AI 大模型
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
机器人群的分布式多覆盖
机构 * University of Houston（德克萨斯大学休斯顿分校）
专题命中 多智能体 ：planning(abstract)
AI总结 本文提出了一种分布式多覆盖算法，用于解决机器人群在局部感知、局部通信和无全局协调的情况下，维持关键资产可靠覆盖的问题，同时应对机器人故障等约束条件。
Comments Accepted at ANTS 2026 (International Conference on Swarm Intelligence), published by Springer Nature
GraphFlow: 一种基于图的流程管理用于高效的LLM代理服务
机构 * School of Cyber Science and Engineering, Xi'an Jiaotong University, Xi'an, China（西安交通大学计算机科学与工程学院） ； School of Artificial Intelligence, Shandong University, Jinan, China（山东大学人工智能学院） ； Shanghai Advanced Research Institute, Chinese Academy of Sciences, Shanghai, China（中国科学院上海先进研究院）
专题命中 工作流自动化 ：agent(title,abstract)；workflow(title,abstract)；分类 cs.LG
AI总结 本文提出了一种基于图的流程管理方法GraphFlow，通过统一图结构wGraph动态生成任务特定流程，提高LLM代理服务的效率和性能，实验表明其在多个基准数据集上表现优异，性能提升显著且内存占用减少。
Comments Accepted to ICML 2026
将代理工作流编译为LLM权重：在成本上减少两个数量级的情况下实现接近前沿质量
机构 * University of Melbourne（墨尔本大学）
专题命中 工作流自动化 ：agentic(title)；agent(abstract,abstract_cn)；AI agent(abstract,abstract_cn)；分类 cs.AI、cs.LG
AI总结 本文研究如何将代理工作流编译为LLM权重以提高效率，通过在旅行预订、Zoom支持和保险索赔等任务中验证，展示了编译方法在减少成本的同时保持高质量性能。
Comments 19 pages
AI代理如何看待软件工程？-- 对MoltBook上纯AI技术讨论的实证研究
机构 * University of Calgary（卡尔加里大学） ； Phanvic
专题命中 工作流自动化 ：AI agent(title,abstract)；autonomous agent(abstract)；workflow(abstract)；分类 cs.AI、cs.SE
AI总结 本研究通过分析MoltBook上纯AI代理生成的技术讨论，探讨了AI代理在自主交互中产生的 discourse 特点，发现其讨论内容更侧重于安全与信任、内存管理、工具和API、调试与错误处理等主题，但缺乏人类开发者讨论中常见的具体项目细节和运行时信息。
面向用户友好的化学过程模拟的大语言模型代理
机构 * Process and System Engineering Center（过程与系统工程中心） ； Department of Chemical and Biochemical Engineering（化学与生物化学工程系） ； Technical University of Denmark（丹麦技术大学）
专题命中 工作流自动化 ：agent(title,abstract)；分类 cs.AI
AI总结 本文提出一种基于大语言模型的代理，通过Model Context Protocol与AVEVA Process Simulation集成，实现自然语言交互进行化学过程模拟，提升非专业用户对复杂过程设计、仿真和优化的访问能力。
Echo：通过用户驱动的细化学习经验数据
机构 * Core Contributors（核心贡献者） ； Qiang Lin is the team leader（Qiang Lin 是团队负责人）
专题命中 工作流自动化 ：agent(abstract)；AI agent(abstract)；分类 cs.AI、cs.CL
AI总结 本文提出Echo框架，通过用户驱动的细化过程将原始经验数据转化为可学习的知识，提升模型性能，实验表明其能将接受率从25.7%提升至35.7%。
Eigen for Statistical and Machine Learning Computing: A Lightweight C++ Tutorial with Python Bindings
专题命中 工作流自动化 ：workflow(abstract,abstract_cn)
AI总结 本文提供了一个轻量级教程，展示如何使用Eigen库将统计和机器学习算法用C++实现，并通过pybind11连接到Python。教程重点在于实用而非方法论，展示了如何用可读的C++编写常见矩阵运算、基于分解的求解器和向量化更新，并通过两个示例（核岭回归和随机梯度下降的矩阵分解）展示其在实际研究软件中的应用。
从片段到轨迹：软件工程代理的特权过程监督
机构 * National University of Singapore（新加坡国立大学） ； Microsoft Research Asia（微软亚洲研究院） ； Shanghai Jiao Tong University（上海交通大学） ； King’s College London（伦敦国王学院）
