AI Agent

Automated ultrasound doppler angle estimation using deep learning

基于深度学习的自动化超声多普勒角度估计

Nilesh Patil, Ajay Anand

机构 * Goergen Institute for Data Science（戈尔根数据科学研究所） ； University of Rochester Medical Center（罗切斯特大学医学中心） ； University of Rochester（罗切斯特大学） 纠错

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

AI总结 提出一种基于深度学习的自动化多普勒角度估计方法，使用2100张颈动脉超声图像及预训练模型，平均绝对误差3.9°-9.4°，最佳模型误差低于临床可接受阈值，可避免正常速度误判为狭窄。

Journal ref Annu Int Conf IEEE Eng Med Biol Soc. 2019 Jul;2019:28-31

MedFeat: Model-Aware and Explainability-Driven Feature Engineering with LLMs for Clinical Tabular Prediction

MedFeat: 基于模型感知与可解释性驱动的LLM特征工程用于临床表格预测

Zizheng Zhang, Yiming Li, Justin Xu, Jinyu Wang, Rui Wang, Lei Song, Jiang Bian, David W Eyre, Jingjing Fu

机构 * Microsoft Research（微软研究院） ； University of Oxford（牛津大学） 纠错

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

AI总结 提出MedFeat框架，利用模型感知和特征重要性信号迭代引导LLM生成针对性特征，在临床表格预测中平均提升超10%。

SCOPE: Sequential Causal Optimization of Process Interventions

SCOPE: 过程干预的顺序因果优化

Jakob De Moor, Hans Weytjens, Johannes De Smedt, Jochen De Weerdt

机构 * Research Centre for Information Systems Engineering (LIRIS), KU Leuven, Leuven, Belgium（信息系统工程研究中心（LIRIS），鲁汶大学，比利时列文） ； School of Computation, Information and Technology, Technical University of Munich (TUM), Munich, Germany（计算、信息与技术学院，慕尼黑技术大学（TUM），德国慕尼黑） 纠错

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

AI总结 提出SCOPE方法，通过反向归纳和因果学习直接利用观测数据，优化业务流程中顺序干预的KPI，优于现有方法。

MOOSE-Copilot: A Web-Based Interactive Assistant for Unified Exploratory and Fine-Grained Scientific Hypothesis Discovery

MOOSE-Copilot：一个基于网络的交互式助手，用于统一探索性和细粒度科学假设发现

Hongran An, Zonglin Yang

机构 * Central Conservatory of Music（中央音乐学院） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 提出MOOSE-Copilot，通过形式化的人机交互协议，将发散性探索和收敛性细化统一，利用蓝图、路由和反馈三种信号引导生成，显著优于纯自主基线。

Comments Accepted to ACL 2026 (System Demonstrations)

Towards Automated Kernel Generation in the Era of LLMs

面向LLM时代的自动化内核生成

Yang Yu, Peiyu Zang, Chi Hsu Tsai, Haiming Wu, Yixin Shen, Jialing Zhang, Haoyu Wang, Zhiyou Xiao, Jingze Shi, Yuyu Luo, Wentao Zhang, Chunlei Men, Guang Liu, Yonghua Lin

机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Beijing Normal University（北京师范大学） ； Peking University（北京大学） ； Beijing Institute of Technology（北京理工大学） ； Cornell University（康奈尔大学） ； Beijing Jiaotong University（北京交通大学） ； Renmin University of China（中国人民大学） ； Hong Kong University of Science and Technology (Guangzhou)（广州科技大学） 纠错

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

AI总结 本文综述了利用大语言模型（LLM）和智能体系统自动化生成与优化GPU内核的方法，系统梳理了现有方法、数据集和基准，并指出了未来研究方向。

Comments In IJCAI 2026. 9 pages, 1 figure

ArkEval: Benchmarking and Evaluating Automated CodeRepair for ArkTS

ArkEval: 对ArkTS自动代码修复的基准测试与评估

Bang Xie, Senjian Zhang, Zhiyuan Peng, Wei Chen, Chenhao Ying, Yuan Luo

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

AI总结 ArkEval为ArkTS自动代码修复提供首个全面基准，通过挖掘官方仓库问题并采用LLM测试机制，评估了四种先进模型的修复能力，揭示了LLM在该领域的现状与局限。

