AI Agent

LLM-Driven CI-CD Workflow Intelligence for Cyber Systems Engineering

面向网络系统工程的由大语言模型驱动的持续集成与持续交付工作流智能

Bonan Shen, Jiazhou Gao, Tao Ning, Wei-Jung Huang, Xin Liu

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 研究面向网络系统工程的CI/CD工作流智能，通过基于大语言模型的分析管道，结合多种方法处理大量GitHub库数据，发现问题并得出结果，强调CI/CD可观测性应结合诊断、上下文和人工审查。

One Image is All You Need: Agentic One-Shot Image Generation via Text-Based World Models for Long-Tail Spatial Perception

一图足矣：基于文本世界模型的智能体单样本图像生成用于长尾空间感知

Keqin Zeng, Shuting Su, Shihao Lin, Ziyue Li, Rui Zhao

机构 * Tsinghua University（清华大学） ； SenseTime Research（商汤科技研究院） ； Sun Yat-Sen University（中山大学） ； Technical University of Munich（慕尼黑工业大学） ； Heilbronn Data Science Center（海尔布隆数据科学中心） ； Munich Data Institute（慕尼黑数据研究所） 纠错

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

AI总结 提出WMGen-v1框架，利用单张参考图像通过LVLM构建结构化场景表示，LLM进行物理合理的场景扩展，再由扩散模型生成多样化的长尾训练数据，缓解空间感知中的数据稀缺问题。

PolicyGuard: Towards Test-time and Step-level Adversary (Backdoor) Defense for Reinforcement Learning Agent

PolicyGuard：面向强化学习智能体的测试时和步级对抗防御

Junfeng Guo Heng Huang

机构 * Computer Science, University of Maryland College Park, USA（计算机科学，马里兰大学学院市） 纠错

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

AI总结 提出PolicyGuard，一种基于高斯过程后验方差的测试时步级后门防御方法，通过自适应伪轨迹计算单步不确定性，在七种RL游戏中达到平均AUROC 0.856和0.859。

PseudoBench: Measuring How Agentic Auto-Research Fuels Pseudoscience

PseudoBench: 衡量自主研究如何助长伪科学

Xinyang Liao, Lingyu Li, Huacan Liu, Tianle Gu, Yang Yao, Tong Zhu, Yan Teng, Yingchun Wang

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Xi’an Jiao Tong University（西安交通大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 提出PseudoBench基准，通过200个伪科学声明-证据对评估AI代理识别和抵制伪科学的能力，发现当前系统极易生成有说服力的伪科学报告，拒绝率接近零。

Comments 26 pages, 21 figures

RollArt: Disaggregated Multi-Task Agentic RL Training at Scale

RollArt: 可分解的多任务智能体强化学习规模化训练

Wei Gao, Yuheng Zhao, Tianyuan Wu, Shaopan Xiong, Weixun Wang, Dakai An, Lunxi Cao, Dilxat Muhtar, Zichen Liu, Haizhou Zhao, Ju Huang, Siran Yang, Yongbin Li, Wenbo Su, Jiamang Wang, Lin Qu, Bo Zheng, Wei Wang

机构 * HKUST（香港科技大学） ； Alibaba Group（阿里巴巴集团） ； Tongyi Lab, Alibaba（阿里云实验室） 纠错

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

AI总结 提出RollArt系统，通过将强化学习流水线分解到异构硬件上，实现多任务智能体RL的高效训练，相比现有系统减少1.31-2.05倍训练时间。

Comments 19 pages, 15 figures

A fully GPU-based workflow for building physics emulators of hypersonic flows

基于全GPU工作流构建高超声速流物理仿真器

Fabian Paischer, Dylan Rubini, Deniz A. Bezgin, Aaron B. Buhendwa, David Hauser, Florian Sestak, Johannes Brandstetter, Sebastian Kaltenbach, Nikolaus A. Adams