专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出Patches-to-Trajectories (P2T)方法，通过利用开发者撰写的参考补丁来改进软件工程代理的训练过程，提高训练效果和效率。
特征归因不可能性：在共线性下，没有任何特征排名是忠实、稳定和完整的
机构 * Independent Researchers（独立研究人员）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.LG
AI总结 本文研究了在共线性情况下特征排名的不可能性，证明了无法同时满足忠实、稳定和完整性的条件，并提出了DASH方法作为解决途径，同时通过形式化验证展示了其理论基础和实际应用影响。
Comments 66 pages, 12 figures, 305 Lean 4 theorems. Code at https://github.com/DrakeCaraker/dash-impossibility-lean
LLMs can construct powerful representations and streamline sample-efficient supervised learning
机构 * MIT（麻省理工学院） ； Harvard Medical School（哈佛医学院）
专题命中 工作流自动化 ：agentic(abstract)；分类 cs.AI
AI总结 本文提出了一种基于LLM的代理流程，通过生成全局 rubric 来提升多模态数据的表示能力，并在15个临床任务中显著优于传统方法。
从整体到模块：分解转换器以实现高效的world建模
机构 * Department of Informatics, University of Sussex（Sussex大学信息学院） ； Beyond Institute for Theoretical Science (BITS)（理论科学研究所） ； ETH Zürich（苏黎世联邦理工学院） ； Principles of Intelligent Behaviour in Biological and Social Systems (PIBBSS)（生物和社会系统智能行为原理研究所） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Araya Inc.（Araya公司） ； Sussex AI and Sussex Centre for Consciousness Science, University of Sussex（Sussex大学人工智能与意识科学中心） ； Centre for Complexity Science and Center for Psychedelic Research, Department of Brain Sciences, Imperial College London（复杂科学中心和迷幻研究中心，伦敦帝国理工学院脑科学系） ； Center for Eudaimonia and Human Flourishing, University of Oxford（幸福与人类繁荣中心，牛津大学）
专题命中 工作流自动化 ：AI agent(abstract)；分类 cs.AI
AI总结 本文提出了一种分解复杂world建模的方法，通过转换器框架将世界模型分解为多个模块，从而提高计算效率并支持分布式推理，为AI安全和现实应用提供基础。
Flashlight: PyTorch 编译器扩展以加速注意力变种
机构 * Anonymous Institution, Anonymous City, Anonymous Region, Anonymous Country（匿名机构，匿名城市，匿名地区，匿名国家）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG
AI总结 本文提出Flashlight，一种基于PyTorch的编译器框架，能够自动生成融合的FlashAttention风格内核，支持任意注意力程序，无需静态模板或预定义内核专有化，从而在保持性能的同时提供灵活性。
基于6G无线通信的流体RIS（FRIS）辅助索引调制
专题命中 工作流自动化 ：workflow(abstract)
AI总结 本文研究了流体可重构智能表面（FRIS）如何支持索引调制（IM），其中信息位选择一个表面配置，接收端从诱导的接收端响应中检测索引。关键挑战是许多可行的FRIS布局不一定导致可靠的空域索引。为解决此问题，本文提出了一种响应感知设计观点，根据响应域分离性选择FRIS空间码本，而非仅依赖布局多样性。此外，讨论了执行粒度作为实际设计调节器，平衡空域多样性、试点开销、耦合鲁棒性和硬件可行性。
Nf-PEAK: 基于过程的Nextflow工作流在Kubernetes集群上的能耗归因
专题命中 工作流自动化 ：workflow(abstract)
AI总结 本文提出Nf-PEAK方法，用于在Kubernetes集群上对Nextflow工作流中的任务进行基于过程的能耗归因，以提高能耗分析的准确性，特别是在高负载情况下。
Comments Accepted at 2026 IEEE 19th International Conference on Cloud Computing (CLOUD)
具有可编程肿胀和序列特异性降解的生物相容性微米级DNA水凝胶
专题命中 工作流自动化 ：workflow(abstract)
