AI Agent

ChainBuddy: An AI Agent System for Generating LLM Pipelines

Jingyue Zhang, Ian Arawjo

专题命中 工作流自动化 ：agent(title)；AI agent(title)；workflow(abstract)；分类 cs.AI

Comments 21 pages, 12 figures, pre-print

MusicAgent: An AI Agent for Music Understanding and Generation with Large Language Models

Dingyao Yu, Kaitao Song, Peiling Lu, Tianyu He, Xu Tan, Wei Ye, Shikun Zhang, Jiang Bian

专题命中 工作流自动化 ：agent(title)；AI agent(title)；workflow(abstract)；分类 cs.CL

A Modular Agentic Framework for Synthetically Constrained Multi-Objective Hit-to-Lead Optimization

用于合成约束多目标先导化合物优化的模块化智能体框架

Kelvin P. Idanwekhai, Enes Kelestemur, Benjamin Strickland, Matthew Hart, Steini Davidsson, Angelos Angelopoulos, Ron Alterovitz, Marcello DeLuca, Alexander Tropsha

专题命中 工作流自动化 ：agentic(title,abstract)；workflow(abstract)；分类 cs.AI、cs.LG

AI总结 本研究提出开源模块化智能体框架SABLE，结合LLM与专用工具实现合成约束下的多目标先导化合物优化，可高效富集符合计算目标的候选集，为早期药物发现提供决策支持。

Comments 22 pages, 9 figures

Can AI Agents Really Complete RTL-to-GDS? Lessons from Benchmarking Tool-Interactive EDA Workflows

人工智能代理真的能完成从RTL到GDS的转换吗？基准测试工具交互式EDA工作流程的经验教训

Jinyuan Deng, Zhengrui Chen, Xufeng Wei, Tianyu Xing, Chenyi Wen, Qi Sun, Cheng Zhuo

专题命中 工作流自动化 ：AI agent(title,abstract)；agent(abstract)；agentic(abstract)；分类 cs.AI、cs.LG

AI总结 研究探讨人工智能代理在EDA工作流程中的表现，提出FluxBench进行系统评估，涵盖多种场景并评估多项能力，引入Token ROI指标。结果显示不同代理系统架构性能有差距，特定领域技能不是提升性能的唯一关键，系统设计和基础模型能力也很重要。

A Formal Hierarchical Architecture for Agentic Orchestration with Stack-Based Execution and Lazy Discovery

一种用于智能体编排的形式化分层架构，基于栈的执行和惰性发现

Prashant Devadiga, Abhishek, Adithya Mishra, Alok Singh, Amisha Sinha, Asit Desai, Gaurang Dahad, Harshit Bhushan, Mandati Pramod Reddy, Prakhar Gupta, Rupesh Patil, Siddhi Behere

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

AI总结 研究大语言模型智能体架构瓶颈，提出分层基于技能的编排架构，通过LIFO栈和惰性发现协议解决问题，防止输出泄漏，并进行数学形式化、算法分析及基准测试，为企业环境部署提供隔离保证。

Sol Video Inference Engine: Agent-Native Full-Stack Acceleration Framework for Efficient Video Generation

Sol视频推理引擎：面向高效视频生成的智能原生全栈加速框架

Yitong Li, Junsong Chen, Haopeng Li, Haozhe Liu, Jincheng Yu, Ligeng Zhu, Ping Luo, Song Han, Enze Xie

机构 * NVIDIA Research, Efficient AI Team & Singapore Lab（英伟达研究院高效AI团队及新加坡实验室） ； NVIDIA SANA Team（英伟达SANA团队） ； Codex ； GPT-Image2 纠错

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

AI总结 提出Sol视频推理引擎，通过智能体驱动的缓存、稀疏注意力、令牌剪枝、量化和内核融合五种技术组合，针对具体模型、硬件和配置自动优化，实现视频扩散模型2倍以上加速且保持质量。

Agentic Electronic Design Automation: A Handoff Perspective

代理式电子设计自动化：一种交接视角

Jiawei Liu, Peiyi Han, Yuntao Lu, Su Zheng, Fengyu Yan, Bei Yu

机构 * The Chinese University of Hong Kong（香港中文大学） ； Primarius Technologies（Primarius技术公司） 纠错

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

AI总结 本文从交接有效性角度出发，将EDA流程中的代理系统分为三类，并提出五层代理通信协议，以解决多阶段、多工具间的状态传递和验证问题。

Orchestra-o1: Omnimodal Agent Orchestration

Orchestra-o1: 全模态智能体编排

Fan Zhang, Vireo Zhang, Shengju Qian, Haoxuan Li, Hao Wu, Jinyang Wu, Donghao Zhou, Zhihong Zhu, Zheng Lian, Xin Wang, Pheng-Ann Heng