机构 * TU Munich（慕尼黑工业大学） ； Institute for Machine Learning, JKU Linz（林茨约翰·开普勒大学机器学习研究所） ； ELLIS Unit（ELLIS单元） ； EMMI AI 纠错

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

AI总结 提出全GPU工作流，集成加速数据生成与不确定性量化增强的神经仿真器训练，通过可微求解器JAX-Fluids实现残差驱动改进，提升物理一致性并支持外推。

Comments First authors contributed equally

AeroSpectra Sentinel: An Auditable LLM Prompt-Chaining Decision-Support Workflow for Acute Asthma Risk Assessment from Respiratory Sounds and Clinical Signals

AeroSpectra Sentinel：一种用于从呼吸音和临床信号进行急性哮喘风险评估的可审计LLM提示链决策支持工作流

Aueaphum Aueawatthanaphisut

机构 * School of Information, Computer, and Communication Technology（信息、计算机与通信技术学院） ； Sirindhorn International Institute of Technology, Thammasat University（泰国朱拉隆梭国际技术学院） 纠错

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

AI总结 提出AeroSpectra Sentinel，结合STFT呼吸音分析、轻量ML筛查、临床特征融合和五阶段LLM提示链，实现可审计的急性哮喘风险评估，在公开数据集上验证了音频筛查和LLM工作流的有效性。

Comments 10 pages, 8 figures, 5 tables, 14 equations

LLM Agent-Assisted Reverse Engineering with Quantitative Readability Metrics

LLM 代理辅助逆向工程与定量可读性指标

Neil Archibald, Ruben Thijssen

机构 * University of Cambridge（剑桥大学） 纠错

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

AI总结 提出定量可读性分数（QRS）框架，结合结构相似性门控与三个可读性子指标，指导 LLM 代理提升反编译代码可读性，同时保持功能正确性。

Workflow Closure Is Not Scientific Closure in Auto-Research Systems

工作流闭环并非自动研究系统中的科学闭环

Shuai Wang, Xinyuan Tian, Pangpang Liu, Yize Zhao

机构 * Yale University（耶鲁大学） 纠错

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

AI总结 本文指出自动研究系统的工作流闭环不等于科学闭环，并提出通过非自主认知控制下的自主执行、避免目标塌陷、验证塌陷和接受塌陷等设计改进方案。

Comments 26 pages, 1 figure, 2 tables

Probing the Knowledge Boundary: An Interactive Agentic Framework for Deep Knowledge Extraction

探测知识边界：一种用于深度知识提取的交互式智能体框架

Yuheng Yang, Siqi Zhu, Tao Feng, Ge Liu, Jiaxuan You

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Westlake University（西交利物浦大学） 纠错

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

AI总结 提出一种交互式智能体框架，通过四种自适应探索策略和三级知识处理流水线，系统性地提取和量化大语言模型的知识，发现递归分类法最有效，并揭示了知识缩放定律、Pass@1与Pass@k的权衡以及训练数据对知识轮廓的影响。

Comments Homepage: https://ulab-uiuc.github.io/KnowledgeExtraction/

CADDesigner: Conceptual CAD Model Generation with a General-Purpose Agent

CADDesigner: 一种通用智能体的概念CAD模型生成

Fengxiao Fan, Jingzhe Ni, Xiaolong Yin, Sirui Wang, Xingyu Lu, Qiang Zou, Ruofeng Tong, Min Tang, Peng Du

机构 * Zhejiang University（浙江大学） 纠错

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

AI总结 本文提出CADDesigner，一种基于LLM的智能体，通过文本描述和草图输入，结合交互对话进行需求分析，生成高质量CAD模型代码，并通过迭代视觉反馈提升模型质量，实验表明其在概念CAD模型生成任务中表现优异。

LASER: Language Model Regression for Semi-Structured Workflow Resource and Runtime Estimation