AI总结 本文提出了一种生物相容且材料高效的微米级DNA水凝胶（microSDs）的制备与表征平台，通过可编程DNA设计参数实现可调的各向同性肿胀和降解特性，并利用YOYO-1定量提取有效扩散系数，研究肿胀对分子运输的影响，最终展示了微米级DNA水凝胶的降解行为及其在药物递送、多重生物传感和单细胞检测中的应用潜力。
为什么代理拉请求数被合并或拒绝？一项实证研究
专题命中 软件智能体 ：agentic(title,abstract)；agent(abstract)；workflow(abstract)；分类 cs.SE
AI总结 本研究通过实证分析探讨代理拉请求数被合并或拒绝的原因，发现仅依赖合并或拒绝结果无法准确反映代理能力，需考虑审查互动过程。
Comments Accepted for publication in 23rd international conference on Mining Software Repositories (MSR 2026) : 5 pages, 3 tables, 1 figure
Spec2Cov: 一种用于数字硬件设计代码覆盖率闭合的代理框架
专题命中 软件智能体 ：agentic(title,abstract)
AI总结 本文提出了一种基于代理框架的代码覆盖率闭合方法，利用大型语言模型和硬件仿真器的协同工作，自动迭代生成测试刺激以加速覆盖率闭合，并在不同复杂度的设计上实现了高达49%的覆盖率。
重构失控：理解并缓解编码代理中交织的重构
专题命中 软件智能体 ：agent(abstract)；agentic(abstract)；分类 cs.SE
AI总结 本文研究了编码代理在问题解决中交织重构的现象，通过实证分析发现代理重构的频率和强度低于人类开发者，提出了一种重构感知的精炼方法以提高编译性并解决未解决的问题。
SWE-Mutation：LLMs能否在软件工程中生成可靠的测试套件？
机构 * State Key Laboratory of Cognitive Intelligence（认知智能国家重点实验室） ； University of Science and Technology of China（中国科学技术大学） ； Beihang University（北航） ； School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； NeoShell AI ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院）
专题命中 软件智能体 ：agentic(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出SWE-Mutation基准，用于评估LLM生成的测试套件质量，通过系统性地变异解决方案来测试测试套件的可靠性，并发现当前LLM在生成可靠且具有判别力的测试套件方面存在不足。
Comments 24 pages, 8 figures
Journal ref ACL 2026 Findings
CODE-SHARP: 连续开放发现和演化的技能作为层次奖励程序
机构 * Imperial College London（帝国理工学院伦敦分校） ； Sony Interactive Entertainment（索尼互动娱乐）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 该研究提出CODE-SHARP框架，通过基础模型自主发现和演化技能作为层次奖励程序，实现通用智能体政策的从零开始强化学习，无需预定义奖励，有效学习长周期技能。
Comments Preprint
Trace2Skill: 验证器引导的技能进化用于长上下文EDA代理
机构 * NVIDIA
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 本文提出Trace2Skill框架，通过验证器引导的技能进化提升硬件代理在复杂验证问题上的性能，无需RTL专用模型微调，通过密集验证器反馈实现任务通过率的显著提升。
自主大语言模型代理与CTF：再看一次
机构 * Politecnico di Torino（托尔托纳理工大学） ； Università di Torino（托尔托纳大学） ； Huawei Technologies France（华为法国技术）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI
AI总结 本文重新审视了大语言模型代理在自动化进攻性安全任务中的表现，通过在30个基于网络的CTF挑战中测试不同架构的代理，发现通用代理在性能上与定制架构相当，并揭示了当前代理在某些类别中的持续障碍。
Comments Accepted at DeMeSSAI Workshop @ IEEE EuroS&P 2026
X-OmniClaw 技术报告：一种统一的移动代理用于多模态理解和交互
机构 * OPPO AI Center（OPPO人工智能中心）
专题命中 GUI与网页智能体 ：agent(title,abstract)
AI总结 本文提出X-OmniClaw，一种统一的移动代理，用于Android生态系统中的多模态理解和交互，通过统一的感知、记忆和行动架构，提升复杂移动任务的上下文感知能力，展示了其在多模态交互中的高效性和可靠性。
Comments 12 pages, 7 figures
日志即代理：用于可审计、可分支代理系统的事件源反应图
专题命中 记忆与上下文管理 ：agent(title,abstract)；agentic(title)；分类 cs.AI
AI总结 本文提出了一种基于事件源的反应图结构，通过将日志作为事实来源，实现了可审计、可分支的代理系统，提供了确定性回放、低成本分支和端到端溯源能力。