WaveVerif: Acoustic Side-Channel based Verification of Robotic Workflows

WaveVerif：基于声学侧信道的机器人工作流验证

Zeynep Yasemin Erdogan, Shishir Nagaraja, Chuadhry Mujeeb Ahmed, Ryan Shah

机构 * Newcastle University（新castle大学） 纠错

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

AI总结 该研究提出WaveVerif框架，利用声学侧信道分析开发机器学习验证系统，可实时低成本无源验证机器人工作流，准确率超80%且无需硬件修改。

Comments 11 pages, 3 figures, Corresponding Author: Zeynep Yasemin Erdogan (z.y.erdogan2@newcastle.ac.uk)

ChannelFlow-Tools: A Configuration-Driven Pipeline for Generating Machine-Learning-Ready Datasets of 3D Obstructed Channel Flows

ChannelFlow-Tools：一种用于生成可直接用于机器学习的三维受阻通道流数据集的配置驱动型流水线

Shubham Kavane, Lukas Schröder, Kajol Kulkarni, Fernando Gonzalez, Harald Koestler

机构 * Chair of System Simulation（系统仿真教授职位） ； Friedrich Alexander University Erlangen-Nuremberg Germany（埃朗根-纽伦堡弗里德里希-亚历山大大学） 纠错

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

AI总结 ChannelFlow-Tools是开源配置驱动流水线，可生成三维受阻通道流的ML-ready数据集，经多维度评估验证，用其生成的450次模拟数据集训练的代理模型表现良好，为CFD代理模型基准测试提供了可共享基础设施。

Data-knowledge dual-driven intelligent framework for full-chain, experiment-efficient synthesis of 2D dendrites

机器智能支持二维树突合成的全流程

Wenqiang Huang, Xuhang Gu, Susu Fang, Shen'ao Xue, Huanhuan Xing, Junjie Jiang, Junying Zhang, Shen Zhou, Zheng Luo, Jin Zhang, Fangping Ouyang, Shanshan Wang

机构 * School of Physics, Hunan Key Laboratory for Super-Microstructure and Ultrafast Process, and Hunan Key Laboratory of Nanophotonics and Devices, Central South University（物理学院，湖南超级微结构与超快工艺重点实验室，湖南纳米光子学与器件重点实验室，中南大学） ； College of Aerospace Science and Engineering, National University of Defense Technology（航空科学与工程学院，国防科技大学） ； School of Advanced Materials, Guangdong Provincial Key Laboratory of Nano-Micro Materials Research, Peking University Shenzhen Graduate School（先进材料学院，广东省纳米-微米材料研究重点实验室，北京大学深圳研究生院） ； College of Science, National University of Defense Technology（科学学院，国防科技大学） ； School of Physics and Technology, and Xinjiang Key Laboratory of Solid-State Physics and Devices, Xinjiang University（物理与技术学院，新疆固态物理与器件重点实验室，新疆大学） ； State Key Laboratory of Powder Metallurgy, and Powder Metallurgy Research Institute, Central South University（粉末冶金国家重点实验室，中南大学粉末冶金研究所） 纠错

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

AI总结 本文提出基于机器学习的材料合成全流程框架，通过主动学习优化实验参数，结合数据增强策略提升预测精度，并构建双驱动机制模型揭示多参数对产物形态的协同作用。

Comments 57 pages, 30 figures

Journal ref Science Bulletin (2026)

Making AI-Generated Feedback Matter: A Large-Scale Study of Feedback Workflows and Student Enactment

让AI生成的反馈发挥作用：从提供到学生执行

Omar Alsaiari, Nilufar Baghaei, Jason M. Lodge, Dragan Gaševi'c, Naomi Winstone, Hassan Khosravi

机构 * The University of Queensland（昆士兰大学） ； University of Surrey（萨里大学） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 该研究通过13037名学生的大规模准实验，发现主动构建的AI反馈执行工作流可显著提升学生对AI反馈的接受度、自我评估信心及作品质量，强调需设计针对性AI反馈工作流。

AIFS-TC: A simple correction competitive with the operational frontier for tropical cyclone intensity forecasting

AIFS-TC：一种可与业务前沿水平媲美的热带气旋强度预报简单修正方法

Anna Allen, Wessel P. Bruinsma, Michael Maier-Gerber, Harrison Cook, Matthew Chantry, Richard E. Turner

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

AI总结 该研究提出AIFS-TC修正方法，基于开源AIFS-Single模型，可在12小时至7天时效内媲美业务前沿的热带气旋强度预报性能，且由Claude Fable 5自主设计，凸显智能体编码在预警系统研发中的潜力。