LASER：用于半结构化工作流资源和运行时间估计的语言模型回归

Yuxuan Yin, Shengke Zhou, Yunjie Zhang, Ajay Mohindra, Boxun Xu, Peng Li

机构 * University of California, Santa Barbara（加州大学圣芭芭拉分校） 纠错

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

AI总结 本文提出LASER框架，通过微调LLM实现多目标资源和运行时间回归，采用科学计数法和约束解码提升预测精度与效率，验证表明其在大规模芯片设计任务和GHARuntime基准上优于人类专家和现有表格型ML方法。

Comments 20 pages, 7 figures

Agentic MIP Research: Accelerated Constraint Handler Generation

代理MIP研究：加速约束处理程序生成

Liding Xu, Yugeng Zhou, Sebastian Pokutta

机构 * Zuse Institute Berlin（柏林泽尼茨研究所） ； Technische Universität Berlin（柏林技术大学） 纠错

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

AI总结 本文提出一种基于代理的MIP研究框架，通过嵌入LLM代理生成、验证和评估SCIP求解器的插件，加速约束处理程序的开发。该框架在MIPLIB 2017基准上成功恢复了约束编程中的全局约束结构，并生成了可执行的约束检测器和仅传播的约束处理程序。

Pragmos: A Process Agentic Modeling System

Pragmos：一个过程代理建模系统

Pedro-Aarón Hernández-Ávalos, Luciano García-Bañuelos

机构 * Tecnologico de Monterrey（墨西哥技术学院） 纠错

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

AI总结 本文提出Pragmos系统，通过人机协作的交互流程，利用LLM与领域专家共同构建可解释的过程模型，解决复杂过程建模问题。

Comments 22 pages

Teaching an Agent to Sketch One Part at a Time

教代理分步绘制一部分

Xiaodan Du, Ruize Xu, David Yunis, Yael Vinker, Greg Shakhnarovich

机构 * TTI-Chicago（芝加哥大学技术研究所） ； University of Chicago（芝加哥大学） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） 纠错

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

AI总结 本文提出一种分步生成矢量草图的方法，通过多轮过程-奖励强化学习训练多模态语言模型代理，利用新数据集ControlSketch-Part实现可解释、可控且局部可编辑的文本到矢量草图生成。

Biomedical systems biology workflow orchestration and execution with PoSyMed

生物医学系统生物学工作流编排与执行与PoSyMed

Simon Süwer, Zoe Chervontseva, Kester Bagemihl, Jan Baumbach, Olga Tsoy, Andreas Maier

机构 * Institute for Computational Systems Biomedicine, University of Hamburg（计算系统生物医学研究所，汉堡大学） ； Faculty of Science, Computer Science, Vrije Universiteit Amsterdam（科学与计算机科学学院，阿姆斯特丹自由大学） ； Department for Mathematics and Computer Science, University of Southern Denmark（数学与计算机科学系，南丹麦大学） 纠错

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

AI总结 PoSyMed平台通过模块化架构和容器化流程，提升生物医学分析的可重复性与透明度，利用大语言模型辅助工具识别与参数设置。

DeepReviewer 2.0: A Traceable Agentic System for Auditable Scientific Peer Review

DeepReviewer 2.0：一个可追溯的代理系统用于可审计的科学同行评审

Yixuan Weng, Minjun Zhu, Qiujie Xie, Zhiyuan Ning, Shichen Li, Panzhong Lu, Zhen Lin, Enhao Gu, Qiyao Sun, Yue Zhang

机构 * Engineering School, Westlake University（西湖大学工学院） ； Zhejiang University（浙江大学） ； Soochow University（苏州大学） 纠错

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

AI总结 DeepReviewer 2.0通过可追溯的审查包和可执行的后续行动，提升同行评审的可审计性，其在134个提交中优于人类评审和现有自动系统。

LLM-Powered Workflow Optimization for Multidisciplinary Software Development: An Automotive Industry Case Study

基于大语言模型的多学科软件开发工作流优化：汽车工业案例研究

Shuai Wang, Yinan Yu, Earl Barr, Dhasarathy Parthasarathy

机构 * Chalmers University of Technology（查尔姆斯理工大学） ； University College London（伦敦大学学院） 纠错

