Automated Data Readiness for Scientific AI
科学人工智能的自动化数据准备
机构 * ORNL（橡树岭国家实验室）
专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI
AI总结 研究针对科学数据集转化为AI训练数据的问题，提出REDI开源框架，经五阶段管道处理，配套工具自动化合规性与编目发布，贡献是跨域提供自动化数据准备，转化数据瓶颈。
AI 大模型
AI Agent
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
1. 工作流自动化 10492 篇
Attention Dynamics in Diffusion Models: A Visual Analytics Framework for Human-AI Collaboration
扩散模型中的注意力动态：用于人机协作的视觉分析框架
机构 * University of California, Santa Barbara（美国加利福尼亚大学圣巴巴拉分校）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI
AI总结 针对扩散模型语义结构难以解释问题，提出视觉分析框架，通过整合定量测度与数据驱动阶段识别，对注意力动态进行结构化分析，助力人机协作。
Mapping the maturation of TCM as an adjuvant to radiotherapy
将中医药作为放射治疗辅助手段的成熟度映射
机构 * Guangdong Provincial Laboratory of Traditional Chinese Medicine（广东省中医药实验室） ； Wenzhou Medical University（温州医科大学）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.CL
AI总结 本文通过分析69745篇文献，揭示了中医药作为放射治疗辅助手段的研究轨迹，发现其主题结构呈现专业化和潜在碎片化趋势，同时指出研究领域已趋于成熟并可能迎来新发展。
Out-of-Distribution Detection in Molecular Complexes via Diffusion Models for Irregular Graphs
通过不规则图的扩散模型进行分子复合物的分布外检测
机构 * Seminar for Applied Mathematics, Department of Mathematics and ETH AI Center, ETH Zurich（应用数学研讨会，数学系和ETH人工智能中心，瑞士苏黎世ETH学院） ； Institute for Computational Life Sciences, Zurich University of Applied Sciences（计算生命科学研究所，苏黎世应用科学大学） ； Department of Chemistry, Biochemistry and Pharmaceutical Sciences, University of Bern（化学、生物化学和药学系，伯尔尼大学）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG
AI总结 针对不规则3D图数据分布外检测难题，提出基于扩散模型的概率框架，统一处理坐标与特征，获自洽概率流ODE及典型性分数，验证其在蛋白-配体复合物上的有效性并给出多尺度轨迹统计信息。
A Practical Implementation of Customized Scrum-Based Agile Framework in Aerospace Software Development Under DO-178C Constraints
一种在DO-178C约束下定制化的Scrum-based敏捷框架的实用实现
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.SE
AI总结 本文提出一种适用于DO-178C合规安全关键航空航天软件开发的Scrum-based敏捷框架，通过多学科产品负责人模型、双合规性与功能性验收标准等改进，显著提升效率并保持合规性。
Fortifying Fully Convolutional Generative Adversarial Networks for Image Super-Resolution Using Divergence Measures
使用散度测度强化全卷积生成对抗网络用于图像超分辨率
机构 * Electronics and Communication Sciences Unit (ECSU), Dolby Laboratories, India（电子与通信科学单元（ECSU），多利贝实验室，印度） ； Statistics and Mathematics Unit (SMU), Indian Statistical Institute, Kolkata, India（统计与数学单元（SMU），印度统计研究所，加尔各答，印度）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG
AI总结 提出基于全卷积生成对抗网络的超分辨率生成器SuRGe，用可学习凸权重组合不同深度卷积特征，采用JS和GW损失辅助生成器，用带梯度惩罚的Wasserstein损失训练判别器，在多数据集上性能优于28种方法。
Collaborative Disagreement Resolution for Scalable Oversight
协作分歧解决实现可扩展监督
机构 * Microsoft（微软） ； Duke University（杜克大学）
专题命中 工作流自动化 ：AI agent(abstract)；分类 cs.AI
AI总结 提出协作分歧解决范式，通过引导AI模型协作识别分歧、检验证据并达成共识，替代对抗性辩论，使非专家模型判断准确率达62.1%。
Comments 27 pages, 6 figures. Accepted to ICML 2026. Codebase link: https://github.com/ChicagoHAI/collaborative-dr.git
A Practice Auditing Framework for Large Language Model Use: Collective Empiricism, Pseudo-Rational Cognition, and Governance of AI-Generated Content
大型语言模型使用的实践审计框架：集体经验主义、伪理性认知与AI生成内容治理
机构 * School of Information and Electronics, Beijing Institute of Technology（信息与电子学院，北京理工大学）
专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI
AI总结 提出实践审计框架，通过集体经验主义和伪理性认知概念分析LLM使用中的认知风险，并设计基于需求定义、证据审计等步骤的治理流程。
Comments English manuscript. 2 tables, 17 references
