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。
SpecDB: 通过面向特征的分解生成LLM定制的数据库
机构 * Alibaba Group（阿里巴巴集团） ； Zhejiang Gongshang University（浙江工商大学）
专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI
AI总结 提出SpecDB系统，利用大语言模型通过面向特征的分解和依赖图DBGraph，从自然语言工作负载描述自动生成定制化关系数据库，在TPC-C测试中达到与PostgreSQL和MySQL相当的性能，代码量仅为它们的3%。
基于医学图像报告的情境感知中间件：一种基于图像特征提取和关联规则的方法
机构 * Department of Computer Science（计算机科学系） ； Departament of Mathematics & Statistics（数学与统计学系） ； Universidade Federal Fluminense（联邦Fluminense大学） ； York University（约克大学）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG
AI总结 提出一种情境感知中间件，通过图像特征提取和关联规则，自动将医学图像分派给最合适的医疗人员，以提高医疗工作流程效率。
Journal ref 2015 IEEE/ACS 12th International Conference of Computer Systems and Applications (AICCSA)
超越令牌：通过结构图学习增强RTL质量估计
机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong SAR（香港中文大学计算机科学与工程系） ； Noah's Ark Lab, Huawei, Hong Kong SAR（华为诺亚实验室）
专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG
AI总结 提出StructRTL框架，利用控制数据流图的结构语义和自监督学习，结合知识蒸馏，显著提升寄存器传输级设计质量估计的准确性。
Comments Forty-Third International Conference on Machine Learning (ICML 2026)
跨模态临床知识整合用于乳腺X线报告生成
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Lingnan University（岭南大学） ； The Third Affiliated Hospital of Kunming Medical University, Yunnan Cancer Hospital, Peking University Cancer Hospital Yunnan（昆明医科大学第三附属医院、云南癌症医院、北京大学肿瘤医院云南分院） ； Guangzhou First People's Hospital, South China University of Technology（广州第一人民医院、华南理工大学） ； The Third Affiliated Hospital, Sun Yat-Sen University（中山大学第三附属医院） ； HKUST Shenzhen-Hong Kong Collaborative Innovation Research Institute（香港科技大学深圳-香港协同创新研究院）
专题命中 工作流自动化 ：workflow(abstract)
AI总结 提出MammoRG框架，通过两阶段训练模拟临床报告流程，整合BI-RADS指南和先验知识，提升报告生成的临床一致性。
Comments 16 pages, 5 figures
一种非侵入式的索引感知学习方法
专题命中 工作流自动化 ：workflow(abstract)
AI总结 提出一种非侵入式索引感知学习框架，用于学习微分代数方程（尤其是电路方程）的时间与参数依赖解，通过解耦微分和代数部分确保物理一致性（如基尔霍夫定律），并以降压转换器为例比较了非侵入式与侵入式版本。
Comments 9 pages, 7 figures
基于矩的潜狄利克雷协变量回归推断
专题命中 工作流自动化 ：workflow(abstract)
AI总结 针对回归前使用主题模型降维导致的推断困难，提出一种基于校正谱矩的方法，直接识别回归系数β，避免估计文档级主题份额，并通过可交换性条件估计未知总浓度α0，实现有效推断。
基于神经网络的非牛顿多相流黏度闭合模型
专题命中 工作流自动化 ：workflow(abstract)
AI总结 提出一种将实验流变数据训练的神经网络作为黏度闭合模型，集成到Cahn-Hilliard-Navier-Stokes有限元求解器中的工作流程，用于非牛顿多相流模拟。
集成到CP2K中的高效即时非绝热耦合框架
专题命中 工作流自动化 ：workflow(abstract)
AI总结 通过在CP2K中直接实现非绝热耦合模块，结合高斯与平面波方法和相位校正方案，实现了大规模体系的高效非绝热分子动力学模拟。
Comments 16 pages of main text, 4 figures. Includes 5 pages of Supporting Information
虚假虚声子模式对金属有机框架热性质的影响
专题命中 工作流自动化 ：workflow(abstract)
AI总结 本文系统展示了虚假虚声子模式会显著引入热容估计误差，导致基于热性质的MOF筛选排序错误，并提出了一种简单快速的后处理工作流来校正热容估计。
GenClaw: 代码驱动的智能体图像生成
专题命中 软件智能体 ：agentic(title,abstract)；agent(abstract)；workflow(abstract)
AI总结 提出GenClaw，一种代码驱动的智能体图像生成范式，通过概念构思、代码草图绘制和纹理补充三个阶段，将黑盒图像生成转变为可控、可解释的分阶段过程。
Comments 21 pages, 7 figures
针对软件逆向工程AI代理的提示注入攻击的检测与混淆研究
机构 * Dept. of Computer Science（计算机科学系） ； Naval Postgraduate School（海军学院）