机构 * CUHK（香港中文大学） ； LIGHTSPEED ； PKU（北京大学） ； THU（清华大学） ； Tongji University（同济大学） 纠错

专题命中 工作流自动化 ：agent(title,abstract)；agentic(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL

AI总结 提出Orchestra-o1全模态智能体编排框架，通过统一编排机制实现模态感知任务分解、在线子智能体专业化和并行子任务执行，在OmniGAIA基准上准确率超第二名10.3%，并引入DA-GRPO强化学习方法训练Orchestra-o1-8B达到开源全模态智能体最优性能。

KernelCraft: Benchmarking for Agentic Close-to-Metal Kernel Generation on Emerging Hardware

KernelCraft: 面向新兴硬件的近底层内核生成的智能体基准测试

Jiayi Nie, Haoran Wu, Yao Lai, Zeyu Cao, Cheng Zhang, Binglei Lou, Erwei Wang, Jianyi Cheng, Timothy M. Jones, Robert Mullins, Rika Antonova, Yiren Zhao

机构 * Department of Computer Science and Technology, University of Cambridge, Cambridge, United Kingdom（计算机科学与技术系，剑桥大学，剑桥，英国） ； Department of Electrical and Electronic Engineering, Imperial College London, London, United Kingdom（电气与电子工程系，伦敦帝国理工学院，伦敦，英国） ； School of Informatics, University of Edinburgh, Edinburgh, United Kingdom（信息学院，爱丁堡大学，爱丁堡，英国） 纠错

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

AI总结 提出KernelCraft基准，通过函数调用和反馈驱动的工作流评估LLM智能体为新兴加速器生成和优化底层内核的能力，在多个任务上验证其能快速生成正确且高效的内核。

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。

Separating Intelligence from Execution: A Workflow Engine for the Model Context Protocol

将智能与执行分离：一种用于模型上下文协议的工作流引擎

Abhinav Singh Parmar

机构 * Infosys 纠错

专题命中 工作流自动化 ：workflow(title,abstract)；agent(abstract)；分类 cs.AI、cs.SE

AI总结 本文提出一种MCP原生编排层，将智能决策与执行分离，通过工作流蓝图减少token消耗，提升执行效率。

Comments 16 pages, 5 figures

Automating Computational Reproducibility in Social Science: Comparing Prompt-Based and Agent-Based Approaches

在社会科学中自动化计算可重复性：比较基于提示和基于代理的方法

Syed Mehtab Hussain Shah, Frank Hopfgartner, Arnim Bleier

机构 * University of Koblenz Koblenz Germany ； University of Koblenz 纠错

专题命中 工作流自动化 ：agent(title,abstract)；AI agent(abstract)；workflow(abstract)；分类 cs.CL、cs.SE

AI总结 研究探讨了大型语言模型和AI代理能否自动诊断和修复计算失败，通过可控的可重复性测试平台评估两种方法在不同复杂度下的表现，发现基于代理的方法在可重复性上表现更优。

Comments 12 pages, 5 figures. Submitted to ACM conference

WorkflowGen:an adaptive workflow generation mechanism driven by trajectory experience

WorkflowGen:一种基于轨迹经验的自适应工作流生成机制

Ruocan Wei, Shufeng Wang, Ziwei Shi

机构 * China Telecom Cloud（中国电信云） 纠错

专题命中 工作流自动化 ：workflow(title,abstract)；tool use(abstract)；planning(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出WorkflowGen，一种基于轨迹经验的自适应工作流生成机制，通过捕捉完整轨迹提取可重用知识，减少token消耗，提升效率和成功率。

Comments 16 pages,3 tables

Spec Kit Agents: Context-Grounded Agentic Workflows

Spec Kit Agents：基于上下文的代理工作流

Pardis Taghavi, Santosh Bhavani

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

AI总结 本文提出Spec Kit Agents，一种多代理的规范驱动开发流程，通过添加阶段级上下文绑定钩子，提升代码质量与测试兼容性。

Self-evolving AI agents for protein discovery and directed evolution

具有自我进化的AI代理用于蛋白质发现和定向进化

Yang Tan, Lingrong Zhang, Mingchen Li, Yuanxi Yu, Bozitao Zhong, Bingxin Zhou, Nanqing Dong, Liang Hong

机构 * Shanghai Innovation Institute（上海创新研究院） ； School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院） ； Zhangjiang Institute for Advanced Study, Shanghai Jiao Tong University（上海交通大学张江高等研究院） 纠错

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

AI总结 本文提出VenusFactory2框架，通过自我进化的多代理基础设施实现动态工作流合成，解决蛋白质发现中的手动信息协调问题，并在基准测试中超越现有代理。

Comments 100 pages, 6 figures

From Static Templates to Dynamic Runtime Graphs: A Survey of Workflow Optimization for LLM Agents

