Nanyang Technological University（南洋理工大学）

A Practical Guide for Designing, Developing, and Deploying Production-Grade Agentic AI Workflows

生产级智能体AI工作流设计、开发与部署的实用指南

Eranga Bandara, Ross Gore, Peter Foytik, Sachin Shetty, Ravi Mukkamala, Abdul Rahman, Xueping Liang, Safdar H. Bouk, Amin Hass, Sachini Rajapakse, Ng Wee Keong, Kasun De Zoysa, Aruna Withanage, Nilaan Loganathan

机构 * Old Dominion University（旧 Dominion 大学） ； Florida International University（佛罗里达国际大学） ； Nanyang Technological University（南洋理工大学） ； University of Colombo（科伦坡大学） 纠错

AI总结 本文提出了一套生产级智能体AI工作流的设计、开发和部署的最佳实践，涵盖架构设计、多智能体模式、模型上下文协议及环境感知部署策略，旨在提升系统的可靠性与可维护性。

ViSA: 3D-Aware Video Shading for Real-Time Upper-Body Avatar Creation

ViSA: 一种3D感知的视频着色方法用于实时上半身数字人生成

Fan Yang, Heyuan Li, Peihao Li, Weihao Yuan, Lingteng Qiu, Chaoyue Song, Cheng Chen, Yisheng He, Shifeng Zhang, Xiaoguang Han, Steven Hoi, Guosheng Lin

机构 * Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Tongyi Lab, Alibaba Group（阿里云实验室） 纠错

AI总结 ViSA结合3D重建与视频生成技术，实时生成高质量上半身数字人，减少模糊和僵硬问题，提升视觉质量。

Comments Project page: \url{https://lhyfst.github.io/visa}

LLMs Can't Handle Peer Pressure: Crumbling under Multi-Agent Social Interactions

大语言模型难以应对同伴压力：在多智能体社交互动中崩溃

Maojia Song, Tej Deep Pala, Ruiwen Zhou, Weisheng Jin, Amir Zadeh, Chuan Li, Dorien Herremans, Soujanya Poria

机构 * Singapore University of Technology and Design（新加坡科技设计大学） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（国立新加坡大学） ； Lambda Labs（Lambda实验室） 纠错

AI总结 研究探讨了大语言模型在多智能体社交互动中的表现，提出KAIROS基准用于评估模型在复杂社交动态中的决策能力，发现模型规模和训练方法对抵抗社交影响至关重要。

Haptic-based Complementary Filter for Rigid Body Rotations

基于触觉的互补滤波器用于刚体旋转

Amit Kumar, Domenico Campolo, Ravi N. Banavar

机构 * School of Mechanical and Aerospace Engineering, Nanyang Technological University, Singapore（机械与航空航天工程学院，南洋理工大学） 纠错

AI总结 本文提出了一种基于触觉和视觉传感器的互补滤波器，用于估计刚体旋转，通过利用$\mathbf{\mathbb{SO}(3)}$的对称性和超级二次曲面表示，提高了三维方向估计的鲁棒性和稳定性。

Comments 7 pages, 7 figures; Updated filter design; Submitted to IFAC for possible publication

Meta-Computing Enhanced Federated Learning in IIoT: Satisfaction-Aware Incentive Scheme via DRL-Based Stackelberg Game

元计算增强的联邦学习在工业物联网中的应用：基于DRL的Stackelberg博弈的满足感知激励方案

Xiaohuan Li, Shaowen Qin, Xin Tang, Jiawen Kang, Jin Ye, Zhonghua Zhao, Yusi Zheng, Dusit Niyato

机构 * Guangxi University Key Laboratory of Intelligent Networking and Scenario System (School of Information and Communication, Guilin University of Electronic Technology)（广西智能网络与场景系统重点实验室（信息与通信学院，桂林电子科技大学）） ； National Engineering Laboratory for Comprehensive Transportation Big Data Application Technology (Guangxi)（综合交通运输大数据应用技术国家工程实验室（广西）） ； School of Automation, Guangdong University of Technology（自动化学院，广东工业大学） ； Guangxi Key Laboratory of Multimedia Communications and Network Technology, Nanning（广西多媒体通信与网络技术重点实验室，南宁） ； School of Computer and Electronic Information, Guangxi University（计算机与电子信息学院，广西大学） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） 纠错

AI总结 本文提出一种基于DRL的Stackelberg博弈的满足感知激励方案，通过优化IIoT中模型质量和训练延迟的平衡，提升联邦学习的效用和应用性。