AI Agent

SMEFT-Pheno-Agent: a natural-language-driven AI agent for machine-learning-assisted Standard Model Effective Field Theory phenomenology

SMEFT-现象学智能体：一种由自然语言驱动的人工智能智能体，用于机器学习辅助的标准模型有效场论现象学

Yu-Chen Guo, Jie Wang, Ji-Chong Yang

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

AI总结 介绍SMEFT-现象学智能体这一Python工作流程，由自然语言AI引导，用于高能对撞机的SMEFT现象学研究。它协调多阶段，自动生成参数文件等，委托工具计算，记录相关工件，建立了可重复性和审核可追溯性。

Comments 10 pages, 4 figures, 4 tables

A Workflow-Aware Serving Layer for Agentic Applications

用于智能应用的工作流感知服务层

Jiayi Qian, Zishen Wan, Hanchen Yang, Chun Tao, Souvik Kundu, Tushar Krishna

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

AI总结 研究智能AI应用工作流，其介于现有两层之间。提出Dyserve工作流感知服务层填补空白，通过整数线性规划在异构后端池编译节点模型和验证器选择，还可在不同压力水平预求解并动态调整。

Vision AI Agent for Continuous Material Monitoring of LEGEND-1000 LoFi Reentrant Tube

用于LEGEND-1000 LoFi回旋管连续材料监测的视觉AI智能体

Sonata Simonaitis-Boyd, Soonhong Lee, Lauren N. O'Brien, Brandon T. Turner, Ralph Massarczyk, Steven R. Elliott, Aobo Li, Alexander F. Leder

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

AI总结 提出基于LangChain和Claude Haiku 4.5的视觉AI智能体流水线，通过SAM2分割和混合OCR验证从静水压测试视频中自动提取OFHC铜圆柱的直径和应变，计算屈服强度并与模拟对比。

Comments 27 pages, 8 figures, 5 tables, submitted to PRX Intelligence

Rongzai agent: A Large Language Model-Based Autonomous Assistant for Rietveld Refinement of Neutron Diffraction Data

荣宰代理：一种基于大语言模型的自主助手，用于中子衍射数据的Rietveld精修

Qingmeng Li, Hao Wang, Dongbo Xiong, Jiajun Zhong, Wenhai Ji, Hao Hu, Yiyu Zhang, Bolun Zhang, Hong Wang, Yongfeng Zhu, Rong Du, Zhengde Zhang, Fazhi Qi, Junrong Zhang

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

AI总结 本文提出基于大语言模型的荣宰代理，实现中子衍射数据Rietveld精修的自动化，通过知识驱动决策，提升精修效率与准确性，已在中国散裂中子源部署。

Demystifying and Detecting Agentic Workflow Injection Vulnerabilities in GitHub Actions

揭开GitHub Actions中代理工作流注入漏洞的面纱并检测其漏洞

Shenao Wang, Xinyi Hou, Zhao Liu, Yanjie Zhao, Xiao Cheng, Quanchen Zou, Xiangzheng Zhang, Haoyu Wang

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

AI总结 本文研究GitHub Actions中代理工作流注入漏洞，提出两种核心模式P2A和P2S，并设计TaintAWI工具，发现519个潜在漏洞，其中343个为零日漏洞，已优先披露并获得修复。

FACT: Compositional Kernel Synthesis with a Three-Stage Agentic Workflow

FACT：基于三阶段代理工作流的组合内核合成

Sina Heidari, Dimitrios S. Nikolopoulos

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

AI总结 FACT框架通过三阶段代理工作流实现PyTorch模块的多模式组合优化，结合CUTLASS C++实现内核合成，提升GPU计算性能。

DS2SC-Agent: A Multi-Agent Automated Pipeline for Rapid Chiplet Model Generation

DS2SC-Agent: 一种多智能体自动化流水线用于快速芯片片建模

Yiwei Wu, Yifan Wu, Yunhao Xiong, Dengwei Zhao, Jiaxuan Shen, Jianfei Jiang, Guanghui He, Shikui Tu, Yanan Sun

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

AI总结 本文提出DS2SC-Agent，一种多智能体自动化流水线，用于从原始数据表直接生成SystemC芯片片模型，解决传统手动建模耗时且易出错的问题，通过高效协作框架实现自动化流程。