从静态模板到动态运行时图：LLM代理工作流优化的综述

Ling Yue, Kushal Raj Bhandari, Ching-Yun Ko, Dhaval Patel, Shuxin Lin, Nianjun Zhou, Jianxi Gao, Pin-Yu Chen, Shaowu Pan

机构 * Department of Computer Science, Rensselaer Polytechnic Institute（伦斯勒理工学院计算机科学系） ； IBM Research（IBM研究院） ； Department of Mechanical, Aerospace, and Nuclear Engineering, Rensselaer Polytechnic Institute（伦斯勒理工学院机械、航空航天与核工程系） 纠错

专题命中 工作流自动化 ：workflow(title,abstract)；tool use(abstract)；agentic(abstract)；分类 cs.AI、cs.CL

AI总结 本文综述了LLM代理工作流优化方法，区分静态与动态方法，探讨结构确定时间、优化部分及评估信号，提出结构感知评估视角以提升可比性和可复现性。

DRCY: Agentic Hardware Design Reviews

DRCY：代理硬件设计审查

Kyle Dumont, Nicholas Herbert, Hayder Tirmazi, Shrikanth Upadhayaya

机构 * AllSpice Inc.（AllSpice公司） 纠错

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

AI总结 DRCY是首个生产级多代理LLM系统，通过自动获取元件数据表并进行引脚分析，提高硬件设计连接审查的准确性与可靠性。

Building AI Agents to Improve Job Referral Requests to Strangers

构建AI代理以提高对陌生人的求职推荐请求

Ross Chu, Yuting Huang

机构 * UC Berkeley（加州大学伯克利分校） 纠错

专题命中 工作流自动化 ：AI agent(title,abstract)；agent(abstract)；workflow(abstract)；分类 cs.AI、cs.CL

AI总结 本文提出利用AI代理增强求职推荐请求的撰写效果，通过检索增强生成技术提升较弱请求的成功率，同时保持较强请求的性能。

Evaluating Novelty in AI-Generated Research Plans Using Multi-Workflow LLM Pipelines

利用多工作流LLM管道评估AI生成的研究计划新颖性

Devesh Saraogi, Rohit Singhee, Dhruv Kumar

机构 * Birla Institute of Technology and Science, Pilani, India（比拉理工学院和科学学院，皮兰迪） 纠错

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

AI总结 本文通过多工作流LLM管道评估AI生成研究计划的新颖性，发现递归分解和长上下文工作流在新颖性和可行性方面表现更优。

Comments Under Review

FROAV: A Framework for RAG Observation and Agent Verification -- Lowering the Barrier to LLM Agent Research

FROAV：一个用于RAG观察和代理验证的框架——降低LLM代理研究的门槛

Tzu-Hsuan Lin, Chih-Hsuan Kao

机构 * AetheTech 纠错

专题命中 工作流自动化 ：agent(title,abstract)；autonomous agent(abstract)；workflow(abstract)；分类 cs.LG、cs.SE

AI总结 FROAV提供了一个开源平台，通过可视化工作流编排、评估框架和Python集成，降低LLM代理研究的门槛，使研究人员能更专注于算法创新。

Comments 8 pages, 1 figure, 3 tables

DataFlow: An LLM-Driven Framework for Unified Data Preparation and Workflow Automation in the Era of Data-Centric AI

DataFlow：面向数据导向AI时代的统一数据准备与工作流自动化框架

Hao Liang, Xiaochen Ma, Zhou Liu, Zhen Hao Wong, Zhengyang Zhao, Zimo Meng, Runming He, Chengyu Shen, Qifeng Cai, Zhaoyang Han, Meiyi Qiang, Yalin Feng, Tianyi Bai, Zewei Pan, Ziyi Guo, Yizhen Jiang, Jingwen Deng, Qijie You, Peichao Lai, Tianyu Guo, Chi Hsu Tsai, Hengyi Feng, Rui Hu, Wenkai Yu, Junbo Niu, Bohan Zeng, Ruichuan An, Lu Ma, Jihao Huang, Yaowei Zheng, Conghui He, Linpeng Tang, Bin Cui, Weinan E, Wentao Zhang

机构 * Peking University（北京大学） ； Institute for Advanced Algorithms Research（先进算法研究所） ； OriginHub Technology（OriginHub技术） ； OpenDataLab（OpenData实验室） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； LLaMA-Factory Team（LLaMA-Factory团队） 纠错

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

AI总结 DataFlow通过统一的数据准备框架和自动化工作流，提升LLM性能，实现高效、可靠的数据处理。

Voice-Interactive Surgical Agent for Multimodal Patient Data Control

多模态患者数据控制的语音交互手术代理

Hyeryun Park, Byung Mo Gu, Jun Hee Lee, Byeong Hyeon Choi, Sekeun Kim, Hyun Koo Kim, Kyungsang Kim

