AI Agent

GraphFlow: A Graph-Based Workflow Management for Efficient LLM-Agent Serving

GraphFlow: 一种基于图的流程管理用于高效的LLM代理服务

Ao Li, Shangpeng Yang, Fahao Chen, Tianheng Xu, Peng Li, Zhou Su

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） 纠错

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

Compiling Agentic Workflows into LLM Weights: Near-Frontier Quality at Two Orders of Magnitude Less Cost

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

Simon Dennis, Rivaan Patil, Kevin Shabahang, Hao Guo

机构 * University of Melbourne（墨尔本大学） 纠错

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

What Software Engineering Looks Like to AI Agents? -- An Empirical Study of AI-Only Technical Discourse on MoltBook

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

Junyu Huo, Ziqi Mao, Zihao Wan, Gouri Ginde

机构 * University of Calgary（卡尔加里大学） ； Phanvic 纠错

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。

Large Language Model Agent for User-friendly Chemical Process Simulations

面向用户友好的化学过程模拟的大语言模型代理

Jingkang Liang, Niklas Groll, Gürkan Sin

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） 纠错

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: Learning from Experience Data via User-Driven Refinement

Echo：通过用户驱动的细化学习经验数据

Hande Dong, Xiaoyun Liang, Jiarui Yu, Jiayi Lin, Changqing Ai, Feng Liu, Wenjun Zhang, Rongbi Wei, Chaofan Zhu, Linjie Che, Feng Wu, Xin Shen, Dexu Kong, Xiaotian Wang, Qiuyuan Chen, Bingxu An, Yueting Lei, Qiang Lin

机构 * Core Contributors（核心贡献者） ； Qiang Lin is the team leader（Qiang Lin 是团队负责人） 纠错

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

Eigen for Statistical and Machine Learning Computing: A Lightweight C++ Tutorial with Python Bindings

Seyoung Lee, Kwan-Young Bak

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。

From Patches to Trajectories: Privileged Process Supervision for Software-Engineering Agents

从片段到轨迹：软件工程代理的特权过程监督

Murong Ma, Tianyu Chen, Yun Lin, Shuai Lu, Qinglin Zhu, Yeyun Gong, Zhiyong Huang, Peng Cheng, Yan Lu, Jin Song Dong

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） 纠错

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。

The Attribution Impossibility: No Feature Ranking Is Faithful, Stable, and Complete Under Collinearity

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

Drake Caraker, Bryan Arnold, David Rhoads

机构 * Independent Researchers（独立研究人员） 纠错

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

LLMs can construct powerful representations and streamline sample-efficient supervised learning

Ilker Demirel, Lawrence Shi, Zeshan Hussain, David Sontag

机构 * MIT（麻省理工学院） ； Harvard Medical School（哈佛医学院） 纠错

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。

From monoliths to modules: Decomposing transducers for efficient world modelling

从整体到模块：分解转换器以实现高效的world建模

Alexander Boyd, Franz Nowak, David Hyland, Manuel Baltieri, Fernando E. Rosas

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） 纠错

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 Compiler Extensions to Accelerate Attention Variants

Flashlight: PyTorch 编译器扩展以加速注意力变种

Bozhi You, Irene Wang, Zelal Su Mustafaoglu, Abhinav Jangda, Angélica Moreira, Roshan Dathathri, Divya Mahajan, Keshav Pingali

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） 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。

Fluid RIS (FRIS)-Assisted Index Modulation for 6G Wireless Communications

基于6G无线通信的流体RIS（FRIS）辅助索引调制

Xusheng Zhu, Kai-Kit Wong, Sai Xu, Hao Xu, Wen Chen, Hyundong Shin

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: Process-Based Energy Attribution for Nextflow Workflows on Kubernetes Clusters

Nf-PEAK: 基于过程的Nextflow工作流在Kubernetes集群上的能耗归因

Philipp Thamm, Somayeh Mohammadi, Kathleen West, Knut Reinert, Lauritz Thamsen, Ulf Leser

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)

Biocompatible Microscale DNA Hydrogels with Programmable Swelling and Sequence-Specific Dissolution

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

Corinna Torabi, Takayuki Suzuki, Emily Helm, Harrison Khoo, Sophie Tanenbaum, Rebecca Schulman, Soojung Claire Hur

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。