Comments 9 pages,5figures

RLShield: Practical Multi-Agent RL for Financial Cyber Defense with Attack-Surface MDPs and Real-Time Response Orchestration

RLShield: 实用的多智能体强化学习用于金融网络安全防御，结合攻击面马尔可夫决策过程与实时响应协调

Srikumar Nayak

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

AI总结 RLShield 通过多智能体强化学习实现金融网络安全防御，结合攻击面马尔可夫决策过程与实时响应协调，提升网络攻击遏制效率与响应效果。

Comments 6 pages, 2 fig and 2 tables

Learning to Compose for Cross-domain Agentic Workflow Generation

跨领域代理工作流生成中的学习组合

Jialiang Wang, Shengxiang Xu, Hanmo Liu, Jiachuan Wang, Yuyu Luo, Shimin Di, Min-Ling Zhang, Lei Chen

机构 * Hong Kong University of Science and Technology（香港理工大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） ； Southeast University（东南大学） ； University of Tsukuba（茨口大学） 纠错

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

AI总结 本文提出了一种基于分解-重组-决策机制的跨领域代理工作流生成方法，通过学习可重用能力实现单次生成，提升效率并减少迭代成本。

Cortex: Workflow-Aware Resource Pooling and Scheduling for Agentic Serving

Nikos Pagonas, Yeounoh Chung, Kostis Kaffes, Arvind Krishnamurthy

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

An Agentic AI Workflow to Simplify Parameter Estimation of Complex Differential Equation Systems

Saakaar Bhatnagar

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

Stealing Creator's Workflow: A Creator-Inspired Agentic Framework with Iterative Feedback Loop for Improved Scientific Short-form Generation

Jong Inn Park, Maanas Taneja, Qianwen Wang, Dongyeop Kang

机构 * University of Minnesota（明尼苏达大学） 纠错

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

Comments Project page: https://minnesotanlp.github.io/scitalk-project-page/

What Keeps Agent Skills from Being Reusable? Evidence from 138K SKILL.md Files

是什么阻碍了智能体技能的可复用性？来自13.8万个SKILL.md文件的证据

Chi Zhang, Yimin Liu, Xinze Chen, Ping Ji

机构 * The Graduate Center, City University of New York（纽约城市大学研究生中心） ； The Ohio State University（俄亥俄州立大学） ； Hunter College, City University of New York（纽约城市大学亨特学院） 纠错

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

AI总结 本研究通过分析13.8万个SKILL.md文件，发现91.8%的Agent Skills存在可复用性相关缺陷，主要为打包问题，验证了路由元数据对检索可靠性的影响，并提出了结合规范提示等的质量保证生成工作流。

Comments 11 pages, 4 figures

GraphMind: From Operational Traces to Self-Evolving Workflow Automation

GraphMind：从操作轨迹到自演化工作流自动化

Yiwen Zhu, Joyce Cahoon, Anna Pavlenko, Qiushi Bai, Nima Shahbazi, Divya Vermareddy, Meina Wang, Mathieu Demarne, Swati Bararia, Wenjing Wang, Hemkesh Vijaya Kumar, Hannah Lerner, Katherine Lin, Steve Toscano, Miso Cilimdzic, Subru Krishnan

机构 * Microsoft, USA ； University of Illinois Chicago, USA ； Microsoft, Spain 纠错

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

AI总结 提出GraphMind系统，通过离线提取因果工作流图、在线多智能体遍历执行和自适应遍历强化，实现云数据库事故调查中的自动化工作流，相比基线方法减少8倍检索上下文并降低26%幻觉率。

The Last Human-Written Paper: Agent-Native Research Artifacts

最后的人写论文：代理原研究制品

Jiachen Liu, Jiaxin Pei, Jintao Huang, Chenglei Si, Ao Qu, Xiangru Tang, Runyu Lu, Lichang Chen, Xiaoyan Bai, Haizhong Zheng, Carl Chen, Zhiyang Chen, Haojie Ye, Yujuan Fu, Zexue He, Zijian Jin, Zhenyu Zhang, Shangquan Sun, Maestro Harmon, John Dianzhuo Wang, Jianqiao Zeng, Jiachen Sun, Mingyuan Wu, Baoyu Zhou, Chenyu You, Shijian Lu, Yiming Qiu, Fan Lai, Yuan Yuan, Yao Li, Junyuan Hong, Ruihao Zhu, Beidi Chen, Alex Pentland, Ang Chen, Mosharaf Chowdhury, Zechen Zhang

