AI Agent

Regimes: An Auditable, Held-Out-Gated Improvement Loop Demonstrated on LongMemEval with ActiveGraph

Regimes: 一种可审计的、保留验证集的改进循环——在ActiveGraph上的LongMemEval演示

Yohei Nakajima

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

AI总结 提出Regimes，一种基于事件溯源的可审计自主改进循环，通过ActiveGraph运行时实现故障记录、重放和保留集验证，在LongMemEval-S上提升0.05-0.10的准确率。

Comments 30 pages, 5 figures. Code and committed runs: https://github.com/yoheinakajima/regimes

(Auto)formalization is supposed to be easy: Trellis process semantics for spelling out rigorous proofs

(自动)形式化应该很简单：用于详细阐述严格证明的Trellis过程语义

Wesley Pegden

机构 * Department of Mathematical Sciences, Carnegie Mellon University（卡内基梅隆大学数学科学系） 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Trellis系统，通过确定性约束工作流和LLM代理迭代细化自然语言证明，实现Lean自动形式化，强调严格证明的可细化性。

Comments 15 pages, 7 figures, 5 tables

Context-Fractured Decomposition Attacks on Tool-Using LLM Agents: Exploiting Artifact Provenance Gaps

上下文碎片化解构攻击：利用工具使用LLM代理的工件来源鸿沟

Xiaofeng Lin, Yukai Yang, Daniel Guo, Sahil Arun Nale, Charles Fleming, Guang Cheng

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

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

AI总结 针对工具使用LLM代理，提出上下文碎片化解构（CFD）攻击，利用跨上下文工件来源鸿沟实现多步越狱，成功率提升高达28.3个百分点。

Data Agents Under Attack: Vulnerabilities in LLM-Driven Analytical Systems

数据代理遭受攻击：LLM驱动的分析系统中的漏洞

Kuncan Wang, Ziting Wang, Peizhuo Lv, Haoyang Li, Guoliang Li, Gao Cong, Wei Dong

机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； The Hong Kong Polytechnic University（香港理工大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本研究系统分析了LLM驱动的数据代理的安全漏洞，提出了分层漏洞框架和攻击分类法，并在六个系统上评估了攻击效果，揭示了当前系统的重大安全缺陷。

Koala Gripper: Co-designing Robotic Grippers and Data-Capture Devices for Scaling Dexterous Manipulation Learning

考拉夹持器：为扩展灵巧操作学习而协同设计机器人夹持器与数据采集装置

Amar Hajj-Ahmad, Zubin Kremer Guha, Tim Fofonoff, Zhi Ern Teoh, Ciarán T. O'Neill, Ben Thacher, Igor Fala, Vidullan Surendran, Murphy Wonsick, Peter Whitney, David Watkins

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

AI总结 本文提出协同设计框架，开发Koala Gripper系统，该系统兼具数据采集与机器人夹持器功能，可提升灵巧操作能力，经端到端管道验证能支持演示学习，助力扩展操作数据集规模。

Comments Paper website: this http URL (http://koalagripper.rai-inst.com) Paper video: this http URL (http://www.youtube.com/watch?v=ZoygFCWAVhg)

FAST-HEP: Compiling Declarative Analysis Workflows for High-Energy Physics and Beyond

FAST-HEP：为高能物理及其他领域编译声明式分析工作流

Luke Kreczko

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

AI总结 FAST-HEP的Flow引擎将声明式工作流语言、编译器与运行时结合，编译生成与后端无关的执行计划，支持模块化替换与溯源记录，为高能物理及其他领域提供透明可重复的工作流基础。

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。

MMUSV-Sim: A Perception-Oriented Simulation and Data-Generation Platform for Multi-USV Cooperative Perception

MMUSV-Sim：面向多无人水面艇协同感知的感知导向型仿真与数据生成平台

Ziao Li, Jianxiong Ye, Biao Tang, Leping Zhang, Kun Zuo, Siyu Huang, Chenqiang Gao

机构 * School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能工程学院） ； School of Intelligent Imagery Engineering, Beijing Film Academy（北京电影学院智能影像工程学院） 纠错

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

AI总结 该研究提出基于Unreal Engine 5和Project AirSim的MMUSV-Sim仿真与数据生成平台，用于多USV协同感知，实验表明其生成的数据集可使激光雷达协同BEV船舶检测的AP@0.5达72.74，显著优于单USV方案。

