AI Agent

Failure as a Process: An Anatomy of CLI Coding Agent Trajectories

失败作为一个过程：CLI编码代理轨迹剖析

Xiangxin Zhao, Han Li, Shuaiting Li, Tianyi Zhao, Earl T. Barr, Federica Sarro, He Ye

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

AI总结 研究CLI编码代理失败轨迹，引入面向过程框架，收集并标注大量执行轨迹，发现失败多由认知错误驱动，起始于最初几步且常隐藏，提出提高编码代理可靠性需早期验证和干预，而非仅靠最终结果评估。

Comments 12 pages, 6 figures

Inunda: A GPU-Native, Agent-enabled, Differentiable Solver for High-Resolution Flood Inundation Modeling

Inunda：用于高分辨率洪水淹没建模的GPU原生、支持智能体、可微求解器

Zhi Li

专题命中 工作流自动化 ：agent(title)

AI总结 研究针对洪水淹没建模难题，提出Inunda这一GPU原生、支持智能体、可微的求解器，用质量守恒局部惯性方案求解二维浅水方程，通过案例研究展示其在洪水后报、概率性预报及火灾后应用中的优势，结合物理水力学与可微编程优势。

Stochastic simulators based optimization by Gaussian process metamodels -- Application to maintenance investments planning issues

基于高斯过程元模型的随机模拟器优化方法——应用于维护投资规划问题

Thomas Browne, Bertrand Iooss, Loïc Le Gratiet, Jérôme Lonchampt, Emmanuel Remy

专题命中 工作流自动化 ：planning(title)

AI总结 本文提出基于高斯过程元模型的随机模拟器优化方法，用于解决维护投资规划问题，通过自适应设计方法优化NPV分位数。

LLM for EDA in Front-End Design: Challenges and Opportunities

用于前端设计中电子设计自动化的大语言模型：挑战与机遇

Kangwei Xu, Bing Li, Ulf Schlichtmann

机构 * Chair of Electronic Design Automation, Technical University of Munich（电子设计自动化教授团，慕尼黑技术大学） ； Resource-Efficient AI Group, Technical University of Ilmenau（高效人工智能小组，伊门豪技术大学） 纠错

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

AI总结 探讨芯片前端设计瓶颈下，大语言模型在电子设计自动化中的潜力，回顾其在前端设计关键任务及流程中的进展，讨论集成大语言模型到EDA面临的挑战与限制，概述未来机遇，为相关研究提供系统视角。

Comments Invited paper at the ACM/IEEE DAC 2026 Special Research Session, 5 pages, 9 figures

Better Harnesses, Smaller Models: Building 90% Cheaper Agents via Automated Harness Adaptation

更好的框架，更小的模型：通过自动框架适配构建成本降低90%的智能体

Chenyang Yang, Xinran Zhao, Tongshuang Wu, Christian Kästner

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

AI总结 研究针对前沿语言模型智能体推理成本高的问题，提出通过自动框架适配让小语言模型智能体以低90%成本匹配语言模型性能，创建相关框架和优化器，经实验验证该方法能扩大小语言模型智能体在日常业务任务中的部署范围。

Coding-agents can replicate scientific machine learning papers

编码代理可以复现科学机器学习论文

Atharva Hans, Ilias Bilionis

机构 * School of Mechanical Engineering, Purdue University（机械工程学院，普渡大学） 纠错

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

AI总结 提出Paper-replication工作流，让编码代理以目标驱动方式复现论文的计算声明，通过记录目标、重建方法、运行实验并验证，在四篇论文的12次独立运行中全部完成并通过验证。

PRecG: Legal Precedent Retrieval with Graph Neural Networks and Rhetorical Role Segmentation

