AI Agent

Impacts of Histories and Models on LLM Grading: A Study in Advanced Software Engineering Courses

历史与模型对LLM评分的影响：高级软件工程课程研究

Qilin Zhou, Zhuo Wang, Yue Li, W. K. Chan

机构 * City University of Hong Kong（香港城市大学） 纠错

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

AI总结 针对研究生阅读报告评分负担重的问题，提出人机协同的LLM辅助评分流程，基于180份作业评估Grok和GPT的评分一致性与人类对齐，发现交互历史导致评分标准漂移，需特定操作缓解不公平。

Comments 5 pages, accepted by ISET 2026

Twelve quick tips for designing AI-driven HPC workflows

设计AI驱动的高性能计算工作流的十二条快速技巧

Jamie J. Alnasir

机构 * Department of Computer Science（计算机科学系） ； Royal Holloway University of London（伦敦皇家霍洛威大学） 纠错

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

AI总结 本文针对AI与HPC融合带来的新挑战，提出十二条实用技巧，涵盖容器化、作业数组、反馈循环和I/O优化，帮助设计高效、可扩展、可复现的AI驱动HPC工作流。

Comments 12 pages, 1 figure. Formatted using the bioRxiv LaTeX preprint style

IDDMBSE: Integrating Data-Driven and Model-Based Systems Engineering for Trusted Autonomous Cyber-Physical Systems

IDDMBSE：集成数据驱动和基于模型的系统工程用于可信自主网络物理系统

John S. Baras, Sai Sandeep Damera, Ryan Matheu, Clinton Enwerem, Praveen M. S. Kumar

机构 * Institute for Systems Research, University of Maryland, College Park（系统研究所，马里兰大学，College Park） 纠错

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

AI总结 提出IDDMBSE方法，将MBSE V流程与数据驱动循环结合，通过开源工具链PERFECT、TRADES-X和VERITAS实现，在自主地面机器人全生命周期验证其有效性。

Comments 9 pages, 11 figures. This work has been submitted to the IEEE for possible publication

Adaptive Probabilistic Shielding by Learning MDPs for Safe Reinforcement Learning

通过学习马尔可夫决策过程（MDP）实现自适应概率屏蔽用于安全强化学习

Astrid Horn Brorholt, Maris F. L. Galesloot, Nils Jansen, Kim Guldstrand Larsen, Christian Schilling

机构 * Aalborg University（奥尔堡大学） ； Radboud University（拉德堡德大学） ； Ruhr University Bochum（波鸿鲁尔大学） 纠错

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

AI总结 本文针对已知MDP转移图但转移概率未知的场景，提出将概率屏蔽与在线模型学习结合的自适应方法，通过实验验证其在安全强化学习中的有效性。

Comments 19 pages, 3 figures, 3 tables. To be published in the proceedings of RV 2026

TokenPowerSandbox: Evidence-Gated CPU-First Screening for Energy-Aware LLM Serving

TokenPowerSandbox：面向能源感知大语言模型服务的证据门控CPU优先筛选

Chenxu Niu

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

AI总结 TokenPowerSandbox是面向能源感知LLM服务的证据门控CPU优先筛选工作流，结合CPU投影器、GPU探测等技术，在H100上评估Qwen2.5-7B-Instruct，验证了能源与延迟预测的关联及弃权门控的必要性。

BDIP-Net: Dual-Interaction Graph Learning for Property Prediction of Bilayer Materials

BDIP-Net：用于双层材料性能预测的双交互图学习方法

An Vuong, Chen Zhao, Jin Hu, Shui-Qing Yu, Xintao Wu

机构 * University of Arkansas（阿肯色大学） ； Baylor University（贝勒大学） 纠错

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

AI总结 本研究提出基于MatterSim-D3的结构优化工作流与BDIP-Net图神经网络，实现了双层材料的低成本高效构建与性能预测，且BDIP-Net性能优于现有相关方法。

CAPRI: Contract-Aware Proof Repair for Isabelle

CAPRI：面向Isabelle的感知契约的证明修复

Jim Woodcock, Gabriel Leite, Augusto Sampaio, Ran Wei

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

AI总结 该研究提出CAPRI工具，用于解决Isabelle证明修复中LLM修改未授权内容的问题，通过契约检查机制保障安全，在12个失败证明的实验中验证了不同工作流的修复效果。

Comments 17 pages, 1 figure, 7 tables. Submitted to SBMF 2026. Reproducibility artefact available on Zenodo