Explanatory Engagement Under Rare Anomalous Failure: Asymptotic Rarity in Model Behavior (or: The Asymptotic AI)

罕见异常失效下的解释性参与：模型行为中的渐近稀有性（或：渐近式AI）

Sam Mao

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

AI总结 本研究探究LLM在低可控失效概率工作流中，解释性参与度随失效渐近稀有性的变化，发现触发结构是关键调节变量，不同模型的异常识别与参与表现存在差异。

Comments 11 figures. Elicitation-condition sweep across three open-weight models (qwen3:8b, llama3.1:8b, mistral:7b); pipeline scripts and experimental data available upon reasonable request

Pipeline Denotational Design: Correct-by-Construction Data Pipelines at Zero Cost

管道指称设计：零成本的构造正确性数据管道

Nikos Karayannidis

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

AI总结 提出管道指称设计（PDD）方法论，在设计时零成本实现数据管道构造正确性，可验证 AI 生成管道的粒度一致性，已在生产工具链中实现并评估。

Comments Extended version of a work-in-progress paper; the experimental evaluation is in progress and will appear in a later revision. Builds on a companion grain theory paper, arXiv:2601.00995

Mirroring the Past: Exploring How Ancestral Digital Self Influences History Learning

镜像过去：探索祖先数字自我如何影响历史学习

Duo Gong, Fan Sun, Yucen Wang, Yufan Hu, Wen Zhong, Wei Zhang, Pengcheng An

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

AI总结 该研究针对历史学习中学习者与自身的疏离问题，提出AI生成的“祖先数字自我”教学智能体，经被试内研究发现其可提升体验性指标，但未改善即时学习结果，为相关教育环境设计提供启示。

Persistent Semantic Entities in Tool-Augmented LLM Systems

工具增强型大语言模型系统中的持久语义实体

Zhaohui Wang

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

AI总结 该研究定义工具增强型LLM系统的持久语义实体（PSEs），证实其在24款不同规模模型中普遍存在，偏好/指令污染难自校正，上下文隔离自验证可降低污染，为智能体系统安全提供关键发现。

Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026). Camera-ready version; 32 pages . The openreview url is https://openreview.net/forum?id=zPjmtawzT8&noteId=CXB95ws5so and ICML poster url is https://icml.cc/virtual/2026/poster/60521

A Challenge-Nonce Freshness Gap in Project Veraison's TPM Reference Schemes, Found by Appraising Application-Layer Action Evidence End-to-End

通过端到端评估应用层行动证据发现Project Veraison的TPM参考方案中存在的挑战随机数新鲜度缺口

Anton Sokolov

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

AI总结 本文发现Project Veraison的TPM参考方案存在挑战随机数新鲜度缺口，通过端到端测试验证修复方案，使重放Quote的评估结果变为否定，提升了RATS架构的安全性。

Comments 18 pages, 3 figures. Responsible disclosure: veraison/services#427, fixed in PR #432. Artifact and data: doi:10.5281/zenodo.20998730

The AnyLog Edge Data Fabric

AnyLog 边缘数据架构

Roy Shadmon, Mark Davidson, Eric Aquaronne, Massimiliano Pinto, Ori Shadmon, Moshe Shadmon

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

AI总结 本文提出 AnyLog 边缘数据架构，该基于智能体与边缘的平台可在源端管理运营数据，通过多项技术让用户无需知晓资源位置即可操作分布式资源，为分布式 SQL 等提供类云操作模式，无单点故障且不依赖集中式基础设施。

Comments Keywords: IoT Data Management, Edge Data Management, Edge Data Fabric, Distributed Query, Edge AI, P2P Data Layer, Decentralized Data Layer. 30 pages, 6 figures

OptGraph: Large Language Models Enhanced Evolutionary Optimization Via Graph Retrieval-Augmented Generation

OptGraph：基于图检索增强生成的大语言模型增强进化优化

Xianchao Xiu, Jianhao Li, Huangyue Chen, Wanquan Liu

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

AI总结 针对现有LLM自动化进化优化的局限，提出引入GraphRAG的OptGraph工作流，通过类型化图复用经验等方法，在基准数据集上较现有框架平均精确准确率提升8.9%。