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

AI总结 本文提出基于图的工作流优化方法，利用大语言模型替代手动协调，提升多学科软件开发效率，通过汽车行业案例验证，实现93.7%的F1分数，将API开发时间从5小时缩短至7分钟。

Comments Accepted to FSE 2026 Industrial Track

A Human-Centered Workflow for Using Large Language Models in Content Analysis

面向人类的大型语言模型在内容分析中的工作流程

Ivan Zupic

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

AI总结 本文提出了一种面向人类的大型语言模型在内容分析中的工作流程，涵盖注释、摘要和信息提取三个任务，强调通过API利用LLM的潜力，并提供验证方法和最佳实践以解决黑盒、提示敏感和幻觉等问题。

NetArena: Dynamic Benchmarks for AI Agents in Network Automation

NetArena：网络自动化中AI代理的动态基准测试

Yajie Zhou, Jiajun Ruan, Eric S. Wang, Sadjad Fouladi, Francis Y. Yan, Kevin Hsieh, Zaoxing Liu

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

AI总结 NetArena通过动态生成基准测试框架提升网络自动化中AI代理的可靠性，减少置信区间重叠，揭示更细致的行为特征，并支持SFT和RL微调。

ARL-Tangram: Unleash the Resource Efficiency in Agentic Reinforcement Learning

ARL-Tangram：释放代理强化学习中的资源效率

Bangjun Xiao, Yihao Zhao, Xiangwei Deng, Shihua Yu, Yuxing Xiang, Huaqiu Liu, Qiying Wang, Liang Zhao, Hailin Zhang, Xuanzhe Liu, Xin Jin, Fuli Luo

机构 * School of Computer Science, Peking University（北京大学计算机科学系） ； LLM-Core Xiaomi（小智LLM核心） 纠错

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

AI总结 ARL-Tangram通过动作级 orchestration 实现细粒度外部资源共享与弹性调度，提升代理强化学习的资源利用效率，实验表明其在平均动作完成时间、训练步长速度和外部资源节约方面均有显著提升。

Talk Freely, Execute Strictly: Schema-Gated Agentic AI for Flexible and Reproducible Scientific Workflows

自由交谈，严格执行：基于模式的代理AI用于灵活且可重复的科学工作流

Joel Strickland, Arjun Vijeta, Chris Moores, Oliwia Bodek, Bogdan Nenchev, Thomas Whitehead, Charles Phillips, Karl Tassenberg, Gareth Conduit, Ben Pellegrini

机构 * Intellegens, The Studio（Intellegens工作室） ； Cavendish Laboratory（卡文迪许实验室） 纠错

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

AI总结 本文提出基于模式的代理AI，通过分离对话和执行权限，解决科学工作流中灵活性与确定性的权衡问题。

REGAL: A Registry-Driven Architecture for Deterministic Grounding of Agentic AI in Enterprise Telemetry

REGAL：一种基于注册表的架构，用于企业遥测中代理AI的确定性接地

Yuvraj Agrawal

机构 * Adobe Inc.（Adobe公司） 纠错

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

AI总结 REGAL提出一种基于注册表的架构，用于企业遥测中代理AI的确定性接地，通过显式架构方法和语义编译提升确定性计算，解决LLM在私有遥测中的接地问题。

Operationalizing Longitudinal Causal Discovery Under Real-World Workflow Constraints

在现实工作流程约束下操作纵向因果发现

Tadahisa Okuda, Shohei Shimizu, Thong Pham, Tatsuyoshi Ikenoue, Shingo Fukuma

机构 * Kyoto University Graduate School of Medicine（京都大学医学研究科） ； SANKEN The University of Osaka（SANKEN 大阪大学） ； Faculty of Data Science Shiga University（Shiga大学数据科学学部） ； AIP RIKEN ； Faculty of Medicine, University of Miyazaki（Miyazaki大学医学部） ； Hiroshima University Graduate School of Biomedical and Health Sciences（广岛大学生物医学和健康科学研究生院） 纠错