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

AI总结 该研究提出了一种名为Agent-Native Research Artifact (ARA)的协议，旨在解决传统科学论文在压缩研究过程为线性叙述时所导致的结构性缺陷，通过引入可执行的研究包结构，提升AI代理理解和扩展已发表工作的能力。

Comments 46 pages, 15 figures, 14 tables

In-situ process monitoring for defect detection in wire-arc additive manufacturing: an agentic AI approach

现场过程监控用于焊接电弧增材制造中的缺陷检测：一种基于代理的AI方法

Pallock Halder, Satyajit Mojumder

机构 * School of Mechanical and Materials Engineering, Washington State University（华盛顿州立大学机械与材料工程学院） 纠错

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

AI总结 本文提出基于代理的AI框架，用于现场过程监控以检测焊接电弧增材制造中的缺陷。通过开发处理和监控代理，结合真实数据和分类工具，实现高准确率的缺陷检测。

Comments 42 pages, 9 figures

Competing with AI Scientists: Agent-Driven Approach to Astrophysics Research

与人工智能科学家竞争：面向天体物理学研究的代理驱动方法

Thomas Borrett, Licong Xu, Andy Nilipour, Boris Bolliet, Sebastien Pierre, Erwan Allys, Celia Lecat, Biwei Dai, Po-Wen Chang, Wahid Bhimji

机构 * Cavendish Astrophysics, University of Cambridge（剑桥大学卡文迪什天体物理学） ； Kavli Institute for Cosmology, University of Cambridge（剑桥大学卡夫利宇宙学研究所） ； Institute of Astronomy, University of Cambridge（剑桥大学天文学研究所） ； School of Natural Sciences, Institute for Advanced Study（高等研究院自然科学学院） ； NERSC, Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室NERSC） 纠错

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

AI总结 本文提出了一种代理驱动的方法，用于构建参数推断管道，通过多代理系统Cmbagent实现协作生成研究思路、编写执行代码、评估结果并迭代优化流程，最终在挑战赛中取得第一名。

Comments 12 pages, 4 figures

Bohrium + SciMaster: Building the Infrastructure and Ecosystem for Agentic Science at Scale

Bohrium + SciMaster: 构建大规模智能科学的基础设施和生态系统

Linfeng Zhang, Siheng Chen, Yuzhu Cai, Jingyi Chai, Junhan Chang, Kun Chen, Zhi X. Chen, Zhaohan Ding, Yuwen Du, Yuanpeng Gao, Yuan Gao, Jing Gao, Zhifeng Gao, Qiangqiang Gu, Yanhui Hong, Yuan Huang, Xi Fang, Xiaohong Ji, Guolin Ke, Zixing Lei, Xinyu Li, Yongge Li, Ruoxue Liao, Hang Lin, Xiaolu Lin, Yuxiang Liu, Xinzijian Liu, Zexi Liu, Jintan Lu, Tingjia Miao, Haohui Que, Weijie Sun, Yanfeng Wang, Bingyang Wu, Tianju Xue, Rui Ye, Jinzhe Zeng, Duo Zhang, Jiahui Zhang, Linfeng Zhang, Tianhan Zhang, Wenchang Zhang, Yuzhi Zhang, Zezhong Zhang, Hang Zheng, Hui Zhou, Tong Zhu, Xinyu Zhu, Qingguo Zhou, Weinan E

机构 * DP Technology Beijing China（北京DP技术有限公司） ； AI for Science Institute Beijing China（北京AI for Science研究院） ； Shanghai Jiao Tong University Shanghai China（上海交通大学） ； Beihang University Beijing China（北京航空航天大学） ； Peking University Beijing China（北京大学） ； Institute of Theoretical Physics Chinese Academy of Sciences Beijing China（中国科学院理论物理研究所） ； Shanghai Innovation Institute Shanghai China（上海创新研究院） ； East China Normal University Shanghai China（华东师范大学） ； Zhongguancun Academy Beijing China（中关村学院） ； University of Science and Technology of China Hefei China（中国科学技术大学） ； Tongji University Shanghai China（同济大学） ； The Hong Kong University of Science and Technology Hong Kong China（香港科技大学） 纠错