Comments 11 pages, 1 figure. Open-source Apache-2.0 implementation with reproducible quickstart demo, deterministic replay, fork-and-diff, and lineage tracing
Memory-R2: 长时间 horizon 记忆增强 LLM agent 的公平信用分配
机构 * Ludwig Maximilian University of Munich（慕尼黑路德维希-马克西米利安大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Huawei Heisenberg Research Center (Munich)（华为海森堡研究中心（慕尼黑）） ； Technical University of Munich（慕尼黑技术大学）
专题命中 记忆与上下文管理 ：agent(title_cn,summary_cn)；分类 cs.LG
AI总结 本文提出 Memory-R2 框架，通过结合局部和全局组相对优化方法，解决长时间 horizon 记忆增强 LLM agent 在多会话环境中训练时由于记忆状态差异导致的信用分配不公平问题，同时联合优化记忆形成与记忆演化。
MemEvoBench: 评估LLM代理中内存误进化带来的安全风险
机构 * Shanghai Jiao Tong University（上海交通大学） ； East China Normal University（华东师范大学） ； Shandong University（山东大学） ； Duke University（杜克大学）
专题命中 记忆与上下文管理 ：agent(summary_cn,abstract)；workflow(abstract)；分类 cs.CL
AI总结 本文提出MemEvoBench，首个评估LLM代理长期内存安全性的基准，针对对抗性内存注入、噪声工具输出和偏见反馈，通过7个领域36种风险类型的问题任务和20个Agent-SafetyBench环境改编的工作流任务，验证了内存进化对安全性的重大影响，指出静态提示防御不足，亟需加强LLM代理内存进化的安全性。
记忆诱导的深度强化学习代理在最优交易执行中的超竞争性结果
机构 * Institute of Finance and Technology, University College London（金融与技术研究所，伦敦大学学院） ； UZH Blockchain Center（苏黎世大学区块链中心）
专题命中 记忆与上下文管理 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本文研究了在共享的最优执行环境中交互的深度强化学习代理是否能维持超竞争性结果，即在实现短损方面优于博弈论竞争基准。研究了一个双代理阿尔梅伦-克里斯特流动性清算游戏，并探讨了学习行为如何依赖于回合内环境反馈、解读中间价格的能力以及代理对过去的了解。我们首先使用事前调度学习代理来去除回合内反馈，以确定当代理在执行开始前承诺完成清算轨迹时会发生什么。然后允许代理使用多种DDQN架构根据演进的状态进行条件判断。我们发现，当代理能够访问回合内历史，特别是近期价格和自身过去行为时，超竞争性结果变得更加频繁和持久。这些发现表明，这种执行游戏中的超竞争性行为并非由多代理学习或当前价格观察单独驱动，而是由反馈、记忆和沿实际执行路径的状态依赖性交互驱动。
NeuSymMS：一种混合神经符号记忆系统，用于持久、自管理的LLM代理
机构 * iVedha Corporation（iVedha公司） ； MLSoft Inc.（MLSoft公司）
专题命中 记忆与上下文管理 ：agent(abstract)；agentic(abstract)；分类 cs.AI
AI总结 NeuSymMS通过混合神经符号架构，使LLM代理能够在多个会话中学习、记忆和推理用户信息，其核心方法是结合神经网络的事实提取和基于CLIPS的专家系统，主要贡献是提出了一个支持自管理记忆的双视野记忆模型。
Comments 7 pages
DeferMem: 通过强化学习进行长时记忆问答的查询时证据蒸馏
机构 * State Key Lab of CAD&CG（计算机辅助设计与图形学国家重点实验室）
专题命中 记忆与上下文管理 ：workflow(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 本文提出DeferMem，一种长时记忆框架，通过分离问题为高召回候选检索和查询条件证据蒸馏，以提升长时记忆问答的准确性和效率。
Comments 31 pages, 3 figures
技能编织：通过模块化技能包实现高效的LLM改进
机构 * Harbin Institute of Technology, Shenzhen, China（哈尔滨工业大学（深圳）） ； The Hong Kong Polytechnic University（香港理工大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； Shanghai Jiaotong University（上海交通大学）
专题命中 记忆与上下文管理 ：agentic(abstract)；分类 cs.AI、cs.LG
AI总结 本研究提出SkillWeave框架，通过模块化技能包使LLM在固定内存预算下实现领域专业化，通过SkillZip压缩技术实现高效部署，实验表明其在多任务和代理基准上表现优异，速度提升达4倍。
Comments Accepted by ACL2026
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