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

AI总结 本文提出在现实工作流程约束下进行纵向因果发现的方法，通过工作流程诱导的约束类限制可接受的图空间，提升结构可解释性并实现可重复的因果发现。

Fairness-in-the-Workflow: How Machine Learning Practitioners at Big Tech Companies Approach Fairness in Recommender Systems

工作流中的公平性：大型科技公司机器学习实践者如何在推荐系统中处理公平性

Jing Nathan Yan, Emma Harvey, Junxiong Wang, Jeffrey M. Rzeszotarski, Allison Koenecke

机构 * Cornell University（康奈尔大学） ； Loyola University Maryland（洛约拉大学马里兰州） 纠错

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

AI总结 研究探讨了大型科技公司如何在推荐系统中处理公平性，识别了技术团队与法律、数据团队在公平性工作中的挑战，并提出可行的实践建议。

Comments CHI 2026

Workflow-Level Design Principles for Trustworthy GenAI in Automotive System Engineering

汽车系统工程中可信生成式人工智能的工作流级设计原则

Chih-Hong Cheng, Brian Hsuan-Cheng Liao, Adam Molin, Hasan Esen

机构 * Carl von Ossietzky University of Oldenburg（奥尔登堡卡尔·冯·奥西特齐克大学） ； DENSO AUTOMOTIVE 纠错

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

AI总结 本文提出可信生成式人工智能在汽车系统工程中工作流级设计原则，通过需求增量识别、SysML架构更新及可追溯测试保障安全关键系统工程的可信度。

Picking the Right Specialist: Attentive Neural Process-based Selection of Task-Specialized Models as Tools for Agentic Healthcare Systems

选择合适的专家：基于神经过程的注意力机制用于选择任务专用模型作为智能医疗系统工具

Pramit Saha, Joshua Strong, Mohammad Alsharid, Divyanshu Mishra, J. Alison Noble

机构 * Department of Engineering Science, University of Oxford, United Kingdom（牛津大学工程科学系） ； Department of Computer Science, Khalifa University, Abu Dhabi, United Arab Emirates（哈利法大学计算机科学系） 纠错

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

AI总结 本文提出ToolSelect，一种基于神经过程和注意力机制的模型选择方法，用于智能医疗系统中选择任务专用模型，通过实验展示其在不同任务上的优越性能。

AI Agents for Inventory Control: Human-LLM-OR Complementarity

面向库存控制的AI代理：人类-大语言模型-运筹学互补性

Jackie Baek, Yaopeng Fu, Will Ma, Tianyi Peng

机构 * Stern School of Business, New York University（纽约大学斯特恩商学院） ； Columbia University（哥伦比亚大学） ； Graduate School of Business and Data Science Institute, Columbia University（哥伦比亚大学商学院与数据科学研究院） 纠错

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

AI总结 本文研究了人类、大语言模型和运筹学算法在库存控制中的互补性，通过实验发现人机协作能提升利润，且大量个体从中受益。

Agentic Business Process Management Systems

代理业务流程管理系统

Marlon Dumas, Fredrik Milani, David Chapela-Campa

机构 * University of Tartu（塔尔图大学） 纠错

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

AI总结 本文提出了一种整合自主性、推理和学习的代理业务流程管理系统，利用流程挖掘技术实现数据驱动的业务流程管理，重新定义流程自动化和治理的边界。

Comments Presented at the BPM'2025 conference on Artificial Intelligence for Business Process Management (AI4BPM)

Curate-Train-Refine: A Closed-Loop Agentic Framework for Zero Shot Classification

Curate-Train-Refine: 一种闭环代理框架用于零样本分类

Gaurav Maheshwari, Kevin El Haddad

机构 * Diabolocom（迪波利科姆） ； University of Mons（蒙斯大学） 纠错

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

AI总结 Curate-Train-Refine通过LLM闭环生成和评估提升零样本分类效率与准确性。