Functionally Grading the Slicing Process by Compiling Design Intent into Slicer Projects

通过将设计意图编译到切片器项目中对切片过程进行功能分级

Charles Wade, Devon Beck, Robert MacCurdy

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

AI总结 研究如何对切片过程进行功能分级，核心方法是提出切片器项目编译的自动化工作流程，将异构隐式设计转换为切片器原生项目，主要贡献是通过示例展示该方法并开源实现，连接异构设计与切片器生态系统，助力功能分级FFF制造。

JarvisHub: An Open Harness for Canvas-Native Multimodal Creative Agents

JarvisHub：用于原生画布多模态创意智能体的开放框架

Yunlong Lin, Zixu Lin, Zhaohu Xing, Biqiang Li, Chenxin Li, Haonan Wang, Haitao Wu, Hengyu Liu, Jianghai Chen, Kaituo Feng, Kaixin Li, Shawn Chen, Shijue Huang, Sixiang Chen, Tsung-Yi Ho, Wenxuan Huang, Xiangyan Liu, Xiaomeng Hu, Xuanhua He, Yan Sun, Yunqing Zhao, Zhiqin Yang, Zehan Wang, Zhengyang Tang, Tianyu Pang, Xiangyu Yue

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

AI总结 研究针对创意人工智能从单步到多模态创作转变中现有系统不足的问题，引入JarvisHub框架，以可编辑画布为核心，通过三层架构让智能体实现持续、人工可控的创意自动化创作。

Comments 15 pages, 9 figures. Project page: https://www.jarvishub.site/ Code github: https://github.com/LYL1015/JarvisHub

From Obligation to Specification: A Survey on Validating EU AI Act Requirements in RE

从义务到规范：关于在需求工程中验证欧盟人工智能法案要求的调查

T. Y. Emmy Lai, Sven Giesselbach, Matthias Koch, Héctor Allende-Cid

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

AI总结 研究围绕欧盟人工智能法案生效后组织面临的新义务，通过混合方法探索性研究，评估组织准备及对大语言模型智能验证工具的看法，发现虽法案相关但结构化机制缺失，该工具在映射义务等方面有前景但需保障措施，还概述了闭环方法最低要求。

A Knowledge-Injection Framework for Zero-Shot Adaptation of LLMs to Delirium Prediction

一种用于将大语言模型零样本适应谵妄预测的知识注入框架

Jessica Sena, Shesadree Priyadarshani, Miguel Contreras, Bharat Gandhi, Scott Siegel, Subhash Nerella, Parisa Rashidi

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

AI总结 针对大语言模型零样本适应谵妄预测中领域知识不足问题，提出轻量级知识注入框架。在推理时用外部临床知识报告增强数据摘要，无需微调或检索。实验表明该方法能提升模型性能，缩小与前沿模型差距，且收益依赖临床意义内容。

Binding Drift in Multi-Step Tool-Augmented Agents

多步工具增强智能体中的绑定漂移

Rahul Suresh Babu, Shashank Indukuri

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

AI总结 研究多步工具增强智能体中实体绑定随时间的变化，区分绑定漂移与错误传播。通过实验发现实体锁定会放大错误操作，实用的重新验证器可减少错误，自然设置下基线智能体有漂移现象，且持久性和重新验证不可互换。

Comments 14 pages, 5 tables, 1 figure. Equal contribution by both authors. Code and data: https://github.com/shashank-indukuri/binding-drift

Evidence-in-the-Loop: Trace-Driven Optimization for Customer-Service LLM Agents

循证优化：面向客户服务语言模型代理的跟踪驱动优化

Chunming Wu, Dafei Qiu, Congde Yuan, Charles Quan, Jun Wu, Suipeng Li, Mo Wu, Gavin Xie, Hope Chen, Max Yao

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

AI总结 研究面向客户服务语言模型代理的优化，提出循证客户服务代理工作流程，通过多种技术构建证据，结合政策引导编排。贡献混合RAG证据构建、循证问题/行动决策、跟踪驱动的RAG和重排器改进三种部署模式。

EconCSLib: AI-Assisted Lean Formalization for Economics & Computation research

EconCSLib: 人工智能辅助的经济学与计算研究Lean形式化

Nikhil Garg

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

AI总结 提出EconCSLib，一个基于Lean 4的库和工作流，利用语言模型辅助形式化经济学与计算领域的研究论文，通过人-AI-Lean协作流程实现论文声明到形式化语句的翻译与验证。