Comments 6 pages, 5 figures, 2 tables

Are Production Cloud Skills Adequately Tested? Measuring and Governing Skill Test Adequacy in Practice

生产云技能是否得到充分测试？在实践中衡量和管理技能测试覆盖率

Haotian Si, Junyi Chen, Shuyang Yu, Ruifeng Nie, Jiate Li, Jianqiang Zhao, Meng Li, Dengcheng He

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

AI总结 研究生产云技能测试覆盖率问题，开发测量管道恢复操作义务、映射测试用例并生成覆盖报告，结合模型辅助与专家评审确保覆盖率基于证据，将覆盖差距转化为测试改进建议。

Field-Localized Forgery Detection for Digital Identity Documents

用于数字身份文档的字段局部伪造检测

Abhishek Kumar, Riya Tapwal, Carsten Maple, Mark Hooper

机构 * The Alan Turing Institute（艾伦·图灵研究所） ； IIT Mandi（曼迪理工学院） 纠错

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

AI总结 本文提出FLiD框架，通过局部化关键身份字段来检测伪造，实现高准确率和低计算开销。

Demystifying Prediction Powered Inference

解开预测驱动推断之谜

Yilin Song, Dan M. Kluger, Harsh Parikh, Tian Gu

机构 * Department of Biostatistics, Columbia Mailman School of Public Health（哥伦比亚大学生物统计学系、哥伦比亚大学马利曼公共卫生学院） ； Institute for Data, Systems, and Society, Massachusetts Institute of Technology（麻省理工学院数据、系统和社会研究所） ； Department of Biostatistics, Yale School of Public Health（耶鲁大学生物统计学系） 纠错

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

AI总结 本文通过整合PPI的理论基础和方法学扩展，提供统一的实用工作流程，帮助研究人员负责任地应用预测驱动推断。

Comments updated manuscript

Efficient identification of critical regions via Flow Matching-based Monte Carlo initialization

通过流匹配高效识别临界转变：一种可扩展的生成方法用于多体系统

Qian-Rui Lee, Daw-Wei Wang

机构 * Physics Department, National Tsing Hua University（国立清华大学物理系） ； Center for Theory and Computation, National Tsing Hua University（国立清华大学理论与计算中心） ； Center for Quantum Technology, National Tsing Hua University（国立清华大学量子技术中心） 纠错

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

AI总结 通过流匹配方法高效识别多体系统临界转变，实现大规模计算物理中的快速预测与高保真度初始化。

Comments 31 pages, 22 figures

SIP: Site in Pieces- A Dataset of Disaggregated Construction-Phase 3D Scans for Semantic Segmentation and Scene Understanding

SIP: 构建阶段碎片化3D扫描数据集——用于语义分割和场景理解

Seongyong Kim, Yong Kwon Cho

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

AI总结 SIP数据集通过碎片化3D扫描反映施工现场实际约束，为建筑场景的语义分割和理解提供高质量基准数据。

Deterministic Preprocessing and Interpretable Fuzzy Banding for Cost-per-Student Reporting from Extracted Records

确定性预处理和可解释的模糊带分析用于从提取记录中生成的每生成本报告

Shane Lee, Stella Ng

机构 * School of Computer Science, University of Technology Sydney（悉尼技术大学计算机科学学院） ； Management Discipline Group, University of Technology Sydney（悉尼技术大学管理学科组） 纠错

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

AI总结 该研究提出了一种确定性预处理和可解释模糊带分析方法，用于从提取记录中生成每生成本报告，通过规则主导的工作流和确定性计算实现可解释的决策支持。

Comments The authors are withdrawing this preprint because further review identified that the analysis and interpretation are insufficiently developed to support the paper in its current form. The authors do not wish readers to rely on this version

Defining Energy Indicators for Impact Identification on Aerospace Composites: A Structured Feature Selection Approach Guided by Domain Knowledge

定义航空复合材料冲击识别的能量指标：一种由领域知识指导的结构化特征选择方法

Natália Ribeiro Marinho, Richard Loendersloot, Frank Grooteman, Jan Willem Wiegman, Uraz Odyurt, Tiedo Tinga

机构 * Department of Mechanics of Solids, Surfaces and Systems, Dynamics Based Maintenance (DBM) Group, University of Twente（固体力学、表面与系统部门，基于动态的维护（DBM）小组，特文特大学） ； Department of Aerospace Vehicles Integrity and Life Cycle Support (AVIL), Royal Netherlands Aerospace Centre（航空器完整性与生命周期支持（AVIL）部门，荷兰皇家航空研究中心） 纠错