PRecG：基于图神经网络和修辞角色分割的法律先例检索

Devanshu Verma, Vasudha Bhatnagar, Vikas Kumar, Balaji Ganesan

机构 * University of Delhi（德里大学） ； IBM Research（IBM 研究院） 纠错

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

AI总结 研究法律先例检索问题，提出PRecG管道，通过基于句子修辞角色分解文档、构建知识图、学习聚合实体上下文表示等步骤，分层学习法律判决对的表示来计算相似度，经实验验证其有效性。

Comments 23 Pages

When Routes Run Out: Adversarial Co-Learning and Explainable Robustness in Quantum Repeater Networks

当路线耗尽时：量子中继器网络中的对抗协同学习与可解释鲁棒性

Brennan Bell, Inti Gabriel Mendoza Estrada, Andreas Trügler, Paul Erker

机构 * RFI-IRFOS and TU Graz（RFI-IRFOS和格拉茨技术大学） ； openmaind FlexCo and TU Graz（openmaind FlexCo和格拉茨技术大学） ； Know Center Research GmbH and University of Graz（Know Center Research GmbH和格拉茨大学） ； Atominstitut, TU Wien and IQOQI, ÖAW（原子院、维也纳技术大学和ÖAW IQOQI） 纠错

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

AI总结 研究量子中继器网络路由对抗博弈问题，通过对抗协同学习，发现保留率与参考值紧密跟踪，拟合决策树解释模型并报告忠实度，构建提示记录形成开源解释工作流程。

Comments 4 pages, 5 figures, submitted to IEEE QCE26, Workshop on Q-GenAI: Synergies between QC & GenAI

Beyond LLMs: A Linguistic Approach to Causal Graph Generation from Narrative Texts

超越大语言模型：一种从叙事文本生成因果图的语言学方法

Zehan Li, Ruhua Pan, Xinyu Pi

机构 * University of California, San Diego（加州大学圣地亚哥分校） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.CL

AI总结 该研究提出从叙事文本生成因果图的框架，先以LLM提取顶点，引入含七个语言特征的“专家索引”并集成到分类模型，结合RoBERTa嵌入提升因果关系识别精度，经五次迭代提示构建因果图，实验证明其优于GPT-4o和Claude 3.5，还提供开源工具。

Comments published at the 7th Workshop on Narrative Understanding, NAACL 2025

A 2.4 GHz LC-VCO Fractional-N Phase Locked Loop Open-Source Design in 130-nm BiCMOS

130nm BiCMOS工艺下2.4GHz LC-VCO小数分频锁相环开源设计

Manimohan Thiriloganathan, Shenal Ranasinghe, Avishka Herath, Rajinthan Rameshkumar, Hansa Marasinghe, Anjana Viduranga, Gayangana Leelarathne, Kithmin Wickremasinghe

专题命中 工作流自动化 ：workflow(abstract)

AI总结 该研究针对开源CMOS生态系统中射频集成电路设计无源器件模型缺乏的问题，提出在130nm BiCMOS技术下实现2.4GHz小数分频PLL的设计，采用交叉耦合差分LC-VCO与定制电感，展示了全开源流程设计的可行性及良好性能。

Journal ref 2026 22nd International Conference on Synthesis, Modeling, Analysis and Simulation Methods, and Applications to Circuits Design (SMACD)

Privacy-Preserving Intent Fulfilment and Assurance for 6G RAN

6G无线接入网的隐私保护意图实现与保证

Joss Armstrong

专题命中 工作流自动化 ：agent(abstract)

AI总结 研究6G无线接入网隐私保护意图实现与保证问题，提出一种架构，协调器依意图类别分配资源且仅用O1接口计数器验证，定义隐私属性并证明其成立，映射到相关框架确定运行点，实验表明意图类别粒度变化对分配和保证有相应影响。

A Cloud-Accessible Open-Source Framework for the Electromagnetic Modelling of Applied Superconductors

一种用于应用超导体电磁建模的云访问开源框架

Yusen Guo, Alberto Paganini, Harold S. Ruiz

专题命中 工作流自动化 ：workflow(abstract)

