重构AI中介损失

Alex Leung, Rex Zhang, Kentaroh Toyoda, SiewMei Loh

专题命中 记忆与上下文管理 ：agentic(abstract)；分类 cs.AI

AI总结 本文提出CER框架（控制边界、证据重构、保险响应），用于诊断和重构由生成式或代理式AI系统导致的损失，以支持保险索赔。

InfoMem: Training Long-Context Memory Agents with Answer-Conditioned Information Gain

InfoMem: 基于答案条件信息增益训练长上下文记忆智能体

Tiancheng Han, Yong Li, Wuzhou Yu, Qiaosheng Zhang, Wenqi Shao

机构 * Tongji University（同济大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI

AI总结 提出InfoMem奖励机制，通过评估最终记忆对真实答案的每token对数似然增益，训练分块记忆智能体以提升长上下文任务性能。

Comments 17 pages, 7 figrues,

MemTrain: Self-Supervised Context Memory Training

MemTrain：自监督上下文记忆训练

Ziheng Li, Xingrun Xing, Haoqing Wang, Zhi-Hong Deng, Yehui Tang

机构 * State Key Laboratory of General Artificial Intelligence, School of Intelligence Science and Technology, Peking University（通用人工智能国家重点实验室，智能科学与技术学院，北京大学） ； Samsung Research, Beijing, China（三星研究院，北京，中国） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.CL

AI总结 提出自监督框架MemTrain，通过两个耦合代理任务（端到端掩码重建和中间记忆召回）利用无标签维基百科语料增强LLM代理的上下文记忆能力，显著提升下游长文本推理性能。

Minimax Optimal Strategy for Delayed Observations in Online Reinforcement Learning

在线强化学习中延迟观测的极小化最优策略

Harin Lee, Kevin Jamieson

机构 * University of California, Berkeley（加州大学伯克利分校） ； UC Berkeley（加州大学伯克利分校） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.LG

AI总结 针对延迟状态观测的强化学习问题，提出结合增广方法和上置信界算法的策略，在表格型MDP上达到极小化最优遗憾界。

Comments ICML camera ready version

MemVerse: Multimodal Memory for Lifelong Learning Agents

MemVerse：面向终身学习智能体的多模态记忆

Junming Liu, Yifei Sun, Weihua Cheng, Haodong Lei, Yirong Chen, Licheng Wen, Xuemeng Yang, Daocheng Fu, Pinlong Cai, Nianchen Deng, Yi Yu, Shuyue Hu, Botian Shi, Ding Wang

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

专题命中 记忆与上下文管理 ：AI agent(abstract)；分类 cs.AI

AI总结 提出MemVerse，一种模型无关的即插即用记忆框架，通过分层检索记忆与参数化快速回忆结合，解决智能体在多模态交互中的灾难性遗忘和长程推理问题。

Comments 25 pages, 6 figures, 14 tables