专题命中 软件智能体 ：AI agent(title)；agentic(abstract)；分类 cs.AI、cs.SE
AI总结 本研究针对软件逆向工程AI代理面临的提示注入攻击，提出了检测反编译器输出中提示注入字符串的防御策略，并探索了攻击混淆及相应防御方法。
应用于爱因斯坦望远镜模拟数据分析的智能体AI首次头对头比较
机构 * Anthropic ； OpenAI
专题命中 软件智能体 ：agentic(title,abstract)；分类 cs.AI
AI总结 本文首次直接比较了Claude Code和Codex两种智能体AI系统在无人干预下自主执行引力波数据分析管线的行为、科学结果和计算成本，揭示了速度与可审计性、指令解释差异等关键问题。
Comments Version 2; includes the report autonomoulsy written in PRD style by agentic AI systems as supplemental material
MatchFixAgent: 语言无关的自主仓库级代码翻译验证与修复
机构 * Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign, Urbana, IL, USA（伊利诺伊大学厄巴纳-香槟分校Siebel计算与数据科学学院） ； Amazon, Arlington, VA, USA（亚马逊公司，阿灵顿，弗吉尼亚州，美国） ； University of Oxford, Oxford, UK（牛津大学，牛津，英国）
专题命中 软件智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG、cs.SE
AI总结 提出基于大语言模型的多智能体框架MatchFixAgent，实现语言无关的仓库级代码翻译等价性验证与修复，在验证覆盖率和修复成功率上显著优于现有方法。
Comments Published in ICML 2026
战略提供者响应下的策略即代码搜索中的医疗机制
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Tongji University（同济大学）
专题命中 软件智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 将医疗机制设计转化为语言模型的程序合成，通过多智能体模拟器Medi-Sim评估策略提供者响应下的均衡，并利用LLM引导的进化代码搜索合成可检查的混合目标程序。
Comments 32 pages, 18 figures, 4 tables
二手车销售机器人？作为讨价还价代理的LLM在部分信息下的诚实与轻信
机构 * University of Edinburgh（爱丁堡大学）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 研究LLM代理在模拟讨价还价场景中的表现，发现它们偏离博弈论均衡，尝试撒谎但无法有效利用信息不对称，且优化财务效用会增强谈判能力但增加不诚实行为。
Comments 18 pages, 14 figures
拉取请求作为仓库级代码编辑的训练信号
机构 * King's College London, UK（伦敦国王学院） ； Chinese University of Hong Kong, HK（香港中文大学） ； National University of Singapore, SG（新加坡国立大学） ； Microsoft Research Asia, CN（微软亚洲研究院） ； The Alan Turing Institute, UK（艾伦·图灵研究所）
专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.CL、cs.SE
AI总结 提出Clean-PR方法，利用真实GitHub拉取请求作为训练信号，通过重建和验证转换为搜索/替换编辑块，结合无代理对齐的监督微调，在SWE-bench上显著提升仓库级代码编辑性能。
Comments Accepted at ICML 2026
UniRTL：统一代码和图以实现稳健的RTL表示学习
机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong SAR（计算机科学与工程系，香港中文大学，香港特别行政区） ； Noah's Ark Lab, Huawei, Hong Kong SAR（华为诺亚实验室，香港特别行政区）
专题命中 软件智能体 ：workflow(abstract)；分类 cs.LG
AI总结 提出UniRTL多模态预训练框架，通过互掩码建模和分层训练策略联合利用RTL代码与控制数据流图，实现细粒度对齐，在性能预测和代码检索任务上优于现有方法。
Comments Forty-Third International Conference on Machine Learning (ICML 2026)
学习的中继表示用于前向思考的离散扩散模型
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； University of Toronto（多伦多大学） ； Stanford University（斯坦福大学） ； Imperial College London（伦敦帝国学院） ； Mila ； Vijil
专题命中 软件智能体 ：planning(abstract)；分类 cs.LG
AI总结 提出Learned Relay Representations (Relay)方法，通过可微通道传递潜在信息，使掩码扩散模型在去噪步骤间前向思考，减少推理延迟并提升性能。
Comments 16 pages, 3 figures. Equal contribution: Benjamin Rozonoyer, Jacopo Minniti, and Dhruvesh Patel. Code: https://github.com/jacopo-minniti/relay
PictSure：预训练嵌入对上下文学习图像分类器至关重要
机构 * German Research Center for AI (DFKI)（德国人工智能研究中心（DFKI）） ； Centrum Wiskunde & Informatica (CWI)（数学与信息学研究中心（CWI））
专题命中 软件智能体 ：agentic(abstract)；分类 cs.AI