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

AI总结 Bohrium+SciMaster通过构建基础设施和生态系统，实现大规模智能科学的高效工作流编排与执行，显著提升科学产出效率和可追溯性。

DeepTCM1.0: A Multi-Expert AI Agent for Deciphering Mechanisms of Chinese Herbal Formulae Based on General Large Language Models

DeepTCM1.0：基于通用大语言模型的用于解析中药复方机制的多专家智能体

Wenxin Duan, Hanwei Wang, Zhongying Peng, Zhonghua Lu, Jiayi An, Fan Song, Yong Liang

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

AI总结 本研究构建基于DeepSeek V3.2的多专家智能体框架DeepTCM1.0，以桂枝汤为案例，结合中医理论与现代科学解析中药复方机制，通过多维度评估验证框架性能。

Know Your Agent: Reconnaissance-Driven Pentesting of AI Agents

了解你的智能体：基于侦察的人工智能智能体渗透测试

Or Zion Eliav, Eyal Lenga, Shir Bernstien, Yisroel Mirsky

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

AI总结 研究针对人工智能智能体的渗透测试，提出通过形式化智能体侦察，在KYA框架中利用探测、构建配置文件等实现黑盒侦察驱动的渗透测试自动化，并进行评估与发布，以提升智能体安全性。

SI-Agent: An Agentic Framework for Feedback-Driven Generation and Tuning of Human-Readable System Instructions for Large Language Models

SI-Agent: 一种用于反馈驱动生成和调优大型语言模型人类可读系统指令的代理框架

Jeshwanth Challagundla, Mantek Singh, Siddharth Raina, Smarth Behl, FNU Harsh, Jasmin Jarsania

机构 * University of Texas at Arlington（德克萨斯大学阿灵顿分校） ； Liverpool John Moores University（利物浦约翰·穆里斯大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 SI-Agent通过反馈驱动的代理框架自动生成和优化人类可读的系统指令，提升大型语言模型的可解释性和性能。

DynAMO:Dynamic Asset Management Orchestration via Topological Multi-Agent Scheduling

DynAMO：基于拓扑多智能体调度的动态资产管理编排

Kanishk Kushwaha, Vikrant Vinod Bansode, Harsh Vardhan, Dhaval C. Patel

机构 * Gati Shakti Vishwavidyalaya（加蒂·沙克蒂大学） ； IBM Research（IBM研究院） 纠错

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

AI总结 提出DynAMO引擎，采用先规划后执行架构生成可验证工作流图，支持顺序与并行执行，通过动态识别独立任务提升效率，在工业基准上实现1.6倍延迟降低，并保持正确性与安全性。

Comments 11 pages, 2 figures, 7 tables, 4 algorithms. Evaluated on the AssetOpsBench industrial benchmark. Code: https://github.com/kushwaha001/DynAMO

SCALE: Scalable Cross-Attention Learning with Extrapolation for Agentic Workflow Scheduling

SCALE: 可扩展的交叉注意力学习与外推方法用于智能体工作流调度

Zhifei Xu, Jierui Lan, Zixuan Liang, Aiji Liang, Jinxi He

机构 * Faculty of Arts and Sciences, Beijing Normal University（北京师范大学文理学院） 纠错

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

AI总结 提出SCALE调度器，通过交叉注意力指针网络和结构化表示正则化，实现无需微调即可泛化到不同规模集群的深度强化学习工作流调度。

Comments Submitted to Computer Networks

GraphBit: A Graph-based Agentic Framework for Non-Linear Agent Orchestration

GraphBit：一种基于图的代理框架用于非线性代理编排

Yeahia Sarker, Md Rahmat Ullah, Musa Molla, Shafiq Joty

机构 * MTSU ； InfinitiBit GmbH ； Salesforce Research 纠错

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

AI总结 GraphBit通过显式定义DAG流程提高代理编排的可重复性和可审计性，在多个基准任务中表现优于现有框架，实现高准确率、低延迟和高吞吐量。

Comments 12 pages, 5 figures, 4 tables. Submitted to arXiv, under review

From Model-Based Screening to Data-Driven Surrogates: A Multi-Stage Workflow for Exploring Stochastic Agent-Based Models