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

AI总结 本研究提出一种由领域知识指导的结构化特征选择方法，构建能量指标作为全连接神经网络输入，使航空复合材料冲击识别的预测误差较传统方法降低三分之一，提升了可解释性与诊断置信度。

Comments revised framing from physics-informed to structured feature selection guided by domain knowledge, with greater emphasis on the link to impact dynamics; strengthened comparison with black-box CNN on traceability, interpretability, and model validation; results unchanged

EviGraph: Evidence-Guided Autonomous Research Agents

EviGraph：证据引导的自主研究智能体

Zhenjiang Ren, Ruiji Li, Xujing Zhang, Ziliang Pang, Shuo Ren, Jiajun Zhang

专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI

AI总结 EviGraph是一种自主研究框架，通过证据图维护研究状态，修复证据链问题，在ARC-Bench-ML和NanoResearch-20上优于基线，提升了主张支持率和实验数据一致性。

Comments 23 pages,2 figures

SkillCorpus: Consolidating and Evaluating the Open Skill Ecosystem for Real-World LLM Agents

SkillCorpus：整合与评估面向现实世界大语言模型智能体的开放技能生态系统

Yanze Wang, Pengfei Yao, Tianyi Sun, Chuanrui Hu, Yan Xiao, Xiaotian Luo, Yunyun Han, Yifan Chen, Jun Sun, Yafeng Deng

专题命中 工作流自动化 ：agent(abstract)；分类 cs.CL

AI总结 研究针对大语言模型智能体技能文件碎片化等问题，提出SkillCorpus框架，通过多阶段管道过滤技能并与检索选择堆栈配对，经多基准端到端评估，整合该框架能带来一致收益，明确了其对实际智能体任务的作用边界。

Behavioral Canaries: Auditing Private Retrieved Context Usage in RL Fine-Tuning

行为 Canary：在 RL 微调中审计私有检索上下文的使用

Chaoran Chen, Dayu Yuan, Peter Kairouz

机构 * Google（谷歌） 纠错

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

AI总结 本文提出 Behavioral Canaries 机制，用于审计 RL 微调过程中是否非法使用受保护的检索上下文，通过行为信号检测未经授权的文档条件训练，实现 67% 的检测率。

MIDI-LLM: Improving Text-to-MIDI Music Generation via Adapting Large Language Models

MIDI-LLM：通过适配大语言模型改进文本到MIDI的音乐生成

Shih-Lun Wu, Dave Carlton, Ryan Miyakawa, Yoon Kim, Chris Donahue, Cheng-Zhi Anna Huang

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 该研究提出MIDI-LLM，通过适配Llama 3.2（1B）采用两阶段训练改进文本到MIDI生成，在用户研究中证实其在人机音乐协同创作中的有效性。

Comments Accepted to International Society for Music Information Retrieval (ISMIR) Conference 2026

CodeJeNN: A simple C++ neural network generator for physics applications

CodeJeNN：用于物理应用的简单C++神经网络生成器

Jay Arcities, Pavel Popov, Eric J Ching, Kamal Viswanath, Ryan F Johnson

机构 * San Diego State University（圣地亚哥州立大学） ； Aerospace Engineering Department（航空航天工程系） ； U.S. Naval Research Laboratory（美国海军研究实验室） ； Laboratories of Computational Physics and Fluid Dynamics（计算物理学与流体动力学实验室） 纠错

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

AI总结 研究针对物理应用中机器学习集成Python库产生性能瓶颈的问题，提出CodeJeNN通过从训练的Keras模型自动生成自包含C++代码实现推理，消除外部依赖，经测试展示了加速效果。

Beyond One Output: Visualizing and Comparing Distributions of Language Model Generations

超越单一输出：语言模型生成分布的可视化与比较

Emily Reif, Claire Yang, Jared Hwang, Deniz Nazar, Noah A. Smith, Jeff Heer

机构 * University of Washington（华盛顿大学） ； Allen Institute for AI（Allen人工智能研究所） 纠错

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

AI总结 本文提出GROVE工具，通过可视化语言模型生成的分布结构，帮助用户更全面地理解生成过程中的模式和敏感性，提升任务迭代效果。

Bagpiper: Solving Open-Ended Audio Tasks via Rich Captions

Bagpiper: 通过丰富描述解决开放式音频任务

Jinchuan Tian, Haoran Wang, Bo-Hao Su, Chien-yu Huang, Qingzheng Wang, Jiatong Shi, William Chen, Xun Gong, Siddhant Arora, Chin-Jou Li, Masao Someki, Takashi Maekaku, Keita Goto, Yusuke Shinohara, Jin Sakuma, Chao-Han Huck Yang, Shinji Watanabe

