AI Agent

Active Inference: A method for Phenotyping Agency in AI systems?

主动推断：一种用于AI系统中表型代理的方法？

Philip Wilson, Axel Constant, Mahault Albarracin, Nicolás Hinrichs, Jasmine Moore, Daniel Polani, Karl Friston

机构 * Independent Researcher Laboratoire d'Analyse Cognitive de l'Information, Universit\' e du Qu\' e bec \` a Montr\' e al, Qu\' e bec, Canada Centre of Excellence for AI ； Robotics, Sheffield Hallam University, Sheffield, UK Methods ； Statistical Computing, Max Planck Institute for Human Cognitive ； Brain Sciences, Leipzig, Germany Department of Computer Science, School of Physics, Engineering ； Computer Science, University of Hertfordshire, Hatfield, UK Wellcome Centre for Human Neuroimaging, University College London, London, UK Department of Engineering ； Informatics, University of Sussex, Falmer, Brighton, BN1 9RH, UK 纠错

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

AI总结 本文提出基于主动推断的表型代理方法，通过变分框架将信念、偏好和自由能最小化结合，以区分不同代理表型。

The Security Cost of Intelligence: AI Capability, Cyber Risk, and Deployment Paradox

情报安全成本：人工智能能力、网络风险与部署悖论

Sukwoong Choi

机构 * Massry School of Business, University at Albany, SUNY（阿尔巴尼大学马斯里商学院） ； MIT FutureTech（麻省理工学院未来科技） 纠错

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

AI总结 本文研究了企业在部署高能力AI系统时面临的治理与能力脱节问题，揭示了在高损失环境下，更强的AI能力可能导致部署减少，且治理成熟度不仅限制AI采纳，还影响能力提升转化为生产力部署的条件。

AeSlides: Incentivizing Aesthetic Layout in LLM-Based Slide Generation via Verifiable Rewards

AeSlides：通过可验证奖励激励基于大语言模型的幻灯片生成中的美观布局

Yiming Pan, Chengwei Hu, Xuancheng Huang, Can Huang, Mingming Zhao, Yuean Bi, Xiaohan Zhang, Aohan Zeng, Linmei Hu

机构 * Beijing Institute of Technology（北京理工大学） ； Zhipu AI (Z.ai)（智谱AI） 纠错

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

AI总结 本文提出AeSlides框架，通过可验证奖励优化幻灯片生成的美观布局，实验表明其在布局合规性、空格减少、元素碰撞和视觉平衡方面均优于现有方法。

Comments 21 pages, 25 figures, 9 tables

HGQ-LUT: Fast LUT-Aware Training and Efficient Architectures for DNN Inference

HGQ-LUT：用于DNN推理的快速LUT感知训练和高效架构

Chang Sun, Zhiqiang Que, Bakhtiar Zadeh, Qibin Liu, Kevin H. Alvarez, Wayne Luk, Maria Spiropulu

机构 * California Institute of Technology, Pasadena, CA, USA（加州理工学院） ； University of Bristol, UK（布里斯托大学） ； Imperial College London, UK（伦敦帝国理工学院） ； SLAC National Accelerator Laboratory, Menlo Park, CA, USA（SLAC国家加速器实验室） 纠错

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

AI总结 HGQ-LUT通过引入LUT-Dense和LUT-Conv层及精细化量化，实现高效硬件效率和加速训练，支持混合架构的一体化设计与验证。

Quantifying Interface Procedure Coupling Risks in Digital Nuclear Control Rooms: An Event Based Human Reliability Assessment

数字核控制室界面过程耦合风险量化：基于事件的人可靠性评估

Xingyu Xiao, Mingwei Xiao, Hongbo Li, Jingang Liang, Jiejuan Tong, Haitao Wang

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

AI总结 本文基于2021-2025年现代核电站实际运行事件，提出一种三维标注框架和四因素界面机制模型，揭示界面缺陷放大风险的机制，发现42.6%的事件涉及界面缺陷，其存在使操作偏差概率翻倍，且语义不匹配和布局陷阱是主要诱因。

Towards a Systematic Risk Assessment of Deep Neural Network Limitations in Autonomous Driving Perception

面向自动驾驶感知中深度神经网络局限性的系统性风险评估

Svetlana Pavlitska, Christopher Gerking, J. Marius Zöllner

机构 * FZI Research Center for Information Technology, Germany（德国弗劳恩霍夫信息技术研究所） ； Karlsruhe Institute of Technology, Germany（德国卡尔斯鲁厄理工学院） 纠错

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

AI总结 本文提出结合ISO 26262和ISO/SAE 21434标准的风险评估流程，系统分析深度神经网络在自动驾驶感知中的固有局限性带来的风险。

Comments Accepted for publication at the SECAI workshop at ESORICS 2025

Architecture of an AI-Based Automated Course of Action Generation System for Military Operations

基于人工智能的军事行动自动化行动方案生成系统架构

Ji-il Park, Inwook Shim, Chong Hui Kim

机构 * Ministry of National Defense（国防部长办公室） ； Department of Smart Mobility Engineering（智能移动工程系） ； Defense AI R&D Institute, Agency for Defense Development (ADD)（国防AI研发院，国防发展局） 纠错

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

AI总结 本文基于公开信息，提出适用于行动方案规划各阶段的AI技术，并设计自动化行动方案规划系统架构。

Comments 15 figures, 2 tables

From Fuzzy to Formal: Scaling Hospital Quality Improvement with AI

从模糊到正式：利用AI扩展医院质量改进

Patrick Vossler, Jean Feng, Venkat Sivaraman, Robert Gallo, Hemal Kanzaria, Dana Freiser, Christopher Ross, Amy Ou, James Marks, Susan Ehrlich, Christopher Peabody, Lucas Zier

机构 * University of California, San Francisco（加州大学旧金山分校） ； Zuckerberg San Francisco General Hospital（扎克伯格旧金山总医院） 纠错

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

AI总结 本文提出通过AI框架优化医院质量改进过程，通过学习LLM提示和自然语言规范，提升质量因素发现的效率与可追溯性，实现人类与AI协同优化。

Comments 34 pages, 8 figures, 6 tables

AnatomicalNets: A Multi-Structure Segmentation and Contour-Based Distance Estimation Pipeline for Clinically Grounded Lung Cancer T-Staging

AnatomicalNets：一种用于临床肺癌T分期的多结构分割和基于轮廓的距离估计流程

Saniah Kayenat Chowdhury, Rusab Sarmun, Muhammad E. H. Chowdhury, Sohaib Bassam Zoghoul, Israa Al-Hashimi, Adam Mushtak, Amith Khandakar

机构 * Department of Robotics and Mechatronics Engineering, University of Dhaka（达卡大学机器人与机电工程系） ； Department of Electrical and Electronics Engineering, University of Dhaka（达卡大学电气与电子工程系） ； Department of Electrical Engineering, Qatar University（卡塔尔大学电气工程系） ； Department of Radiology, Hamad Medical Corporation（哈马德医疗集团放射科） ； Department of Biomedical Technology, Prince Sattam Bin Abdulaziz University（普林斯·萨塔姆·本·阿卜杜勒阿齐兹大学生物医学技术系） 纠错

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

AI总结 本文提出AnatomicalNets，通过多阶段流程将肿瘤分期转化为测量和规则推理问题，利用三个编码器-解码器网络进行分割，并结合轮廓距离估计方法提升临床可解释性，实现91.36%的分类准确率。

How Will My Business Process Unfold? Predicting Case Suffixes With Start and End Timestamps

我的业务流程将如何展开？通过起始和结束时间戳预测案例后缀

Muhammad Awais Ali, Marlon Dumas, Fredrik Milani

机构 * University of Tartu（塔尔图大学） 纠错

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

AI总结 本文提出通过起始和结束时间戳预测业务流程后缀的方法，以更精确地预测资源需求，解决传统方法仅能预测单一时间戳的不足。

Co-Refine: AI-Powered Tool Supporting Qualitative Analysis

Co-Refine：支持定性分析的AI工具

Athikash Jeyaganthan, Kai Xu, Franziska Becker, Steffen Koch

机构 * University of Nottingham（诺丁汉大学） ； University of Stuttgart（斯图加特大学） 纠错

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

AI总结 Co-Refine通过三阶段审计流程提供持续反馈，解决定性编码中代码解释随时间变化的问题，提升分析可信度。

Comments 7 pages, 4 figures. Includes details on system architecture, a three-stage audit pipeline, and a formative user study

Plug-and-Play Dramaturge: A Divide-and-Conquer Approach for Iterative Narrative Script Refinement via Collaborative LLM Agents

即插即用的戏剧编导：一种分而治之的方法，用于通过协作LLM代理进行迭代叙事脚本优化

Wenda Xie, Chao Guo, Yanqing Jing, Junle Wang, Yisheng Lv, Fei-Yue Wang

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Tencent（腾讯） 纠错

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

AI总结 本文提出Dramaturge方法，通过分层多个LLM代理，解决长叙事脚本优化中的全局结构问题和局部细节问题，提升脚本整体质量和细节。

mlr3torch: A Deep Learning Framework in R based on mlr3 and torch

mlr3torch: 基于mlr3和torch的深度学习框架

Sebastian Fischer, Lukas Burk, Carson Zhang, Bernd Bischl, Martin Binder

机构 * LMU Munich（慕尼黑莱布尼茨大学） ； MCML（预防研究与流行病学研究所） ； Leibniz Institute for Prevention Research and Epidemiology - BIPS（预防研究与流行病学研究所） ； University of Bremen（布伦瑞大学） 纠错

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

AI总结 本文介绍mlr3torch框架，基于mlr3生态系统构建，简化了神经网络的定义、训练和评估，支持表格数据和通用张量，提供预定义架构和图形化建模流程。

Training LLM Agents for Spontaneous, Reward-Free Self-Evolution via World Knowledge Exploration

通过世界知识探索训练具有自发、无奖励自我进化的LLM代理

Qifan Zhang, Dongyang Ma, Tianqing Fang, Jia Li, Jing Tang, Nuo Chen, Haitao Mi, Yan Wang

机构 * Tencent（腾讯） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI

AI总结 本文提出一种无需外部监督的LLM代理自我进化方法，通过世界知识探索提升任务成功率，实验表明在WebVoyager和WebWalker上性能提升20%，并使紧凑型Qwen3模型超越Gemini-2.5-Flash。

GraSP: Graph-Structured Skill Compositions for LLM Agents

GraSP：用于LLM代理的图结构技能组合

Tianle Xia, Lingxiang Hu, Yiding Sun, Ming Xu, Lan Xu, Siying Wang, Wei Xu, Jie Jiang

机构 * Tencent（腾讯） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.CL

AI总结 本文提出GraSP，一种可执行技能图架构，通过引入编译层提升LLM代理技能编排效率，通过五种类型操作符将扁平技能集转化为带前提-效应边的有向无环图，提升任务完成效率和奖励。

XRePIT: A deep learning-computational fluid dynamics hybrid framework implemented in OpenFOAM for fast, robust, and scalable unsteady simulations

XRePIT：一种基于深度学习与计算流体动力学的混合框架，用于在OpenFOAM中实现快速、稳健且可扩展的非稳态模拟

Shilaj Baral, Youngkyu Lee, Sangam Khanal, Joongoo Jeon

机构 * Division of Advanced Nuclear Engineering, Pohang University of Science and Technology（浦项国立科学技术大学先进核工程系） ； Division of Applied Mathematics, Brown University（布朗大学应用数学系） ； Graduate School of Integrated Energy-AI, Jeonbuk National University（全北国立大学整合能源-人工智能研究生院） 纠错

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

AI总结 本文提出基于OpenFOAM的XRePIT混合框架，通过自动工作流实现神经代理与传统求解器的稳定耦合，提升非稳态模拟的效率与鲁棒性，实验表明其在3D浮力驱动流中能实现2.91倍的加速率，同时保持误差在O(1E-03)以内。

Journal ref 10.1016/j.compfluid.2026.107075

FLARE: A Data-Efficient Surrogate for Predicting Displacement Fields in Directed Energy Deposition

FLARE：一种数据高效的替代模型，用于预测定向能量沉积中的位移场

Kittipong Thiamchaiboonthawee, Ghadi Nehme, Ram Mohan Telikicherla, Jiawei Tian, Balaji Jayaraman, Vikas Chandan, Dhanushkodi Mariappan, Faez Ahmed

机构 * Massachusetts Institute of Technology（麻省理工学院） ； GE Vernova Advanced Research Center（GE Vernova先进研究中心） 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FLARE模型，通过线性仿射重建在权重空间中高效预测定向能量沉积的位移场，提升了设计迭代和工艺优化中的准确性。

Comments 14 pages, 7 figures

Elder-Sim: A Psychometrically Validated Platform for Personality-Stable Elderly Digital Twins

Elder-Sim：一种经过心理测量学验证的用于构建性格稳定的老年人数字孪生平台

Jiaqing Wang, Zhongfang Yang, Xingyuan Zhu, Zong'an Huang, Hao Wang, Li Tian, Ying Cao, Xiaomin Qu, Xiang Qi, Bei Wu, Zheng Zhu

机构 * Yulin AI-Enhanced HealthCare Lab（云林人工智能增强医疗实验室） ； School of Nursing, Fudan University（复旦大学护理学院） ； School of Nursing, Medical College of Soochow University（苏州大学医学院护理学院） ； School of Nursing, Dali University（大理大学护理学院） ； Department of Advanced Interdisciplinary Studies, The University of Tokyo（东京大学先进跨学科研究部） ； The First Affiliated Hospital of Soochow University（苏州大学第一附属医院） ； Department of Nursing, The First Affiliated Hospital, Jiangxi Medical College, Nanchang University（江西医学院护理部，南昌大学第一附属医院） ； School of Social Development, East China University of Political Science and Law（中国政法大学社会发展学院） ； Rory Meyers College of Nursing, New York University（纽约大学 Rory Meyers 护理学院） ； New York University Shanghai（纽约大学上海校区） 纠错

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

AI总结 本文提出Elder-Sim平台，通过心理测量学验证方法构建性格稳定的老年人数字孪生代理，利用认知概念化图和LoRA微调提升性格一致性。

FL-MHSM: Spatially-adaptive Fusion and Ensemble Learning for Flood-Landslide Multi-Hazard Susceptibility Mapping at Regional Scale

FL-MHSM：面向区域尺度的洪水-泥石流多灾害易发性制图的时空自适应融合与集成学习

Aswathi Mundayatt, Jaya Sreevalsan-Nair

机构 * Graphics-Visualization-Computing Lab, International Institute of Information Technology Bangalore, Karnataka 560100, India（图形可视化计算实验室，国际信息科技学院班加罗尔，卡纳塔克邦560100，印度） 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FL-MHSM方法，结合两级空间划分、概率早期融合、树基晚期融合和软门控专家混合模型，通过MoE模型提升洪水和泥石流的预测性能，验证了在不同区域的适应性和可解释性。

Exascale Multi-Task Graph Foundation Models for Imbalanced, Multi-Fidelity Atomistic Data

面向不均衡多保真原子数据的exascale多任务图基础模型

Massimiliano Lupo Pasini, Jong Youl Choi, Kshitij Mehta, Richard Messerly, Rylie Weaver, Linda Ungerboeck, Isaac Lyngaas, Benajmin Stump, Ashwin M. Aji, Karl W. Schulz, Jorda Polo

机构 * Engineering Division, Oak Ridge National Laboratory（橡树岭国家实验室工程部） ； Mathematics Division, Oak Ridge National Laboratory（橡树岭国家实验室数学部） ； National Center for Computational Sciences Division, Oak Ridge National Laboratory（橡树岭国家实验室国家计算科学中心部） 纠错

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

AI总结 本文提出基于HydraGNN的exascale工作流，通过多任务架构和可扩展的数据管道，在16个开放首原理数据集上联合训练，实现百亿级原子结构筛选与跨领域任务迁移。

Comments 12 pages; 5 figures; 15 tables

MEDSYN: Benchmarking Multi-EviDence SYNthesis in Complex Clinical Cases for Multimodal Large Language Models

MEDSYN：多证据合成在复杂临床病例中的基准测试用于多模态大语言模型

Boqi Chen, Xudong Liu, Jiachuan Peng, Marianne Frey-Marti, Bang Zheng, Kyle Lam, Lin Li, Jianing Qiu

机构 * ETH Zurich（苏黎世联邦理工学院） ； MBZUAI（马克斯·普朗克人工智能研究所） ； Amazon（亚马逊） ； University of Oxford（牛津大学） ； University of Bern（伯尔尼大学） ； Imperial College London（伦敦帝国理工学院） ； Peking University（北京大学） 纠错

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

AI总结 MEDSYN是一个多语言、多模态的复杂临床病例基准测试，用于评估多模态大语言模型在差分诊断和最终诊断中的表现，揭示模型在异质临床证据合成中的不足。

Intelligent Healthcare Imaging Platform: A VLM-Based Framework for Automated Medical Image Analysis and Clinical Report Generation

智能医疗影像平台：基于视觉语言模型的自动化医学图像分析与临床报告生成框架

Samer Al-Hamadani

机构 * Automated Manufacturing Department/Al-Khwarizmi College of Engineering/ University of Baghdad/Gilgamesh University（自动化制造部门/阿尔·卡瓦尔齐米工程学院/巴格达大学/吉尔伽美什大学） 纠错

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

AI总结 本文提出基于视觉语言模型的智能多模态框架，用于自动化医学图像分析和临床报告生成，结合视觉特征提取与自然语言处理，实现上下文图像解释，并通过多层可视化技术提升临床信心。

Comments 32 pages, 14 figures, 6 tables

Scouting By Reward: VLM-TO-IRL-Driven Player Selection For Esports

通过奖励进行 scouting：由 VLM-TO-IRL 驱动的电子竞技玩家选拔

Qing Yan, Wenyu Yang, Yufei Wang, Wenhao Ma, Linchong Hu, Yifei Jin, Anton Dahbura

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Cornell University（康奈尔大学） 纠错

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

AI总结 本文提出一种基于逆强化学习的电子竞技玩家选拔框架，通过学习专业选手的奖励函数，利用多模态双分支架构和 GAIL 目标实现玩家风格匹配评估，提升人才发现效率。

FocalLens: Visualizing Narratives through Focalization

FocalLens：通过聚焦性可视化叙事

S M Raihanul Alam, Md Dilshadur Rahman, Md Naimul Hoque

机构 * University of Iowa（爱荷华大学） ； University of Utah（犹他大学） 纠错

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

AI总结 本文提出FocalLens，通过聚焦性可视化叙事，揭示不同角色对事件的感知与叙述，为叙事可视化提供新视角。

The AI Research Assistant: Promise, Peril, and a Proof of Concept

人工智能研究助手：前景、危险与概念验证

Tan Bui-Thanh

机构 * Department of Aerospace Engineering & Engineering Mechanics, and Oden Institute for Computational Engineering & Sciences, University of Texas at Austin（航空航天工程与工程力学系，奥登计算工程与科学研究所，德克萨斯大学奥斯汀分校） 纠错

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

AI总结 本文通过案例研究探讨人工智能在数学研究中的应用，展示人类与AI协作发现新误差表示和界限的方法，指出AI在代数运算和证明探索中的优势及需人类监督的局限。

Comments 11 pages

From Brain Models to Executable Digital Twins: Execution Semantics and Neuro-Neuromorphic Systems

从脑模型到可执行数字孪生：执行语义与神经神经形态系统

Alexandre Muzy

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

AI总结 本文探讨了脑数字孪生在执行语义上的统一视角，提出执行可执行性分类，涵盖从离线模型到神经神经形态系统的执行模式，强调语义互操作性和混合时间正确性的重要性。

Computational framework for multistep metabolic pathway design

多步代谢通路设计的计算框架

Peter Zhiping Zhang, Jeffrey D. Varner

机构 * Robert Frederick Smith School of Chemical and Biomolecular Engineering（罗伯特·弗雷德里克·史密斯化学与生物分子工程学院） 纠错

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

AI总结 本文提出结合深度学习与传统回推合成工作流，改进计算合成代谢通路设计。通过整合代谢反应和酶模板数据，构建多步回推合成管道，验证了自然和非自然通路的计算复现。

How Developers Adopt, Use, and Evolve CI/CD Caching: An Empirical Study on GitHub Actions

开发者如何采用、使用和演变CI/CD缓存：一项针对GitHub Actions的实证研究

Kazi Amit Hasan, Yuan Tian, Safwat Hassan, Steven H. H. Ding

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

AI总结 本文通过分析952个GitHub仓库，研究开发者在GitHub Actions中配置和演变CI/CD缓存的方式，揭示缓存使用模式及演变驱动因素，量化缓存维护的大量工作量。

RECOVER: Designing a Large Language Model-based Remote Patient Monitoring System for Postoperative Gastrointestinal Cancer Care

RECOVER：基于大语言模型的术后胃肠癌远程患者监测系统设计

Ziqi Yang, Yuxuan Lu, Jennifer Bagdasarian, Vedant Das Swain, Ritu Agarwal, Collin Campbell, Waddah Al-Refaire, Jehan El-Bayoumi, Guodong Gao, Dakuo Wang, Bingsheng Yao, Nawar Shara

机构 * University of California, Irvine（加州大学尔湾分校） ； Northeastern University（东北大学） ； Johns Hopkins University（约翰霍普金斯大学） ； New York University（纽约大学） ； MedStar Health Research Institute（梅斯塔健康研究院） ； Creighton University（克里普顿大学） ； Georgetown University（乔治城大学） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI

AI总结 本文设计了基于大语言模型的RECOVER系统，用于术后胃肠癌的远程患者监测，通过临床整合提升术后护理效率，并探讨了AI伦理与未来发展方向。

Pricing-Driven Resource Allocation in the Computing Continuum

计算连续体中的定价驱动资源分配

Alejandro García-Fernández, Boris Sedlak, José Antonio Parejo, Pantelis Frangoudis, Antonio Ruiz-Cortés, Schahram Dustdar

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

AI总结 本文提出基于定价的资源分配方法，通过定价结构定义配置空间，实现计算连续体中的成本最优部署，提供合成基础设施拓扑和工作负载生成方法及9600个预计算场景数据集。