Grounded autonomous research: a fault-tolerant LLM pipeline from corpus to manuscript in frontier computational physics
基于语料库的前沿计算物理容错LLM流水线：从语料到论文的自主研究
机构 * Princeton University（普林斯顿大学）
专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI
AI总结 提出一个端到端LLM流水线，从11,083篇arXiv论文语料库出发，自主完成前沿计算物理研究，包括构思方向、复现文献、第一性原理计算和撰写论文，通过冗余设计实现容错。
Comments 39 pages, 5 figures. Accepted at the ICML 2026 AI for Science Workshop (https://openreview.net/forum?id=R5YXaPgUAx). Includes the pipeline-generated companion physics manuscript as an appendix. Data and scaffolding archive: https://doi.org/10.5281/zenodo.21126996
Q-GAIN: A Python Package for Machine Learning and Physically Informed Analysis Applications
Q-GAIN：用于机器学习和物理信息分析应用的Python包
机构 * National Institute of Standards and Technology（国家标准与技术研究院） ； Joint Quantum Institute and University of Maryland（联合量子研究所和马里兰大学） ； Department of Physics and Astronomy（物理与天文学系） ； Joint Center for Quantum Information and Computer Science（联合量子信息与计算机科学中心）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG
AI总结 介绍Q-GAIN Python包，它通过模块化工作流实现冷原子实验中的机器学习分类、目标检测和物理信息特征识别，并演示了三个任务：MNIST分类、孤子检测和涡旋识别。
Comments Submission to SciPost, 20 pages with 4 figures
AthDGC: An Open Diachronic Greek Treebank with Indo-European Parallels
AthDGC：一个开放的历时希腊语树库及其印欧语平行语料
机构 * National and Kapodistrian University of Athens（国家与kapodistrian大学）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.CL
AI总结 提出首个跨越八个历时时期的开放许可依存句法树库，采用统一PROIEL XML 2.0模式，并与拉丁语、哥特语等印欧语进行跨对齐。
Comments v2: textual cleanup of v1, plus extended contemporary Modern Greek coverage by adding the openly licensed plenary proceedings of the Hellenic Parliament (Vouli ton Ellinon, hellenicparliament.gr, 2015 to 2026) as a public-domain source in the per-period source map. Per-period counts remain deferred to the v0.5 release.Concept DOI: 10.5281/zenodo.20439182. Companion site: https://athdgc.github.io
Simulating Validity: Modal Decoupling in MLLM Generated Feedback on Science Drawings
模拟有效性：在MLLM生成的科学图表反馈中的模态解耦
机构 * University of Georgia, AI4STEM Education Center（佐治亚大学AI4STEM教育中心） ； Gazi University, Department of Mathematics and Science Education（加齐大学数学与科学教育系）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI
AI总结 研究探讨了多模态大语言模型生成的科学图表反馈中模态解耦问题，发现反馈常存在 grounding 失败，表明需超越常规提示策略的 grounding 机制。
Comments Accepted as AIED Short Paper 2026, Seoul, South Korea. Submission #1147. This is the long paper version
Stabilising Generative Models of Attitude Change
使态度变化生成模型稳定
机构 * University of Toronto（多伦多大学） ； Caltech（加州理工学院） ； Gibran AI
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI
AI总结 本文提出基于演员的生成模型工作流，利用Concordia库将态度变化理论转化为可运行的演员-环境模拟，并通过实验验证其稳定性，揭示了理论描述的不足与稳定化过程的重要性。
Comments 46 pages, 8 figures, 1 table
Interact3D: Compositional 3D Generation of Interactive Objects
Interact3D: 交互式物体的组合3D生成
机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Westlake University（西湖大学） ； Adobe ； Fudan University（复旦大学）
专题命中 工作流自动化 ：agentic(abstract)；分类 cs.AI
AI总结 提出Interact3D框架，通过统一3D引导场景、两阶段组合流水线（全局到局部几何对齐和基于SDF的优化）以及闭环智能体修正策略，从单张图像生成物理合理的交互式3D组合物体，解决遮挡和空间关系保持问题。
Comments Accepted to ECCV 2026
OpFML: Pipeline for ML-based Operational Inference
OpFML：基于机器学习的业务推理管道
