AI Agent

Automated Batch Distillation Process Simulation for a Large Hybrid Dataset for Deep Anomaly Detection

用于大规模混合数据集的自动化批量蒸馏过程模拟以实现深度异常检测

Jennifer Werner, Justus Arweiler, Indra Jungjohann, Jochen Schmid, Fabian Jirasek, Hans Hasse, Michael Bortz

机构 * Fraunhofer Institute for Industrial Mathematics (ITWM)（弗劳恩霍夫工业数学研究所） ； Laboratory of Engineering Thermodynamics (LTD)（工程热力学实验室） ； RPTU Kaiserslautern（科隆大学（卡塞尔拉特恩分校）） 纠错

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

AI总结 本文通过结合实验数据与模拟数据构建混合数据集，实现批量蒸馏过程的自动化模拟，为深度异常检测提供新的数据基础。

MVOS_HSI: A Python Library for Preprocessing Agricultural Crop Hyperspectral Data

MVOS_HSI：一种用于预处理农业作物高光谱数据的Python库

Rishik Aggarwal, Krisha Joshi, Pappu Kumar Yadav, Jianwei Qin, Thomas F. Burks, Moon S. Kim

机构 * Machine Vision and Optical Sensor (MVOS) Lab, Dept. of Agricultural and Biosystems Engineering, South Dakota State University（农业与生物系统工程系机器视觉与光学传感器实验室，南达科他州立大学） ； USDA/ARS Environmental Microbial and Food Safety Laboratory（美国农业部/动植物卫生检验局环境微生物与食品安全实验室） ； Department of Agricultural and Biological Engineering, University of Florida（农业与生物工程系，佛罗里达大学） 纠错

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

AI总结 MVOS_HSI提供了一种端到端的流程处理叶级高光谱数据，整合了校准、叶片检测与增强工具，提升植物表型研究的可重复性。

Comments 11 pages

"Should I Give Up Now?" Investigating LLM Pitfalls in Software Engineering

现在就放弃吗？调查LLM在软件工程中的缺陷

Jiessie Tie, Bingsheng Yao, Tianshi Li, Hongbo Fang, Syed Ishtiaque Ahmed, Dakuo Wang, Shurui Zhou

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

AI总结 研究LLM在软件工程中的缺陷，通过分析26名参与者的复杂网页开发任务数据，发现九种失败类型，包括不准确或不完整响应、认知过载和上下文丢失，发现不帮助的响应增加了放弃的可能性，而更多提示减少了放弃概率。

Autonomous Diffractometry Enabled by Visual Reinforcement Learning

由视觉强化学习实现的自主衍射测量

J. Oppliger, M. Stifter, A. Rüegg, I. Biało, L. Martinelli, P. G. Freeman, D. Prabhakaran, J. Zhao, Q. Wang, J. Chang

机构 * Jeremiah Horrocks Institute for Mathematics, Physics and Astronomy, University of Central Lancashire（中央兰开夏大学杰里迈亚·霍罗克斯数学、物理与天文研究所） ； Department of Physics, Clarendon Laboratory, University of Oxford（牛津大学克拉伦登实验室物理系） ； State Key Laboratory of Surface Physics and Department of Physics, Fudan University（复旦大学表面物理国家重点实验室和物理系） ； Department of Physics, The Chinese University of Hong Kong（香港中文大学物理系） ； State Key Laboratory of Quantum Information Technologies and Materials, The Chinese University of Hong Kong（香港中文大学量子信息与材料国家重点实验室） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.LG

AI总结 本文提出一种无需晶体学知识的自主系统，利用强化学习从劳厄衍射图中自动对齐单晶体，提升材料科学自动化实验流程的能力。

Comments 20 pages, 16 figures

AutonomyLens: A Self-Evolving Simulation-Based Testing Loop for Autonomous Systems

AutonomyLens：自主系统基于模拟的测试循环

Ankit Agrawal, Jithin Garapati, Bohan Zhang

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

AI总结 AutonomyLens通过整合场景设计、模拟执行和 telemetry 分析，提供统一的验证流程，提升自主系统验证的可追溯性、可重复性和可扩展性。

Comments To appear in the 34th ACM Joint European Software Engineering Conference and Symposium on the Foundations of Software Engineering (FSE Companion '26), July 05-09, 2026, Montreal, QC, Canada

From Redaction to Restoration: Deep Learning for Medical Image Anonymization and Reconstruction