机构 * Language Technologies Institute, Carnegie Mellon University（卡内基梅隆大学语言技术研究所） ； LY Corporation（LY公司） ； NVIDIA Research（NVIDIA研究） 纠错

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

AI总结 提出Bagpiper，一个8B参数音频基础模型，通过丰富描述（自然语言描述）实现音频理解和生成的统一，在MMAU和AIRBench上超越Qwen-2.5-Omni，生成质量优于CosyVoice3和TangoFlux。

An Empirical Study of Complexity, Heterogeneity, and Compliance of GitHub Actions Workflows

GitHub Actions工作流的复杂性、异质性与合规性的实证研究

Edward Abrokwah, Taher A. Ghaleb

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

AI总结 本研究分析Java、Python、C++仓库的GitHub Actions工作流，量化其复杂性、异质性与合规性，发现工作流设计依赖生态惯例，为该领域提供了可复现的实证基准。

OpsLLM: Construction of Large Language Model for Software Operations with Multi-stage Learning

面向软件运维构建大型语言模型的端到端框架

Jingkai He, Pengfei Chen, Chenghui Wu, Shuang Liang, Ye Li, Gou Tan, Xidao Wen, Chuanfu Zhang, Fang Situ, Qi Zhou

机构 * School of Systems Science and Engineering, Sun Yat-sen University（系统科学与工程学院，中山大学） ； School of Computer Science and Engineering, Sun Yat-sen University（计算机科学与工程学院，中山大学） ； Alibaba Cloud Computing（阿里云 computing） 纠错

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

AI总结 本文提出OpsLLM，一个专为软件运维设计的大型语言模型，支持基于知识的问题回答和根本原因分析。通过人机协同机制构建高质量数据集，并结合监督微调和强化学习优化模型性能，在多个任务中优于现有开源和闭源模型。

A Matter of Time: Towards a General Theory of Agency

时间问题：迈向通用能动性理论

Amahury J. López-Díaz, Carlos Gershenson

机构 * School of Systems Science and Industrial Engineering, Binghamton University（宾汉姆顿大学系统科学与工业工程学院） 纠错

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

AI总结 基于时间参数化(F,A)-系统，提出从物质组织到能动性的分级组织理论，通过异步动态贝叶斯网络区分自主性、目标导向、能动性和开放性。

Comments 42 pages, 14 figures, 4 tables

A Density-Matrix Framework for Electronic-Structure Analysis of Functional-Group and Salt Effects in Lithium-Metal Electrolytes

用于锂金属电解质中官能团和盐效应电子结构分析的密度矩阵框架

Mingkang Liu, Huize Yu, Yanbin Gao, Nan Yao, Xiang Chen, Lei Shen

机构 * National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； Institute for Carbon Neutrality, Tsinghua University（清华大学碳中和研究院） ； AI Solid-State Battery Innovation Center（人工智能固态电池创新中心） ； C Innovation Laboratory (21C LAB), Contemporary Amperex Technology Co., Limited (CATL)（21C创新实验室（21C实验室），宁德时代新能源科技股份有限公司） ； National University of Singapore Guangzhou Research Translation and Innovation Institute（新加坡国立大学广州研究院） ； National University of Singapore (Chongqing) Research Institute（新加坡国立大学（重庆）研究院） 纠错

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

AI总结 该研究提出密度矩阵框架EMolStudio，通过集成分子功能化等流程预测分析锂金属电解质电子结构。应用于多种分子和簇，发现分子尺度上功能化的影响及溶剂化壳中阴离子对前沿轨道定位的作用，能将官能团和盐选择转化为相关电子结构假设。

Comments The data needs to be supplemented

Calibrate Globally, Measure Everywhere: Scaling LLM-Based Prevalence Measurement Across A/B Experiments

基于代理的大规模A/B测试预估测量

Zehao Xu, Tony Paek, Kevin O'Sullivan, Attila Dobi

机构 * Pinterest, Inc.（Pinterest公司） 纠错

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

AI总结 本文提出了一种基于代理的普及率测量框架，通过离线校准和日志数据实现大规模A/B测试中的高效普及率估计。