AI总结 该研究提出H-cloud开源框架用于超导体电磁建模，基于Nédélec有限元在Python工作流程中表达非线性电磁响应，经多模型验证，开源工作流程精度高且云执行可保留数值解，为超导模拟等提供严格可重复便携途径。

Comments 12 pages, 2 figures. Supplementary material is available at http://doi.org/10.5281/zenodo.21294926

Multi-UE Identification and Localization in LAWN via an Autonomous Non-Serving UAV

自主感知无人机用于LAWN中多用户识别与定位

Niccolò Paglierani, Francesco Linsalata, Vineeth Teeda, Davide Scazzoli, Maurizio Magarini

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出了一种自主感知无人机，用于在5G协作网络中实现多用户识别与定位，通过模拟和实验验证其在低空经济中的应用潜力。

Time-frequency-correlated Native CCZ Gate in Superconducting Circuits

时间频率纠缠光子介导的CCZ门

Chenhui Wang, Weilong Wang, Yangyang Fei, Zhiqiang Fan, Hanshi Zhao, Yuyan Mage, Zheng Shan

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本研究提出了一种基于双光子吸收的高效CCZ门实现方案，通过优化参数达到高保真度，适用于超导量子计算平台，并能扩展至任意角度的CCPhase门和多量子比特操作。

Writing Bug Reports for Software Repair Agents: What Information Matters Most?

为软件修复代理编写错误报告：哪些信息最重要？

Vincenzo Luigi Bruno, Alessandro Giagnorio, Daniele Bifolco, Leon Wienges, Massimiliano Di Penta, Gabriele Bavota

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

AI总结 研究软件开发中为软件修复代理编写错误报告的问题，通过对错误报告分类标注，用三个LLM主干运行mini-swe-agent，拟合回归模型，发现定位线索和建议修复等信息对代理成功更重要，传统对人类有用的信息作用较小。

Remember Your Trace: Memory-Guided Long-Horizon Agentic Framework for Consistent and Hierarchical Repository-Level Code Documentation

记住你的踪迹：一种基于记忆的长周期代理框架，用于一致且分层的仓库级代码文档

Suyoung Bae, Jaehoon Lee, Changkyu Choi, YunSeok Choi, Jee-Hyong Lee

机构 * Sungkyunkwan University（成均馆大学） ； University of Oslo（奥斯陆大学） 纠错

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

AI总结 MemDocAgent通过依赖感知遍历引导和记忆引导代理交互，生成统一上下文的仓库级代码文档，实现高效且一致的文档生成。

OpenProver: Agentic and Interactive Theorem Proving with Lean 4

OpenProver：使用Lean 4进行智能且交互式的定理证明

Matěj Kripner, Milan Straka

机构 * Charles University, Faculty of Mathematics and Physics（查尔斯大学数学与物理系） 纠错

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

AI总结 介绍用于大语言模型驱动的自动化定理证明的开源系统OpenProver，它集成特定架构，完全开源，能自动验证证明，提供交互式界面，通过在ProofNet上评估展示自动验证在定量消融实验中的潜力。

Comments 7 pages, 2 figures. Accepted at the 19th Conference on Intelligent Computer Mathematics (CICM 2026)

ReProAgent: Tool-Augmented Multi-Stage Agentic Generation of Bug Reproduction Tests from Issue Reports

ReProAgent：从问题报告中通过工具增强的多阶段代理生成错误重现测试

Quanjun Zhang, Yi Zheng, Ye Shang, Weifeng Sun, Haichuan Hu, Chunrong Fang, Zhenyu Chen, Liang Xiao

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

AI总结 研究提出ReProAgent多阶段代理框架，从问题报告生成错误重现测试，将任务分解为四个阶段，集成多种工具支持各阶段，实验表明其能成功重现较多问题，优于基线，还可跨模型泛化并提升下游问题解决性能。