从遮蔽到重建：深度学习在医学图像匿名化与重建中的应用

Adrienne Kline, Abhijit Gaonkar, Daniel Pittman, Chris Kuehn, Nils Forkert

机构 * Center for Artificial Intelligence, BCVI, Northwestern Medicine（西北医学BCVI人工智能中心） ； Department of Electrical and Computer Engineering, Northwestern University（西北大学电气与计算机工程系） ； Department of Surgery, Northwestern University（西北大学外科学系） ； Xtasis Inc.（Xtasis公司） ； Medtronic（美敦力公司） ； Departments of Radiology and Clinical Neurosciences, University of Calgary（卡尔加里大学放射学与临床神经科学系） 纠错

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

AI总结 本文提出一种端到端的深度学习框架，用于将原始临床图像转换为去标识、适合分析的数据集，同时减少患者重新识别的风险。

Inspectable AI for Science: A Research Object Approach to Generative AI Governance

可检验的AI用于科学：一种研究对象方法用于生成式AI治理

Ruta Binkyte, Sharif Abuaddba, Chamikara Mahawaga, Ming Ding, Natasha Fernandes, Mario Fritz

机构 * Macquarie University（麦考瑞大学） 纠错

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

AI总结 本文提出将AI视为研究对象，以规范生成式AI在科学中的使用。通过记录模型配置、提示和输出，确保研究过程的可追溯性和问责性，尤其在安全和隐私领域具有重要影响。

Brief2Design: A Multi-phased, Compositional Approach to Prompt-based Graphic Design

Brief2Design: 一种多阶段、组合式的方法用于基于提示的图形设计

Kotaro Kikuchi, Nami Ogawa

机构 * CyberAgent 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Brief2Design，通过需求提取与推荐、元素级探索及灵活重组，解决设计提示转换问题，发现结构化流程提升需求清晰度但牺牲效率。

Evaluating the Impact of Medical Image Reconstruction on Downstream AI Fairness and Performance

评估医学图像重建对下游AI公平性和性能的影响

Matteo Wohlrapp, Niklas Bubeck, Daniel Rueckert, William Lotter

机构 * Department of Data Science, Dana-Farber Cancer Institute（丹娜-法伯癌症研究所数据科学系） ； AI in Medicine, Technical University of Munich（慕尼黑工业大学医学人工智能） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系） ； Harvard Medical School（哈佛医学院） 纠错

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

AI总结 研究通过结合重建与诊断AI模型，评估不同重建方法对下游任务性能和公平性的影响，发现传统指标无法准确反映任务表现，且重建可能放大性别偏见，但整体偏移量较小。

Comments Proceedings of the Medical Imaging with Deep Learning (MIDL) Conference 2026

Investigating CI/CD-based Technical Debt Management in Open-source Projects

研究基于CI/CD的技术债务管理在开源项目中的应用

João Paulo Biazotto, Daniel Feitosa, Paris Avgeriou, Elisa Yumi Nakagawa

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GitHub上的60万Travis CI配置文件，探讨了技术债务管理工具在CI/CD流水线中的使用情况，发现大多数工具通过外部脚本执行，且'无反馈'是常见配置反模式。

Data-Efficient Surgical Phase Segmentation in Small-Incision Cataract Surgery: A Controlled Study of Vision Foundation Models

小切口白内障手术中数据高效的手术阶段分割：视觉基础模型的受控研究

Lincoln Spencer, Song Wang, Chen Chen

机构 * Institute of Artificial Intelligence, University of Central Florida（中佛罗里达大学人工智能研究所） 纠错

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

AI总结 本文通过对比视觉表示模型，研究了小切口白内障手术中数据高效的手术阶段分割，发现基础模型在低标注医疗视频设置中具有良好的迁移能力。

fastml: Guarded Resampling Workflows for Safer Automated Machine Learning in R

fastml: 用于 R 中更安全的自动化机器学习的受保护重采样工作流

Selcuk Korkmaz, Dincer Goksuluk, Eda Karaismailoglu

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

AI总结 fastml 通过受保护重采样提供泄漏感知机器学习，减少预处理泄漏对性能的夸大影响，提升模型评估的可靠性。

Comments 36 pages, 2 figures

What's DAT? Three Case Studies of Measuring Software Development Productivity at Meta With Diff Authoring Time