机构 * Image Guided Precision Cancer Surgery Institute, College of Medicine, Korea University（影像引导精准癌症手术研究所，韩国大学医学院） ； Department of Radiology, Massachusetts General Hospital（放射科，麻省总医院） ； Department of Thoracic and Cardiovascular Surgery, Korea University Guro Hospital, College of Medicine, Korea University（胸外科和心血管外科，韩国大学Guro医院，韩国大学医学院） ； Department of Biomedical Sciences, College of Medicine, Korea University（生物医学科学系，韩国大学医学院） 纠错

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

AI总结 本文提出一种基于大型语言模型的语音交互手术代理，用于多模态患者数据的高效控制与处理，通过分层多代理框架提升手术流程中的数据操作效率与鲁棒性。

Comments 14 pages, 13 figures, 3 tables

KnowThyself: An Agentic Assistant for LLM Interpretability

Suraj Prasai, Mengnan Du, Ying Zhang, Fan Yang

机构 * Wake Forest University（威克森林大学） ； New Jersey Institute of Technology（新泽西理工学院） 纠错

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

Comments 5 pages, 1 figure, Accepted for publication at the Demonstration Track of the 40th AAAI Conference on Artificial Intelligence (AAAI 26)

Hallucination Mitigation using Agentic AI Natural Language-Based Frameworks

Diego Gosmar, Deborah A. Dahl

专题命中 工作流自动化 ：agentic(title,abstract)；agent(abstract)；AI agent(abstract)；分类 cs.AI、cs.CL

Comments 18 pages, 6 figures

RCAgent: Cloud Root Cause Analysis by Autonomous Agents with Tool-Augmented Large Language Models

Zefan Wang, Zichuan Liu, Yingying Zhang, Aoxiao Zhong, Jihong Wang, Fengbin Yin, Lunting Fan, Lingfei Wu, Qingsong Wen

专题命中 工作流自动化 ：autonomous agent(title,abstract)；agent(abstract)；workflow(abstract)；分类 cs.CL、cs.SE

Comments Accepted by the 33rd ACM International Conference on Information and Knowledge Management (CIKM 2024)

ProAgent: From Robotic Process Automation to Agentic Process Automation

Yining Ye, Xin Cong, Shizuo Tian, Jiannan Cao, Hao Wang, Yujia Qin, Yaxi Lu, Heyang Yu, Huadong Wang, Yankai Lin, Zhiyuan Liu, Maosong Sun

专题命中 工作流自动化 ：agentic(title,abstract)；agent(abstract)；workflow(abstract)；分类 cs.AI、cs.CL

Comments Work in progress

Toward Agentic SysAdmin: Rethinking System Administration with AI Agents

迈向智能系统管理：用AI智能体重新思考系统管理

Gianmaria Frigo, Davide Saladino, Alberto Castagnaro, Francesco Marchiori, Denis Donadel, Luca Pajola, Mauro Conti

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

AI总结 提出NetLLMeval框架，通过实时网络仿真自动评估LLM在系统管理任务中的表现，发现求解器设计显著影响准确性，本地模型在合适配置下可媲美前沿大模型。

Comments Under submission

comokit4py : a python package to ease COMOKIT agent based model simulation integration into a high performance computing workflow

comokit4py：一个简化COMOKIT基于智能体的模型模拟集成到高性能计算工作流程的Python包

Arthur Brugière, Kévin Chapuis

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

AI总结 提出一个Python包comokit4py，用于简化COMOKIT基于智能体模型（ABM）的模拟集成到高性能计算（HPC）工作流中，支持实验生成、探索和报告构建。

Comments 6 pages, 2 figures, IEEE submission

ReUseIt: Synthesizing Reusable AI Agent Workflows for Web Automation

ReUseIt：合成可重用的AI代理工作流以实现网页自动化

Yimeng Liu, Misha Sra, Jeevana Priya Inala, Chenglong Wang

专题命中 工作流自动化 ：agent(title,abstract)；AI agent(title)

AI总结 ReUseIt通过自动合成可重用的工作流，使AI代理在网页自动化任务中实现更高的成功率和更少的用户干预。

Comments ACM IUI '26 | 31st International Conference on Intelligent User Interfaces

From Paper to Structured JSON: An Agentic Workflow for Compliant BMR Digital Transformation

从论文到结构化JSON：一种合规BMR数字转型的代理工作流程

Bhavik Agarwal, Nidhi Bendre, Viktoria Rojkova

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

AI总结 本文提出了一种基于AI的工作流程，将无结构的BMRs转换为结构化的JSON，通过分块、并行大语言模型提取和固定模式，实现合规的BMR数字化，提升处理效率并解锁历史制造数据。