机构 * CMCC Foundation - Euro-Mediterranean Center on Climate Change（CMCC基金会 - 欧洲地中海气候变化中心） ； Columbia University, Department of Earth and Environmental Engineering（哥伦比亚大学地球与环境工程系）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG
AI总结 提出OpFML管道，整合数据消费、应急处理、预处理和模型推理四步，消除部署样板代码，用于气候与地球科学模型的业务化推理。
Comments 7 pages, 2 figures, 2 tables
Surrogate-Gated Generation and Foundation-Model Embeddings for Bayesian Materials Design
用于贝叶斯材料设计的代理门控生成与基础模型嵌入
机构 * Texas A&M University（德克萨斯A&M大学） ； Max-Planck-Institute for Sustainable Materials（马克斯·普朗克可持续材料研究所） ； Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI
AI总结 提出一种代理门控生成方法，利用高斯过程代理对扩散先验生成的晶体结构进行排序筛选，在固定预算下匹配或超越无门控微调性能，并识别出ORB嵌入与高斯过程为最可靠的代理组合。
Intrinsic decomposition and editing of 3D Gaussian splats
3D高斯散点的本征分解与编辑
机构 * Inria, Université Côte d’Azur（法国国家信息与自动化研究所，蔚蓝海岸大学） ； Cambridge University（剑桥大学）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI
AI总结 提出将本征分解扩展到高斯散点辐射场的方法，通过独立高斯基元、数据驱动优化和单图纹理编辑实现场景的材质与光照分离及编辑。
Comments 18 pages
Journal ref Proc. ACM Comput. Graph. Interact. Tech. 9, 1, Article 10 (May 2026), 18 pages
Automating Cause-Effect Specification with Knowledge Graphs and Large Language Models
利用知识图谱和大语言模型自动化因果规范生成
机构 * Autonomous Industrial Systems Lab, Imperial College London（帝国理工学院自主工业系统实验室）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI
AI总结 提出一种语义AI框架，结合知识图谱与约束大语言模型，自动生成因果逻辑和操作安全叙述，减少手动工作。
ElemeNet: Multiscale Molecular Machine Learning with Uncertainty Quantification Across the Periodic Table
ElemeNet：跨周期表的多尺度分子机器学习与不确定性量化
机构 * Department of Chemical Engineering, Massachusetts Institute of Technology（麻省理工学院化学工程系） ； Center for Computational Science and Engineering, Massachusetts Institute of Technology（麻省理工学院计算科学与工程中心） ； Institute for Theoretical Chemistry, University of Stuttgart（斯图加特大学理论化学研究所） ； Institute for Artificial Intelligence, University of Stuttgart（斯图加特大学人工智能研究所） ； Department of Chemistry, Massachusetts Institute of Technology（麻省理工学院化学系）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG
AI总结 提出统一软件包ElemeNet，支持元素1-100的分子表示，集成E(3)-等变和Transformer架构，内置不确定性量化，在有机、无机、配位和生物化学数据集上达到竞争性或最优性能。
Meta-Programming for Linear-time Temporal Answer Set Programming
线性时态回答集编程的元编程
机构 * University of Potsdam, Germany（波恩大学）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI
AI总结 提出一种统一的元编程框架，通过扩展clingo的理论语法并引入转换管道保护嵌套模态，实现了对多种线性时态逻辑（TEL、MEL、DEL）的语义操作化，并开发了metasp系统。
Nazrin: An Atomic Neural Proof Automation Tactic in Lean 4
Nazrin: Lean 4中的原子神经证明自动化策略
机构 * Stanford University（斯坦福大学） ； Northeastern University（东北大学）
专题命中 工作流自动化 ：agent(abstract)；分类 cs.LG
AI总结 提出原子策略集、转置原子化算法、ExprGraph数据结构和基于图神经网络的Nazrin证明器，通过仅调度原子策略克服现有证明代理的挑战，并在消费级硬件上训练和评估。
Comments 16 pages, 10 figures
Factorizable Normalizing Flows for parameter-dependent density morphing
可分解归一化流用于参数依赖的密度变形
机构 * Institute for Particle Physics and Astrophysics, D-PHYS, ETH Zurich（粒子物理与天体物理学研究所，D-PHYS，苏黎世联邦理工学院）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG
AI总结 提出可分解归一化流(FNFs)，通过参数多项式分解学习参数依赖密度变形，实现线性扩展和可解释性，适用于高能物理等领域的连续密度变形。
Comments 14 pages, 8 figures. Code: https://doi.org/10.5281/zenodo.21011625
SemJoin: Semantic Join Optimization
SemJoin: 语义连接优化
机构 * Purdue University（普渡大学）
专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI
AI总结 提出基于LLM代理的决策管道，通过聚类连接或分类器策略动态优化语义连接执行，在三个数据集上F1分数比ABJ高20-33点，且token成本更低。
Comments 7 pages, submitted to VLDB 2026 Workshop: NOVAS
Spatio-temporal probabilistic forecast using MMAF-guided learning
基于MMAF引导学习的时空概率预测
机构 * TU Chemnitz, Faculty of Mathematics（图恩-切姆尼茨大学数学系）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG
AI总结 本文提出一种理论引导的广义贝叶斯方法，用于训练随机前馈神经网络 ensemble，通过约束数据嵌入设计和优化过程，实现时空奥斯特瓦尔德过程的依赖性和因果结构。实验表明，该方法在多个时间尺度上保持校准，并展示浅层前馈架构在概率预测中可媲美甚至优于卷积或扩散深度学习架构。
Synthetic Interaction Data for Scalable Personalization in Large Language Models
用于大规模语言模型可扩展个性化的人工交互数据
机构 * Munich Center for Machine Learning & LMU Munich（慕尼黑机器学习中心及慕尼黑大学） ； University of Notre Dame（诺特尔大学） ； Sichuan University（四川大学）
专题命中 工作流自动化 ：agentic(abstract)；分类 cs.LG
AI总结 本文提出PersonaGym框架生成高质量合成数据，开发PPOpt方法优化用户提示，提升个性化性能与鲁棒性。
Large Language Models for Security Operations Centers: A Comprehensive Survey
面向安全运营中心的大型语言模型：全面综述
机构 * University of Guilan（吉兰大学）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI
AI总结 本文综述了将生成式AI，特别是大型语言模型应用于安全运营中心的工作流程，探讨其能力、挑战及未来方向，为研究人员和运营管理者提供当前状态的全面视角。
Journal ref Journal of Electrical and Computer Engineering, 2026, 3383674 (2026)
OptiMUS-0.3: Using Large Language Models to Model and Solve Optimization Problems at Scale
OptiMUS-0.3：利用大语言模型在大规模范围内建模和解决优化问题
机构 * School of Management Science and Engineering, Stanford University（斯坦福大学管理科学与工程学院） ； Institute for Computational and Mathematical Engineering, Stanford University（斯坦福大学计算与数学工程研究所）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI
AI总结 本文提出OptiMUS-0.3系统，通过大语言模型自动建模和解决线性规划问题，提升优化工具的实用性与效率，实验证明其在易实例和实际案例中表现优异。
Comments This paper documents OptiMUS-0.3, improving on OptiMUS-0.1 (arXiv:2310.06116) and OptiMUS-0.2 (arXiv:2402.10172). arXiv admin note: text overlap with arXiv:2402.10172
CANNs: A Toolkit for Research on Continuous Attractor Neural Networks
CANNs：连续吸引子神经网络研究工具包
机构 * School of Psychological and Cognitive Sciences, Peking–Tsinghua Center for Life Sciences, PKU-IDG/McGovern Institute for Brain Research, Center of Quantitative Biology（心理与认知科学学院，北京清华大学生命科学中心，北京大学IDG/麦克戈文脑科学研究院，定量生物学中心）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG
AI总结 提出统一连续吸引子神经网络（CANN）研究流程的开源工具包，包含Python库、Rust加速后端和吸引子结构分析器，支持从仿真到实验数据分析的完整工作流。
Comments Code: https://github.com/Routhleck/canns ; Rust backend: https://github.com/Routhleck/canns-lib
Active-learning mapping of the Vicsek model phase diagram
用机器学习映射Vicsek模型的相图
机构 * Thomas Jefferson High School for Science and Technology（泰勒斯杰斐逊科学与技术高中） ； Department of Physics, University of Virginia, Charlottesville, Virginia 22904, USA（弗吉尼亚大学物理系，夏洛茨维尔，弗吉尼亚州，22904，美国）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG
AI总结 本文利用机器学习对Vicsek群体运动模型在三维参数空间(η,ρ,v_0)中的相结构进行分类和插值，通过聚类分析构建相图并提升分类精度。
Comments 12 pages, 8 figures
Decentralized Orchestration Architecture for Fluid Computing: A Secure Distributed AI Use Case
去中心化编排架构用于流计算：一个安全的分布式AI应用案例
机构 * atlanTTic Research Center – ICLAB – Universidade de Vigo（atlanTTic研究所以及ICLAB – 维戈大学）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG
AI总结 本文提出一种去中心化多域编排架构，用于流计算环境，支持多域协同部署，确保端到端放置和执行。通过引入FU-HST机制提升对抗鲁棒性，验证了多域联邦学习在拜占庭威胁下的性能。
Comments 19 pages, 9 figures and 1 table
Journal ref Computer Networks, Volume 284 (2026) 112369