什么是DAT？在Meta中通过差异作者时间测量软件开发生产力的三个案例研究

Moritz Beller, Amanda Park, Karim Nakad, Akshay Patel, Sarita Mohanty, Ford Garberson, Ian G. Malone, Vaishali Garg, Henri Verroken, Andrew Kennedy, Pavel Avgustinov

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

AI总结 本文通过三个案例研究展示DAT如何通过差异作者时间测量软件开发生产力，验证了DAT在提升开发效率和优化内部工作流程方面的有效性。

Flow Gym: A framework for the development, benchmarking, training, and deployment of flow-field quantification methods

Flow Gym: 一个用于开发、基准测试、训练和部署流场量化方法的框架

Francesco Banelli, Antonio Terpin, Alan Bonomi, Raffaello D'Andrea

机构 * Institute for Dynamic Systems ； Control, ETH Z\"urich, Z\"urich, Switzerland 纠错

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

AI总结 本文提出Flow Gym框架，旨在解决流场量化方法开发和评估中的软件碎片化、接口不一致和可重复性差问题，通过标准化接口整合经典和基于学习的算法，提升方法的可重复性和应用性。

Comments Code: https://github.com/antonioterpin/flowgym. Published in SoftwareX

Journal ref SoftwareX 34 (2026) 102641

Revealing the Hidden Third Dimension of Point Defects in Two-Dimensional MXenes

揭示二维MXenes中点缺陷的隐藏第三维度

Grace Guinan, Michelle A. Smeaton, Brian C. Wyatt, Steven Goldy, Hilary Egan, Andrew Glaws, Garritt J. Tucker, Babak Anasori, Steven R. Spurgeon

机构 * National Renewable Energy Laboratory（美国国家可再生能源实验室） ； School of Materials Engineering, Purdue University（普渡大学材料工程学院） ； Applied Materials Division, Argonne National Laboratory（阿贡国家实验室应用材料部） ； Metallurgical and Materials Engineering Department, Colorado School of Mines（科罗拉多矿业学院冶金与材料工程系） ； Department of Physics and Astronomy, Materials Science Program, Baylor University（贝勒大学物理与天文学系材料科学项目） ； School of Mechanical Engineering, Purdue University（普渡大学机械工程学院） ； Renewable and Sustainable Energy Institute, University of Colorado Boulder（科罗拉多大学博尔德分校可再生能源与可持续能源研究所） 纠错

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

AI总结 本文通过人工智能引导的电子显微镜技术，揭示了二维MXenes中点缺陷的三维排列，为理解缺陷工程提供了新方法。

Comments 38 pages, 13 figures

Automation and Reuse Practices in GitHub Actions Workflows: A Practitioner's Perspective

GitHub动作工作流中的自动化与重用实践：从业者的视角

Hassan Onsori Delicheh, Guillaume Cardoen, Alexandre Decan, Tom Mens

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

AI总结 研究从业者的GitHub动作工作流自动化与重用实践，揭示工作流开发中的优劣做法及维护支持机会，探讨核心CI/CD任务自动化倾向及可重用工作流的挑战。

Comments 38 pages. Preprint submitted to ACM Transactions on Software Engineering Methodology. Under review. Exact publication details will be provided upon acceptance

Journal ref ACM Transactions on Software Engineering and Methodology - Published 6 April 2026

SiMing-Bench: Evaluating Procedural Correctness from Continuous Interactions in Clinical Skill Videos

SiMing-Bench：从连续交互评估临床技能视频中的过程正确性

Xiyang Huang, Jiawei Lin, Keying Wu, Jiaxin Huang, Kailai Yang, Renxiong Wei, Cheng zeng, Jiayi Xiang, Ziyan Kuang, Min Peng, Qianqian Xie, Sophia Ananiadou

机构 * School of Artificial Intelligence, Wuhan University（武汉大学人工智能学院） ； Center for Language and Information Research, Wuhan University（武汉大学语言与信息研究中心） ； Southwest Jiaotong University（西南交通大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； The University of Manchester（曼彻斯特大学） ； Zhongnan Hospital of Wuhan University（武汉大学中南医院） 纠错

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

AI总结 SiMing-Bench旨在评估多模态大语言模型在临床技能视频中通过连续交互更新过程状态的能力，通过医师标注的数据集和标准化评分标准，揭示模型在过程级判断上的不足。

AI-Induced Human Responsibility (AIHR) in AI-Human teams

人工智能引发的人类责任（AIHR）在人工智能-人类团队中

Greg Nyilasy, Brock Bastian, Jennifer Overbeck, Abraham Ryan Ade Putra Hito

机构 * Department of Management and Marketing, Faculty of Business and Economics, the University of Melbourne（墨尔本大学商业与经济学院管理与市场营销系） ； School of Psychological Sciences, Faculty of Medicine, Dentistry, and Health Sciences, the University of Melbourne（墨尔本大学医学、牙科与健康科学学院心理科学系） ； Melbourne Business School, the University of Melbourne（墨尔本大学墨尔本商学院） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI

AI总结 研究探讨了在人工智能-人类团队中，人类如何分配责任，发现人类在与AI协作时比与他人协作时更倾向于将责任归于自己，这一现象在不同危害场景中均持续存在。

Adversarial Sensor Errors for Safe and Robust Wind Turbine Fleet Control

对抗性传感器误差用于安全且鲁棒的风力涡轮机群控制

Julian Quick, Marcus Binder Nilsen, Andreas Bechmann, Tran Nguyen Le, Pierre-Elouan Mikael Rethore

机构 * Department of Wind and Energy Systems, Technical University of Denmark（丹麦技术大学风能与能源系统系） ； Department of Engineering Technology and Didactics, Technical University of Denmark（丹麦技术大学工程技术及教学法系） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.LG

AI总结 本文提出通过对抗性代理训练安全风力发电厂控制器，采用对抗性训练方法减少最坏情况性能下降，提升风力涡轮机群控制效率。

Comments Submitted to Journal of Physics: Conference Series (Torque 2026). This is the Accepted Manuscript version of an article accepted for publication in Journal of Physics: Conference Series. IOP Publishing Ltd is not responsible for any errors or omissions in this version of the manuscript or any version derived from it. This Accepted Manuscript is published under a CC BY licence

Active Learning for Generalizable Detonation Performance Prediction of Energetic Materials

面向通用爆炸性能预测的主动学习方法研究

R. Seaton Ullberg, Megan C. Davis, Jeremy N. Schroeder, Andrew H. Salij, M. J. Cawkwell, Christopher J. Snyder, Wilton J. M. Kort-Kamp, Ivana Matanovic

机构 * Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室） ； Texas Tech University（德克萨斯理工大学） 纠错

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

AI总结 本文提出一种结合密度泛函理论、热化学建模和神经网络的主动学习策略，构建了最大的炸药数据库和可泛化预测模型，揭示氧平衡对爆炸性能的主导作用。

Parameter-Efficient Transfer Learning for Microseismic Phase Picking Using a Neural Operator

基于神经运算的微震相位识别参数高效迁移学习

Ayrat Abdullin, Umair Bin Waheed, Leo Eisner, Naveed Iqbal

机构 * King Fahd University of Petroleum and Minerals（法赫德国王石油矿产大学） ； Seismik s.r.o. 纠错

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

AI总结 本文提出一种基于神经运算的微震相位识别迁移学习方法，通过参数高效微调提升低信噪比数据下的识别性能，实现高效部署。

Comments v2: Revised manuscript after journal review; updated methods/results; now submitted to Nature Scientific Reports

LegoDiffusion: Micro-Serving Text-to-Image Diffusion Workflows

LegoDiffusion：微服务文本到图像扩散工作流

Lingyun Yang, Suyi Li, Tianyu Feng, Xiaoxiao Jiang, Zhipeng Di, Weiyi Lu, Kan Liu, Yinghao Yu, Tao Lan, Guodong Yang, Lin Qu, Liping Zhang, Wei Wang

机构 * Hong Kong University of Science and Technology（香港科技大学） ； Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 LegoDiffusion通过将扩散工作流分解为松耦合的模型执行节点，实现高效管理与调度，提升请求率和突发流量容忍度。

To Copilot and Beyond: 22 AI Systems Developers Want Built

与Copilot一起：22位AI系统开发者想要构建的系统

Rudrajit Choudhuri, Christian Bird, Carmen Badea, Anita Sarma

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

AI总结 本文通过调研860名微软开发者，识别出22个AI系统需求，涵盖五个任务类别。研究发现开发者希望AI在早期工作流中嵌入质量信号，同时限制其权限和隐私，揭示了AI辅助开发中的'有界委托'模式。

Comments Companion paper to "AI Where It Matters": arXiv:2510.00762

Bridging Natural Language and Interactive What-If Interfaces via LLM-Generated Declarative Specification

通过LLM生成的声明性规范桥接自然语言与交互式假设分析接口

Sneha Gathani, Sirui Zeng, Diya Patel, Ryan Rossi, Dan Marshall, Cagatay Demiralp, Steven Drucker, Zhicheng Liu

机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Adobe Research（Adobe研究院） ； Microsoft Research（微软研究院） ； AWS AI Labs（AWS人工智能实验室） ； MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） 纠错

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

AI总结 本文提出一种两阶段工作流，通过Praxa规范语言将自然语言假设分析问题转化为交互式可视化界面，提升假设分析工具的交互性和准确性。

Comments 17 pages 17 figures

Differentially Private Modeling of Disease Transmission within Human Contact Networks

基于人类接触网络的疾病传播差分隐私建模

Shlomi Hod, Debanuj Nayak, Jason R. Gantenberg, Iden Kalemaj, Thomas A. Trikalinos, Adam Smith

机构 * Department of Computer Science, Boston University（波士顿大学计算机科学系） ； Department of Health Services, Policy & Practice, School of Public Health, Brown University（布朗大学公共卫生学院卫生服务、政策与实践系） ； Department of Epidemiology, School of Public Health, Brown University（布朗大学公共卫生学院流行病学系） ； Department of Biostatistics, School of Public Health, Brown University（布朗大学公共卫生学院生物统计学系） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.LG

AI总结 本文提出一种结合差分隐私与统计网络模型的隐私保护方法，用于在保护隐私的同时模拟疾病传播，通过生成合成网络并评估其在不同隐私约束下的有效性。

Bayesian Optimization for Mixed-Variable Problems in the Natural Sciences

自然科学中混合变量问题的贝叶斯优化

Yuhao Zhang, Ti John, Matthias Stosiek, Patrick Rinke

机构 * Department of Applied Physics, Aalto University（阿尔托大学应用物理系） ； Atomistic Modeling Center, Munich Data Science Institute, Technical University of Munich（慕尼黑工业大学慕尼黑数据科学研究所原子建模中心） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） 纠错

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

AI总结 本文提出一种改进的贝叶斯优化方法，通过概率重参数化方法处理非等距离散变量，实现高斯过程代理模型在混合变量优化中的高效优化，适用于具有噪声和离散化问题的自主实验室环境。

The Unreasonable Effectiveness of Data for Recommender Systems

数据在推荐系统中的不合理有效性

Youssef Abdou

机构 * University of Siegen（锡根大学） 纠错

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

AI总结 本文研究了训练数据规模增加时推荐系统性能的变化，发现增加数据量通常提升NDCG@10，无明显饱和点，但部分数据集和算法表现较弱。

Comments 5 pages, 6 figures. Poster paper

Blockchain and AI: Securing Intelligent Networks for the Future

区块链与人工智能：为未来打造安全的智能网络

Joy Dutta, Hossien B. Eldeeb, Tu Dac Ho

机构 * Khalifa University of Science and Technology（哈利法科学技术大学） ； United Arab Emirates University（阿联酋大学） ； Norwegian University of Science and Technology (NTNU)（挪威科技大学） 纠错

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

AI总结 本文综合了区块链与人工智能在安全智能网络中的应用，提出分类体系、集成模式及评估框架，分析了不同领域中的证据现状，并指出未来研究方向。

Developing an AI Course for Synthetic Chemistry Students

为合成化学学生开发一门AI课程

Zhiling Zheng

机构 * Washington University（华盛顿大学） 纠错

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

AI总结 本文设计并实施了面向无编程背景合成化学学生的AI课程AI4CHEM，通过化学背景而非抽象算法，提升学生在Python、分子性质预测、反应优化和数据挖掘等方面的能力。

Comments 17 pages, 3 figures

Journal ref Journal of Chemical Education, 2026

GS-Surrogate: Deformable Gaussian Splatting for Parameter Space Exploration of Ensemble Simulations

GS-Surrogate：基于可变形高斯散点的参数空间探索的可变形高斯散点

Ziwei Li, Rumali Perera, Angus Forbes, Ken Moreland, Dave Pugmire, Scott Klasky, Wei-Lun Chao, Han-Wei Shen

机构 * The Ohio State University（俄亥俄州立大学） ； NVIDIA（英伟达） ； Oak Ridge National Laboratory（橡树岭国家实验室） 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GS-Surrogate，一种基于可变形高斯散点的可视化替代模型，用于参数空间探索。通过构建标准高斯场并进行参数条件变形，实现高效可控的可视化任务适应，如等值面提取和转移函数编辑。