A Self-Evolving Agentic Framework for Metasurface Inverse Design

一种自演化代理框架用于超材料逆向设计

Yi Huang, Bowen Zheng, Yunxi Dong, Hong Tang, Huan Zhao, S. M. Rakibul Hasan Shawon, Hualiang Zhang

机构 * University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校） 纠错

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

AI总结 本文提出一种自演化代理框架，通过上下文级技能进化解决超材料逆向设计中工作流构建的难题，提升任务成功率并减少尝试次数，实现可重用的求解器专业知识积累。

The LLMbda Calculus: AI Agents, Conversations, and Information Flow

LLMlambda 计算：人工智能代理、对话与信息流

Zac Garby, Andrew D. Gordon, David Sands

机构 * University of Nottingham, UK（诺丁汉大学） ； University of Edinburgh, UK（爱丁堡大学） ； Chalmers University of Technology（查尔姆斯理工大学） ； The University of Gothenburg, Sweden（哥德堡大学） 纠错

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

AI总结 本文提出了一种无类型的lambda计算模型，用于形式化描述和验证人工智能代理中对话和信息流的安全性。

Refused in Chat, Written in Code: Workflow-Level Jailbreak Construction in IDE Coding Agents

在聊天中被拒绝，用代码编写：IDE 编码代理中的工作流级越狱构造

Abhishek Kumar, Carsten Maple

机构 * The Alan Turing Institute（阿尔法·图灵研究院） 纠错

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

AI总结 研究 IDE 编码代理安全评估问题，介绍工作流级越狱构造，通过对特定模型在不同基准测试下表现研究发现，对话拒绝基准可能高估其安全性，需跨多轮 IDE 工作流评估安全。

Agentic Proof and Property-Based Testing via Property-Templates in Data-Intensive Computing

通过数据密集型计算中的属性模板进行智能体证明和基于属性的测试

Seongmin Lee, Yaoxuan Wu, Miryung Kim

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

AI总结 研究软件工程中意图规范和验证问题，提出用属性模板解决验证候选属性和实施PBT的子问题，设计智能体双轨验证框架，经评估该框架能提高证明成功率、减少幻觉、降低成本并提升代码覆盖，还能发现模型与实现差距。

Comments 12 pages, 7 figures, 4 tables; supplementary material included as ancillary file

SCATE: Learning to Supervise Coding Agents for Cost-Effective Test Generation

SCATE：学习监督编码代理以实现经济高效的测试生成

Sijia Gu, Noor Nashid, Ali Mesbah

机构 * University of British Columbia（不列颠哥伦比亚大学） 纠错

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

AI总结 研究针对编码代理惰性生成致代码覆盖不足问题，提出SCATE框架，将监督设为上下文博弈问题，依覆盖和可测试性指标选测试动作，集成不同编码代理，相比基线和其他方法有更高覆盖，能动态优化代理优势。

Beyond Embeddings: Interpretable Feature Extraction for Binary Code Similarity

超越嵌入：用于二进制代码相似性的可解释特征提取

Charles E. Gagnon, Steven H. H. Ding, Philippe Charland, Benjamin C. M. Fung

机构 * Defence Research and Development Canada（加拿大国防研究与发展署） ； McGill University（麦吉尔大学） 纠错

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

AI总结 研究二进制代码相似性检测问题，利用基于语言模型的智能体对汇编代码结构化推理分析生成可解释特征，无需匹配训练，在跨架构和跨优化任务中召回率表现良好，结合嵌入优于现有技术，实现准确性、可扩展性和可解释性共存。

Comments 15 pages, 8 figures

Mixing visual and textual code

混合视觉与文本代码

Leif Andersen, Michael Ballantyne, Cameron Moy, Matthias Felleisen, Stephen Chang

专题命中 软件智能体 ：workflow(abstract)

AI总结 本文提出Hybrid ClojureScript，一种混合编程语言，允许开发者结合视觉和文本语法表达领域特定概念，同时保持静态推理和工作流程流畅。

Comments to be published in JFP

Journal ref Journal of Functional Programming, Volume 36 (August 9, 2026) jfp:17766

