AI Agent

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。

Demystifying the Lifecycle of Failures in Platform-Orchestrated Agentic Workflows

解析平台编排代理工作流中故障生命周期

Xuyan Ma, Xiaofei Xie, Yawen Wang, Junjie Wang, Boyu Wu, Mingyang Li, Qing Wang

机构 * Singapore Management University（新加坡管理大学） 纠错

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

AI总结 本文通过分析平台编排代理工作流中的故障生命周期，提出AgentFail数据集，揭示关键故障机制并提供修复指南。

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

The Agentic Automation Canvas: a structured framework for agentic AI project design

代理自动化画布：一种结构化框架，用于代理AI项目设计

Sebastian Lobentanzer

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

AI总结 本文提出了一种结构化框架，用于代理AI项目的前瞻性设计，通过一个可互操作的元数据模式和开源工具，提升用户与开发者之间的沟通效率。

Comments 12 pages, 2 figures

Experience-Guided Self-Adaptive Cascaded Agents for Breast Cancer Screening and Diagnosis with Reduced Biopsy Referrals

基于经验的自适应级联代理用于乳腺癌筛查与诊断以减少活检指征

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

机构 * Department of Engineering Science, University of Oxford（牛津大学工程科学系） ； Department of Computer Science, Khalifa University（卡利法大学计算机科学系） 纠错

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

AI总结 基于经验的自适应级联代理框架用于乳腺癌筛查与诊断，通过减少诊断升级和活检指征提升诊断特异性。

Robust and Efficient Tool Orchestration via Layered Execution Structures with Reflective Correction

通过具有反射修正机制的分层执行结构实现鲁棒且高效的工具编排

Tao Zhe, Haoyu Wang, Bo Luo, Min Wu, Wei Fan, Xiao Luo, Zijun Yao, Haifeng Chen, Dongjie Wang

机构 * Department of Electrical Engineering and Computer Science, University of Kansas, Lawrence, KS, USA（电气工程与计算机科学系，堪萨斯大学） ； NEC Laboratories America, Princeton, NJ, USA（NEC美国实验室，新泽西州普林斯顿） ； Institute for Infocomm Research, A*STAR, Singapore（信息通信研究所，A*STAR，新加坡） ； School of Computer Science, University of Auckland, Auckland, New Zealand（计算机科学学院，奥克兰大学） ； Department of Statistics, University of Wisconsin--Madison, Madison, WI, USA（统计学系，威斯康星大学麦迪逊分校） 纠错

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

AI总结 本文提出一种基于分层执行结构和反射修正机制的工具编排方法，通过粗粒度结构和局部错误修正实现高效鲁棒的工具执行。

Large-scale portfolio optimization on a trapped-ion quantum computer

在囚离子量子计算机上进行大规模投资组合优化

Alejandro Gomez Cadavid, Ananth Kaushik, Pranav Chandarana, Miguel Angel Lopez-Ruiz, Gaurav Dev, Willie Aboumrad, Qi Zhang, Claudio Girotto, Sebastián V. Romero, Martin Roetteler, Enrique Solano, Marco Pistoia, Narendra N. Hegade

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本研究在囚离子量子计算机上实现了一种端到端的大规模投资组合优化流程，利用硬件感知分解和非变分量子优化方法，提高了投资组合的收益与风险权衡。

Comments 10 pages, 6 figures

GenDRAM:Hardware-Software Co-Design of General Platform in DRAM

GenDRAM：在DRAM中实现通用平台的硬件软件协同设计

Tsung-Han Lu, Weihong Xu, Tajana Rosing

专题命中 工作流自动化 ：workflow(abstract)

AI总结 GenDRAM通过在DRAM中实现硬件软件协同设计，突破传统架构的数据移动瓶颈，实现动态规划算法和基因组流水线的高性能计算。

Machine Learning Interatomic Potentials Enable Molecular Dynamics Simulations of Doped MoS2

机器学习互原子势能使掺杂MoS2的分子动力学模拟

Abrar Faiyad, Ashlie Martini

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本研究利用机器学习互原子势能评估MoS2掺杂体的准确性，并通过分子动力学模拟展示其在材料设计中的应用。

Journal ref J. Chem. Theory Comput. 2026, XXXX, XXX, XXX-XXX