ADEPT: A Unified Framework for Deep Learning Test Adequacy

ADEPT：深度学习测试充分性的统一框架

Yidi Kao, Shawn Burnham, Tommi Rose Fahy, Ali Ghanbari

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

AI总结 本文提出 ADEPT 框架，整合多种深度学习测试充分性指标，提供统一工作流与配置管理，解决指标难复现、难比较问题，方便研究人员和从业者使用。

Comments Proceedings of 35th ACM SIGSOFT International Symposium on Software Testing and Analysis (ISSTA 2026)

RAG-Based Auto-Configuration for Industrial Fieldbus Devices

基于检索增强生成（RAG）的工业现场总线设备自动配置

Aadil Gani Ganie, Saad Ezzini, Naveed Farooz Marazi

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

AI总结 针对工业现场总线设备手动配置的低效易错问题，提出SysName流水线，结合RAG、本地LLM与两级弃权门控，在多协议设备配置任务中实现高效高准确率的端到端自动化，经基准测试与案例验证效果优异。

SABRE: Scalable and Automated Benchmarking of VLMs under Stress

SABRE：压力场景下视觉语言模型（VLM）的可扩展自动化基准测试

Zixuan Lan, Luzhe Sun, Matthew R. Walter, Jiawei Zhou

机构 * University of Chicago（芝加哥大学） ； Toyota Technological Institute at Chicago（芝加哥丰田技术学院） ； Stony Brook University（石溪大学） 纠错

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

AI总结 SABRE是可扩展自动化VLM压力测试框架，可生成多维度测试样本，经实验验证其能有效评估VLMs对视觉证据与世界先验的依赖程度，支持多种压力测试场景。

Comments 22 pages, 10 figures. Code and resources will be available at https://zesearch.github.io/vlm-SABRE/

Improving the Realism of Synthetic Clinical Benchmarks Under Utility Constraints

在效用约束下提升合成临床基准的真实性

Omid Bazgir, Md Nasir, Jacob Hoffman, Yang Yang, Manu Agrawal, Anusua Trivedi, Vinay Rao Dandin, Chris Gibbons, Christine Swisher

机构 * Oracle Health and Life Sciences（甲骨文健康与生命科学部门） 纠错

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

AI总结 本文针对合成临床基准的结构不真实问题，提出在不破坏下游效用检查的前提下提升其真实性的方法，通过确定性修正改善基准指标，明确需将效用作为约束而非真实性的充分证据。

RepairFormer: Automated Repair of Structured Inputs Using Transformers

RepairFormer：基于Transformer的结构化输入自动修复框架

Ovi Paul, Tom J King, Ali Shokri

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

AI总结 RepairFormer是基于Transformer的结构化输入修复框架，通过格式标签、预言机验证等技术提升修复与内容恢复率，运行速度较现有最优方法快5倍，可高效修复JSON等结构化输入。

Comments 5 pages, 2 figures, and 3 tables

PRISM: Powerful Time Series to Image (TS2I) Representations for Multivariate Anomaly Detection

PRISM：用于多元异常检测的强大时间序列转图像（TS2I）表示

Mateusz Smendowski, Kamil Faber, Piotr Nawrocki, Nathalie Japkowicz, Roberto Corizzo

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

AI总结 PRISM是用于多元异常检测的即插即用元工作流，通过构建基于图像的时间序列表示，在14个数据集中的10个上取得最佳VUS-PR，冻结ImageNet预训练编码器可高效迁移至TSAD，性能损失小且训练更快。

Sparse Weight Decomposition for Efficient Circuit Extraction

用于高效电路提取的稀疏权重分解

Chuanhao Yan, Xuhan Huang, Yawen Duan, Zhenfei Yin, Hang Zhao, Bryan Dai, Jie Fu

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

AI总结 提出Sparse Weight Decomposition（SWD）方法，将预训练Transformer权重矩阵分解为稀疏因子以提供可解释电路单元，在低数据量下实现高保真电路提取，适用于多模型及全模型替换，还支持零数据变体以拓展机械可解释性分析应用。

Verifier-Guided Model Discovery for Physical Dynamical Systems with Pretrained Symbolic Transformers

基于预训练符号 Transformer 的物理动力系统验证器引导式模型发现

Farbod Faraji, Francesco Belardinelli

机构 * Imperial College London（伦敦帝国学院） 纠错

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

AI总结 该研究提出了一种验证器引导式（VG）工作流程，基于预训练符号 Transformer ODEFormer 实现物理动力系统的可解释预测，在范德波尔振荡器和涡旋脱落场景中展现出优于原方法的性能与泛化能力。

Comments 33 pages, 13 figures, 10 tables

Studying, