AI Agent

Moving Horizon Estimation for Underwater Target Tracking Based on Time-Difference-of-Arrival Measurements

基于到达时间差测量的水下目标跟踪的移动时域估计

Anton Tolstonogov, David Cabecinhas, Pedro Batista, Antonio Pascoal

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)

AI总结 本文针对水下目标跟踪难题，研究基于到达时间差的移动时域估计方法，仿真显示其鲁棒性优于经典扩展卡尔曼滤波，可作为多智能体跟踪系统的实用组件。

Comments 6 pages, 2 figures. This work has been accepted to IFAC WC 2026 for publication

$\texttt{Flip-Team}$: Cooperative Takeover Games with Stochastic Human Override

Flip-Team：带随机人工干预的协作接管游戏

Sandeep Banik, Naira Hovakimyan

专题命中 多智能体 ：agent(abstract)；autonomous agent(abstract)

AI总结 本文提出带随机人工干预的协作博弈论框架，将共享自主系统的控制切换问题建模为利益一致的动态博弈，推导线性二次系统的最优切换策略闭式递推式，验证了其在不同系统下的有效性，揭示人类适应性与自主效率的权衡。

Comments 8 pages, 7 figures, accepted at IEEE CDC 2026

An Asynchronous Triggered MAC Protocol for Underwater Acoustic Networks

用于水下声网络的异步触发MAC协议

Bingwen Huangfu, Jiani Guo, Shanshan Song, Nan Sun, Jun Liu, Miao Pan

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)

AI总结 针对水下声网络MAC协议同步开销大、调度灵活性不足的问题，提出异步触发MAC（AT-MAC），采用异步可变时隙与增强多智能体深度强化学习，结合负载感知公平性机制，提升了信道利用率与公平性。

Large-Market Discipline in Combinatorial Double Auctions: No Assembly, Bundle Selection, and Complementarities

组合双向拍卖中的大市场约束：无组合、束选择与互补性

Konstantinos E. Zachariadis, Yongxin Yang

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)

AI总结 针对存在无组合约束的商品束市场，构建组合买方出价双向拍卖，证明其继承大市场约束特性，模拟显示无组合是有限市场关键摩擦。

Comments 67 pages, 8 figures, 6 tables

Deep reinforcement learning with spatial and temporal awareness for active boundary control of buoyancy-driven convection

具有时空感知能力的深度强化学习用于浮力驱动对流的主动边界控制

Giorgio Maria Cavallazzi, Miguel Pérez Cuadrado, Alfredo Pinelli

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)

AI总结 针对深度强化学习在热对流控制中产生的退化驱动问题，提出结合卷积策略网络、GRU记忆、离策略训练和动作平滑约束的框架，成功实现细胞合并并降低努塞尔数，并在双扩散对流中自适应发现行波驱动。

Distributed Safety Critical Control among Uncontrollable Agents Using Reconstructed Control Barrier Functions

在不可控代理中使用重建的控制屏障函数实现分布式安全关键控制

Yuzhang Peng, Wei Wang, Jiaqi Yan, Mengze Yu

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)

AI总结 本文研究了在存在不确定行为的不可控代理的多智能体系统中分布式安全关键控制的问题，提出了一种新的重建控制屏障函数方法，通过分布式自适应观测器获得其他代理的状态估计来重建耦合的控制屏障函数，并设计了安全关键二次规划控制器，证明了所提出的分布式控制方案在不确定动态环境中能够严格保证系统安全。

Journal ref Y. Peng, W. Wang, J. Yan and M. Yu, "Distributed Safety Critical Control among Uncontrollable Agents Using Reconstructed Control Barrier Functions," 2026 European Control Conference (ECC), Reykjavík, Iceland, 2026, pp. 1084-1089

Projecting onto the unit dual quaternion set

投影到单位对偶四元数集合

Ziyang Li, Chunfeng Cui, Jiaxin Xie

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)

AI总结 本文针对实际应用中常用的$2^R$-范数，系统研究向单位对偶四元数集合的投影问题，识别不同情况并通过数值实验验证了所提算法的有效性。

Comments to appear in Journal of Global Optimization

Beyond Direct Access: Resource Hijacking in LLM Agents

超越直接访问：大语言模型智能体中的资源劫持

Puyu Zeng, Qibing Ren

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 该研究首次识别智能体资源劫持这一安全盲区，推出ResourceHijackBench及自动化生成流程，实验显示无防御时OpenClaw平均攻击成功率达84.06%，现有防御仍不足。

Comments 11 pages, 3 figures, 4 tables

The 2026 Singapore Consensus on Global AI Safety Research Priorities

2026年新加坡全球AI安全研究优先事项共识

Stephen Casper, Oskar Galeev, Yoshua Bengio, Mohan Kankanhalli, Lee Wan Sie, Tegan Maharaj, Chris Meserole, Luke Ong, Stuart Russell, Dawn Song, Max Tegmark, Brian Tse, Xue Lan, Andrew Yao, Zhang Ya-Qin, Zhou Bowen, Imane Bello, Kwan Yee Ng, Vanessa Wilfred, Erica Liaw, Lee Chein Inn, Lin Wanxuan, Ng En Qi, Jonathan Lee, José Villalobos, Abhishek Aggarwal, Adam Gleave, Alan Chan, Alex Leung, Alvin Kwock, Anthony Tung, Arisa Siong, Arthur Tea, Ben Bucknall, Benjamin Weinstein-Raun, He Bing Sheng, Liu Bo, Bryan Kian Hsiang Low, Chris Ngo, Clement Neo, Cyrus Hodes, Dan Hendrycks, Daniel Ross, Liu Dapeng, Denise Wong, Djordje Zikelic, Elham Tabassi, Fabien Le Voyer, Fazl Barez, Gabriel Nicholas, Henry Papadatos, Jaan Tallinn, James Petrie, Xu Jia, Shao Jing, Jonathan Barry, Julia Chen, Sun Jun, Karson Elmgren, Kat Lyness, Katherine Lee, Kristy Loke, Lee Kwee Geak, Leslie Teo, Meng Ling Yu, Lisa Soder, Madhulika Srikumar, Malcolm Murray, Mark Brakel, Mark Nitzberg, Mary Phuong, Matthew Jagielski, Max Fenkell, Miro Plueckebaum, Kim Myuhng Joo, Hu Naying, Neil Davison, Nicolas Miailhe, Niki Iliadis, Nur Syahidah Sahrom, Ong Chen Hui, Pradeep Varakantham, Rebecca Finlay, Renata Dwan, Robert Opp, Rumman Chowdhury, Saad Siddiqui, Sabina Nong, Sam Ramadori, Sami Jawhar, Samuel Boger, Sara Hooker, Ying Shao Wei, Sebastian Hallensleben, Shinyuk Kang, Sophie Toura, Sreejith Balakrishnan, Stephanie Kasaon, Stephen Clare, Summer Yue, Sunny Yuqing Sun, Supheakmungkol Sarin, Tian Tian, Tim Schreier, Tori Westerhoff, Urvashi Aneja, Wayne Tee, Lu Wei, Xu Wei, Zhang Wenxuan, Hu Xia, Yang Xiaofang, Pan Xudong, Xiao Yajun, Yifan Jia, Tan Yong Khiam, Yuejin Du, Yuma Kurihara, Tan Zhi Xuan, Sören Mindermann

专题命中 多智能体 ：AI agent(abstract)

AI总结 该研究基于第二届AI安全国际科学交流成果，发布2026年新加坡全球AI安全研究优先事项共识，聚焦技术AI安全、社会韧性及自主AI智能体风险管理，为全球AI安全研究提供方向。

Comments Available at https://aisafetypriorities.org/

Majority voting is not good for heaven or hell, with mirrored performance

多数投票并非天堂或地狱的良方，具有镜像表现

Pavel Chebotarev, Vadim Afonkin

专题命中 多智能体 ：agent(abstract)

AI总结 本文研究了多数投票在不同环境中的表现，发现对称多数规则在有利环境和敌对环境中的性能呈镜像对称，揭示了其在不同情境下的优劣差异。

Comments 34 pages, 5 figures. Submitted to a journal. The manuscript has been extended

GenRouter: Unified Workflow Routing for Agentic Image Generation

GenRouter：面向智能体图像生成的统一工作流路由

Harold Haodong Chen, Zhiyu Hou, Wen-Jie Shu, Weilin Ruan, Yingjie Xu, Litao Guo, Ying-Cong Chen

机构 * HKUST(GZ)（香港科技大学（广州）） ； HKUST（香港科技大学） ； SUSTech（南方科技大学） ； ZODA ； CUHK（香港中文大学） 纠错

专题命中 工作流自动化 ：workflow(title,abstract)；agentic(title,abstract)

AI总结 GenRouter是首个智能体图像生成的统一工作流路由框架，通过需求分析、经验匹配、帕累托过滤实现自适应路由，可大幅降低计算开销与延迟并提升视觉对齐效果。

Comments Code: https://github.com/EnVision-Research/GenRouter

Specifying AI-SDLC Processes: A Protocol Language for Human-Agent Boundaries

指定AI-SDLC流程：一种用于人-智能体边界的协议语言

Ylli Prifti, Pasquale De Meo, Alessandro Provetti

机构 * Birkbeck, University of London（伦敦大学伯贝克学院） 纠错

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

AI总结 提出一种领域特定语言，用于将AI-SDLC流程指定为协议，通过形式语法、良构条件、操作语义和执行不变量，区分策略与机制，实现结构强制以约束流程非确定性，并证明其能有效降低系统故障率。

Comments v2: substantially revised - enforcement soundness theorem with Lean 4 mechanisation, restructured failure-rate analysis, expressiveness study, end-to-end evaluation on SWE-bench Verified. 30 pages. Artifact: https://doi.org/10.5281/zenodo.21967946. Under review at ACM TOSEM

MUSE: An Interactive Meta-Agent for Understanding and Steering LLM-powered Data Science Systems

MUSE：一种用于理解和操控大语言模型驱动的数据科学系统的交互式元智能体

Wei-Hao Chen, Weixi Tong, Yuan Tian, Chenglong Wang, Tianyi Zhang

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

AI总结 本文提出交互式元智能体MUSE，通过重构执行轨迹、支持上下文交互与混合意图操控，提升用户对大语言模型驱动的数据科学系统的理解与控制，经15人被试间研究验证可提高任务效率与用户信心。

Comments To appear in the 39th Annual ACM Symposium on User Interface Software and Technology (UIST '26), November 2-5, 2026, Detroit, MI, USA

Insurance as AI Risk Infrastructure: A Generative-Agent Simulation of AI Adoption

作为AI风险基础设施的保险：AI采纳的生成智能体模拟

Yixuan Yuan, Dedai Wei, Chudong Qian, Jielin Feng, Ziyue Lin, Yuheng Zhao, He Cao, Erasmo Purificato, Xinwu Ye

专题命中 工作流自动化 ：agent(title,abstract)；workflow(abstract)

AI总结 本文提出将保险作为AI风险基础设施，开发LLM驱动的基于智能体的社会模拟系统，验证其可降低企业财务风险，加速AI工具采纳并提升企业偿付能力与总体资本。

A validity-guided workflow for robust large language model research in psychology

面向心理学中鲁棒大语言模型研究的有效性导向工作流程

Zhicheng Lin

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

AI总结 本文提出一个六阶段工作流程，通过整合心理测量与因果推断，提升心理学中大语言模型研究的有效性，强调研究目标、计算工具验证、实验设计、透明执行、数据分析和结果报告的全面性。

Journal ref Behavior Research Methods, 58, 216 (2026)

Skill2Query: Exploiting Skill Structure to Generate Pseudo-Queries for Agent Skill Retrieval

Skill2Query：利用技能结构生成智能体技能检索的伪查询

Lihui Ding, Zihan Guo, Bingwei Lu, Chenyu Zhou, Yuanjian Zhou, Weinan Zhang, Jianghao Lin, Dongdong Ge

机构 * Fudan University（复旦大学） ； Sun Yat-sen University（中山大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 Skill2Query是利用技能知识图谱生成伪查询的框架，可提升多类检索性能，生成的训练数据表现最优，还能提高智能体任务成功率。

MechMath: Sorrifier-Driven Formal Decomposition Workflow for Automated Theorem Proving

Mechanic：基于遗憾的正式分解工作流用于自动定理证明

Ruichen Qiu, Yichuan Cao, Junqi Liu, Dakai Guo, Xiao-Shan Gao, Lihong Zhi, Ruyong Feng

机构 * Academy of Mathematics and Systems Science, CAS（数学与系统科学研究院，中国科学院） ； School of Advanced Interdisciplinary Sciences, UCAS（交叉科学学院，中国科学院大学） ； School of Mathematical Science, UCAS（数学科学学院，中国科学院大学） 纠错

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

AI总结 Mechanic通过基于遗憾的正式分解策略提升自动定理证明效率，有效解决传统方法在处理失败尝试时的效率与上下文过长问题。

Comments Published as a conference paper at COLM 2026

A Generative Deep Learning Workflow for Inverse Molecular Design of Fuels

用于燃料逆分子设计的生成式深度学习工作流

Kiran K. Yalamanchi, Pinaki Pal, Balaji Mohan, Abdullah S. AlRamadan, Jihad A. Badra, Yuanjiang Pei

机构 * Transportation and Power Systems Division, Argonne National Laboratory（阿贡国家实验室运输与电力系统 division） ； Transport Technologies Division, Research and Development Center, Saudi Aramco（沙特阿美运输技术 division，研发中心） ； Aramco Americas: Aramco Research Center–Detroit（阿美美洲：阿美研究中心–底特律） 纠错

专题命中 工作流自动化 ：workflow(title)；分类 cs.LG

AI总结 本研究开发结合Co-VAE与QSPR的生成式深度学习框架，用于燃料逆分子设计，可识别高RON燃料分子，还可扩展至多性质设计并纳入可合成性标准。

Would this change your answer? Evaluating Explanations of LLM Behavior In The Wild with Counterfactual Experiments

这会改变你的答案吗？通过反事实实验评估现实场景中大语言模型（LLM）行为的解释

Adam Karvonen, Euan Ong, Subhash Kantamneni, Samuel Marks

机构 * Anthropic 纠错

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

AI总结 本研究提出CHIVE流程，通过反事实实验评估大语言模型行为的解释，发现常见可解释性技术无预测提升，且CHIVE生成的训练数据可实现分布外泛化。

ML-AutoResearch: Training Machine Learning Research Agents with Automatically Generated Environments

通过合成任务扩展实现AI科学家

Ziyang Cai, Amir Saeidi, Harkirat Behl

机构 * Princeton University（普林斯顿大学） ； Microsoft Research（微软研究院） 纠错

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

AI总结 本文提出一种合成环境生成管道，用于训练能从实践中学习的机器学习代理。通过真实数据集验证和自调试循环，生成高质量合成任务，提升Qwen3-4B和Qwen3-8B在MLGym上的性能，AUP指标分别提升9%和12%。

RaivenTracks: Branching Provenance for Conversational Visualization Workflows

RaivenTracks：面向对话式可视化工作流的分支溯源系统

Ella Hugie, Alexandra Irger, Grace Guo, Kenneth Moreland, David Pugmire, Scott Klasky, Hanspeter Pfister

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

AI总结 RaivenTracks是Raiven可视化管道的工作流感知扩展，通过两级状态管理架构实现可分支的版本树与细粒度撤销/重做，试点研究显示其支持可视化工作流的分支与恢复，为AI驱动科学工作流的溯源监督提供了新方向。

Comments *Ella Hugie and Alexandra Irger are co-first authors

zenDot: An LLM-integrated quantum TCAD platform for semiconductor quantum-device design and optimization automation

zenDot：一款集成大语言模型（LLM）的量子TCAD平台，用于半导体量子器件设计与优化自动化

Zeheng Wang, Yan Liu, Yue Hao, Genquan Han

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

AI总结 zenDot是集成LLM的量子TCAD平台，可连接器件物理与LLM驱动的设计探索，在Si/SiO₂双量子点验证中完成18次设计迭代，将最差门保真度降低近30倍。

BDIP-Net: Dual-Interaction Graph Learning for Property Prediction of Bilayer Materials

BDIP-Net：用于双层材料性能预测的双交互图学习方法

An Vuong, Chen Zhao, Jin Hu, Shui-Qing Yu, Xintao Wu

机构 * University of Arkansas（阿肯色大学） ； Baylor University（贝勒大学） 纠错

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

AI总结 本研究提出基于MatterSim-D3的结构优化工作流与BDIP-Net图神经网络，实现了双层材料的低成本高效构建与性能预测，且BDIP-Net性能优于现有相关方法。

The Energy Blind Spot: NVIDIA's Flagship Edge AI Hardware Cannot Support Process-Level Energy Attribution

能源盲点：NVIDIA 旗舰边缘 AI 硬件无法支持进程级能源归因

Deepak Panigrahy, Aakash Tyagi

机构 * Independent Researcher（独立研究者） ； Texas A&M University（德克萨斯农工大学） 纠错

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

AI总结 本文审计了 ASUS Ascent GX10 (GB10 SoC) 平台的能源可观测性，发现其缺乏 CPU 能源计数器等关键接口，导致无法像 x86 的 RAPL 那样进行进程级能源归因，并提出通过外部直流计量和 GPU 减法进行校准的临时方案，呼吁将能源可观测性作为硬件的一等要求。

Comments 5 pages, 0 figures. Accepted at the 2nd International Workshop on Low Carbon Computing (LOCO 2026), Lancaster University, United Kingdom, 10-11 September 2026. Part of the LOCO 2026 proceedings, arXiv:2608.02072

Deep learning-based computed tomography (CT) derived body composition classifier for colorectal cancer patients

基于深度学习的结直肠癌患者CT衍生身体成分分类器

Eve Harling, Chattarin Pumtako, Bernd Porr, Donald C McMillan, Ross D Dolan

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

AI总结 本研究训练AlexNet等四种深度学习模型自动分析结直肠癌患者CT衍生身体成分，GoogLeNet和AlexNet表现优异，模型可部署于网络应用，有望简化临床身体成分分析流程。

Comments 27 pages, 4 figures

Look Before You Lift: Visual and Quantitative Diagnostics for Topological Deep Learning

先看再提升：拓扑深度学习的视觉与定量诊断

Mathilde Papillon, Guillermo Bernárdez, Álvaro Ballón Barreiro, Marco Montagna, Rémi Devaux, Antoine Jardin, Nina Miolane

机构 * University of California Santa Barbara（加州大学圣巴巴拉分校） ； Sapienza Universitá di Roma（罗马大学） ； Arlequin AI 纠错

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

AI总结 该研究提出TopoExplorer可视化技术，将TDL工作流重构为“提升-查看-设计-训练”，通过可视化提升后数据集的邻域与关键图指标，辅助TDL预处理设计，提升模型开发的原则性、可解释性与效率。

Spectral Rank Certification for Foundation Model Adapters

基础模型适配器的谱秩验证

Mohammed Ahnouch, Lotfi Elaachak

机构 * Université Paris 1（巴黎第一大学） ； Faculty of Science and Technology of Tangier（丹吉尔科学与技术学院） ； Abdelmalek Essaadi University（阿卜杜勒-马利克·埃萨迪大学） 纠错

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

AI总结 本研究针对基础模型适配器开发有限样本谱秩验证框架，提出PEFT LoRA适配器的经验空工作流程，经26个公开适配器审计发现校准有效秩远小于名义秩，且能量保留与统计惊喜对应不同问题。

Comments 11 pages, 4 figures , KDD 2026 Workshop TensorKDD

AgentR A Stateful and Recovery-Aware Software Architecture for LLM-based Auditable Workflows

AgentR：面向基于大语言模型的可审计工作流的有状态且故障恢复感知的软件架构

Riya Samanta, Bidyut Saha, Soumya Kanti Ghosh, Rajkumar Buyya

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

AI总结 提出AgentR架构，以有状态设计结合异步编排与成本审计，实现LLM工作流的高可恢复性、可观测性与可审计性，原型在文献综述场景验证获99.2%作业完成率及最高4.3倍并行加速

Constraint-Aware Synthetic Tabular Data Generation via Inter-Column Constraint Discovery with LLM Agents

基于大语言模型智能体的列间约束发现的约束感知合成表格数据生成

Jianxing Zhao, Mao Guan, Dongyu Liu

机构 * University of California, Davis（加州大学戴维斯分校） 纠错

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

AI总结 该研究针对合成表格数据易违反领域约束的问题，提出基于大语言模型智能体的列间约束发现的统一工作流，结合后处理器修复输出，提升了约束合规性与下游效用。

Looks Can be Deceiving: Annotator and Reviewer Performance Across Imagery Sources in Crowd-Sourced Aerial Damage Assessment

表象可能具有欺骗性：众包航空损伤评估中不同影像来源下标注者与审核者的表现

Thomas Manzini, Priyankari Perali, Raisa Karnik, Stephen Johnson, Robin R. Murphy

机构 * Texas A&M University（德克萨斯农工大学） ； University of Maryland（马里兰大学） 纠错

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

AI总结 本文研究多源航空影像损伤评估的标注与审核表现，发现低分辨率影像标注分歧更高，为多源数据集构建提出三项建议。

Comments Accepted ACM HCOMP'26. 13 pages, 6 figures