Rxiv-Maker: an automated template engine for streamlined scientific publications

Rxiv-Maker：一种自动化模板引擎，用于流利的科学出版

Bruno M. Saraiva, Rita Carlota, António D. Brito, Iván Hidalgo-Cenalmor, Guillaume Jacquemet, Ricardo Henriques

专题命中 软件智能体 ：workflow(abstract)

AI总结 Rxiv-Maker通过自动化模板引擎实现科学出版的高效流程，利用Markdown和代码执行生成可更新的出版级PDF文档。

Comments v2: added co-authors R. Carlota and I. Hidalgo-Cenalmor; corrected an author name; updated funding acknowledgements; revised the text for clarity and to emphasise newer features (Word/DOCX export, track-changes via latexdiff, VS Code extension, content-based caching, Mermaid diagram generation, and containerised builds)

Vascular Geometry Characterization for AI-Based Endovascular Navigation

基于人工智能的血管内导航的血管几何特征表征

Han-Ru Wu, Harry Robertshaw, Lisa Dwyer-Joyce, Thomas C Booth, Alejandro Granados

机构 * National Taiwan University Hospital（台湾大学附属医院） ； Chelsea & Westminster Hospital（切尔西和威斯敏斯特医院） 纠错

专题命中 GUI与网页智能体 ：agent(abstract)

AI总结 研究旨在识别与血管内导航难度相关的血管指标并开发自动化流程，通过分割血管树测量指标，用RL算法导航并分析结果，发现血管几何形状影响导航难度，所提流程为相关评估奠定基础。

Comments Int J CARS (2026)

Shared Selective Persistent Memory for Agentic LLM Systems

用于智能语言模型系统的共享选择性持久内存

Sanjana Pedada, Aditya Dhavala, Neelraj Patil

机构 * Apple Inc.（苹果公司） 纠错

专题命中 记忆与上下文管理 ：agentic(title,abstract)；agent(abstract)；tool use(abstract)；tool-use(abstract)

AI总结 智能语言模型系统面临上下文问题，本文提出共享选择性持久内存架构，识别保留四类可重用上下文，丢弃特定会话推理痕迹，实现共享协作重用。在企业场景和公共数据集实验中验证其有效性，提高任务完成率，降低成本，优于全历史持久化等极端方式。

Comments 11 pages, 2 figures, 4 tables

SAGEAgent: A Self-Evolving Agent for Cost-Aware Modality Acquisition in Multimodal Survival Prediction

SAGEAgent：用于多模态生存预测中成本感知模态获取的自进化智能体

Chongyu Qu, Can Cui, Zhengyi Lu, Junchao Zhu, Tianyuan Yao, Junlin Guo, Juming Xiong, Yanfan Zhu, Yuechen Yang, Bennett A. Landman, Yuankai Huo

机构 * Vanderbilt University（范德堡大学） ； Vanderbilt University Medical Center（范德堡大学医学中心） 纠错

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

AI总结 研究多模态生存预测中如何平衡预测准确性与临床侵入性，提出基于自进化大语言模型的SAGEAgent，通过多种记忆和工具为患者决定诊断方式，实验证明其能在胶质瘤队列中降低获取负担并保持竞争力。

All Explanations are Wrong, But Many Are Useful: Exploring the Rashomon Explanation Set with Large Language Models

所有解释都是错误的，但许多解释是有用的：用大语言模型探索罗生门解释集

Pan Li

机构 * Scheller College of Business, Georgia Tech（舍勒商学院，佐治亚理工学院） 纠错

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

AI总结 研究指出机器学习模型解释存在准确性与可解释性权衡非根本性的观点，引入罗生门解释范式，提出RashomonLLM工作流程，经实验验证其在多任务中显著优于基线，提升业务性能并奠定消费者信任基础。