Comments Accepted to EC'26 Workshop on AI-Driven Research in EconCS (AI-EconCS '26)

Agon: An Autonomous Large-Scale Omnidisciplinary Research System Built on Prompt Economy

Agon：基于提示经济学的自主大规模全学科研究系统

Youran Sun, Xingyu Ren, Chugang Yi, Jiaxuan Guo, Kejia Zhang, Jianda Du, Haizhao Yang

机构 * University of Maryland, College Park（马里兰大学 College Park 分校） ； The Chinese University of Hong Kong（香港中文大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 提出Agon研究编排系统，通过提示经济学循环实现大规模自主研究，将可验证任务自动化，不可验证判断留给人类，并分类了系统失败类型。

AI-Assisted Completion of CertiGC Proofs: An Experience Report

AI辅助完成CertiGC证明：经验报告

Shengyi Wang

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

AI总结 本文报告使用Codex辅助完成CertiGC垃圾收集器证明的经验，通过引入记录后向边不变量修复证明，并审计清理了过时条件。

Comments 14 pages

Autonomous Generation of Metamaterial Databases Based on Multimodal Agents

基于多模态代理的元材料数据库自主生成

Shilong Qin, Zhicai Yu, Xuan Zheng, Yan Zhang, Aodi Yang, Kezhan Zhao, Qi Cheng Chen, Jian Wei You, Tie Jun Cui

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

AI总结 提出MetaDataGenAgent多模态多代理框架，通过文献到仿真的自动化流程，从非结构化科学文献中提取并生成元材料结构-响应数据库，实现远场波束偏转、近场全息成像等功能。

Comments 18 pages, 5 figures

ICA Lens: Interpreting Language Models Without Training Another Dictionary

ICA Lens: 无需训练另一本词典即可解释语言模型

Sida Liu, Feijiang Han

机构 * Independent Researcher（独立研究员） ； 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、cs.CL、cs.LG

AI总结 提出ICALens，基于独立成分分析（ICA）高效提取语言模型表示中可解释方向，无需训练稀疏自编码器，在SAEBench上表现竞争力。

Comments Ongoing Project

Impacts of Histories and Models on LLM Grading: A Study in Advanced Software Engineering Courses

历史与模型对LLM评分的影响：高级软件工程课程研究

Qilin Zhou, Zhuo Wang, Yue Li, W. K. Chan

机构 * City University of Hong Kong（香港城市大学） 纠错

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

AI总结 针对研究生阅读报告评分负担重的问题，提出人机协同的LLM辅助评分流程，基于180份作业评估Grok和GPT的评分一致性与人类对齐，发现交互历史导致评分标准漂移，需特定操作缓解不公平。

Comments 5 pages, accepted by ISET 2026

Twelve quick tips for designing AI-driven HPC workflows

设计AI驱动的高性能计算工作流的十二条快速技巧

Jamie J. Alnasir

机构 * Department of Computer Science（计算机科学系） ； Royal Holloway University of London（伦敦皇家霍洛威大学） 纠错

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

AI总结 本文针对AI与HPC融合带来的新挑战，提出十二条实用技巧，涵盖容器化、作业数组、反馈循环和I/O优化，帮助设计高效、可扩展、可复现的AI驱动HPC工作流。

Comments 12 pages, 1 figure. Formatted using the bioRxiv LaTeX preprint style

IDDMBSE: Integrating Data-Driven and Model-Based Systems Engineering for Trusted Autonomous Cyber-Physical Systems

IDDMBSE：集成数据驱动和基于模型的系统工程用于可信自主网络物理系统

John S. Baras, Sai Sandeep Damera, Ryan Matheu, Clinton Enwerem, Praveen M. S. Kumar

机构 * Institute for Systems Research, University of Maryland, College Park（系统研究所，马里兰大学，College Park） 纠错

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

AI总结 提出IDDMBSE方法，将MBSE V流程与数据驱动循环结合，通过开源工具链PERFECT、TRADES-X和VERITAS实现，在自主地面机器人全生命周期验证其有效性。

Comments 9 pages, 11 figures. This work has been submitted to the IEEE for possible publication