从基于模型的筛选到数据驱动的替代品：探索随机基于代理的模型的多阶段工作流程

Paul Saves, Matthieu Mastio, Nicolas Verstaevel, Benoit Gaudou

机构 * IRIT, Université Toulouse Capitole（图卢兹计算机科学研究所，图卢兹第一大学） 纠错

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

AI总结 本文提出一个多阶段工作流程，通过结合系统实验设计与机器学习替代模型，解决基于代理的模型系统探索中的维度诅咒和内在随机性问题，重点在于发现不稳定区域的非线性交互效应。

Comments Published in MABS 2026 - The 27th International Workshop on Multi-Agent-Based Simulation

Journal ref Multi-Agent-Based Simulation (MABS) XXVII. LCNS Springer, 2026

A Multi-Agent Rhizomatic Pipeline for Non-Linear Literature Analysis

一种多智能体根状管道用于非线性文献分析

Julio C. Serrano, Joonas Kevari, Rumy Narayan

机构 * University of Vaasa, School of Management, Vaasa, Finland（瓦萨大学管理学院） ； LUT University, School of Engineering, Lahti, Finland（拉彭兰塔-拉赫蒂理工大学工程学院） 纠错

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

AI总结 本文提出基于德勒兹过程关系本体的多智能体系统，通过12个专用智能体实现非线性文献分析，自动检测跨学科交汇与研究空白。

Comments Research note paper, 12 pages, 1 figure, 2 tables

Design and evaluation of an agentic workflow for crisis-related synthetic tweet datasets

危机相关合成推文数据集的代理工作流设计与评估

Roben Delos Reyes, Timothy Douglas, Asanobu Kitamoto

机构 * Department of Computer Science, University College London, London, United Kingdom（伦敦大学学院计算机科学系，伦敦，英国） ； National Institute of Informatics, Tokyo, Japan（日本信息学研究院，东京，日本） 纠错

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

AI总结 本文提出一种代理工作流生成危机相关合成推文数据集，以解决真实数据获取困难和标注成本高的问题，通过迭代生成、评估和反馈机制，实现灵活可扩展的合成数据生成。

AgentAssay: Token-Efficient Regression Testing for Non-Deterministic AI Agent Workflows

AgentAssay: 用于非确定性AI代理工作流的令牌高效回归测试

Varun Pratap Bhardwaj

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 AgentAssay通过行为指纹和自适应预算优化，实现非确定性AI代理工作流的高效回归测试，显著降低测试成本并提高检测能力。

Comments Technical Report. 52 pages, 5 figures, 9 theorems, 42 formal definitions. Zenodo DOI: 10.5281/zenodo.18842011

CUDA Agent: Large-Scale Agentic RL for High-Performance CUDA Kernel Generation

CUDA Agent: 大规模代理强化学习用于高性能CUDA内核生成

Weinan Dai, Hanlin Wu, Qiying Yu, Huan-ang Gao, Jiahao Li, Chengquan Jiang, Weiqiang Lou, Yufan Song, Hongli Yu, Jiaze Chen, Wei-Ying Ma, Ya-Qin Zhang, Jingjing Liu, Mingxuan Wang, Xin Liu, Hao Zhou

机构 * Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR）、清华大学） ； SIA-Lab of Tsinghua AIR（清华大学AIR SIA实验室） 纠错

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

AI总结 CUDA Agent通过大规模代理强化学习系统，实现高性能CUDA内核生成，优于现有编译器和大型语言模型。

ReusStdFlow: A Standardized Reusability Framework for Dynamic Workflow Construction in Agentic AI

ReusStdFlow：一种面向代理AI动态工作流构建的标准可重用框架

Gaoyang Zhang, Shanghong Zou, Yafang Wang, He Zhang, Ruohua Xu, Feng Zhao

机构 * Accenture Information Technology, SGITG（Accenture信息科技公司） ； Kexin Technology, CNPIEC（科新科技公司） 纠错

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

AI总结 ReusStdFlow通过提取-存储-构建范式，实现企业代理AI中动态工作流的标准化可重用框架，提升工作流构建的准确率与效率。