AI总结 本文提出PictSure视觉上下文学习模型，发现预训练嵌入质量是下游性能的关键瓶颈，而融合层训练数据的多样性影响有限。
Comments 10 pages, 2 figures
具有二次努力成本的最优契约设计
专题命中 软件智能体 ：agent(abstract)
AI总结 本文通过证明相应HJB方程经典解的存在性，解决了二次努力成本下委托代理问题中最优契约的存在性。
学习适应：通过认知感知探索实现自我改进的网络智能体
机构 * Zhejiang University（浙江大学）
专题命中 GUI与网页智能体 ：agent(title,abstract)；planning(abstract)；分类 cs.AI
AI总结 提出SCALE框架，利用选择器、预测器和评判器三个对抗角色，通过环境探索自主发现智能体局限性并扩展认知边界，结合SCALE-Hop图探索策略和SCALE-20k数据集，显著提升多模态大语言模型在多种网络环境中的性能和泛化能力。
Comments 24 pages
基于LLM的对话式与图形化界面在工业决策任务中的比较：一项探索性混合方法研究
机构 * Department of Computer Science（计算机科学系） ； University of Pisa（比萨大学） ； Department（部门） ； San Matteo Hospital（圣玛泰奥医院） ； Brunel University of London（伦敦布鲁内尔大学）
专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI
AI总结 通过混合方法研究，比较了基于LLM的对话式界面与图形化仪表盘在工业决策任务中的表现，发现对话式界面可减少交互努力，但仪表盘在概览和验证方面仍有价值。
HUNT：通过瞬时相对帧在非结构化环境中进行高速无人机导航与跟踪
机构 * New York University（纽约大学） ； University of California Berkeley（加州大学伯克利分校）
专题命中 GUI与网页智能体 ：planning(abstract)；分类 cs.LG
AI总结 提出HUNT框架，利用瞬时相对帧统一搜索与跟踪，实现高速飞行和鲁棒自主性。
GUI-C$^2$：基于难度感知强化学习的由粗到细GUI定位
机构 * The Hong Kong Polytechnic University（香港理工大学）
专题命中 GUI与网页智能体 ：agentic(abstract)
AI总结 提出GUI-C$^2$框架，通过难度感知数据筛选和由粗到细的强化学习机制，解决GUI定位中训练样本难度不均和视觉区域裁剪权衡问题，实现最先进性能。
基于学习的室内移动机器人导航
机构 * Faculty of Electrical ； Electronic Engineering, Ho Chi Minh City University of Technology, VNU-HCM Ho Chi Minh City, Vietnam
专题命中 GUI与网页智能体 ：planning(abstract)
AI总结 提出一种结合监督学习全局规划器与基于学习的DWA局部规划器的导航框架，通过行为克隆和PPO优化实现安全避障导航。
AutoSci: 面向完整科学生命周期的以记忆为中心的智能体系统
机构 * Peking University（北京大学）
专题命中 记忆与上下文管理 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出AutoSci，一个以记忆为中心、支持完整科学生命周期的智能体系统，通过结构化记忆、多阶段流程、有向无环图增强和演化机制实现自动化科研。
ForecastCompass: 自适应因子记忆引导的智能预测
机构 * Pennsylvania State University（宾夕法尼亚州立大学）
专题命中 记忆与上下文管理 ：agentic(title,abstract)；agent(abstract)；分类 cs.LG
AI总结 提出ForecastCompass框架，通过分层预测任务分类和双组件记忆（因子记忆与推理记忆），结合回顾分析迭代修正，提升智能体在动态环境中的概率预测准确性和校准性。
从提示注入到持久控制：防御智能体框架中的木马后门
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院 Gallagher 学院）
专题命中 记忆与上下文管理 ：agentic(title,abstract)；分类 cs.AI、cs.CL
AI总结 本文提出ClawTrojan基准测试揭示本地智能体框架中的多步木马攻击，并设计DASGuard防御方法，通过扫描控制文本、追溯来源并清除不可信控制内容，实现动态防御。
Comments Code and data are available at https://github.com/RUC-NLPIR/ClawTrojan
Eywa：基于溯源的人工智能智能体长期记忆
机构 * Eywa
专题命中 记忆与上下文管理 ：AI agent(title,abstract)；分类 cs.CL
AI总结 提出Eywa架构，通过先存储证据再推导事实、验证记忆并采用确定性多路径读取（零LLM调用）实现可审计的长期记忆，在多个基准测试中取得高准确率。
Comments 29 pages, 3 figures, 16 tables. Benchmark artifacts available at https://eywa.to/research
CoMem: 基于解耦长上下文模型的上下文管理
机构 * Halıcıoğlu Data Science Institute, University of California, San Diego（哈里卡卢斯数据科学研究所，加州大学圣地亚哥分校） ； Amazon（亚马逊）
专题命中 记忆与上下文管理 ：agent(abstract)；workflow(abstract)；agentic(abstract)；分类 cs.LG
AI总结 提出CoMem框架，通过将记忆管理与智能体工作流解耦并采用k步偏移异步流水线，利用奖励驱动训练策略，在SWE-Bench-Verified上实现1.4倍延迟改进且保持大部分性能。
Comments Work in progress
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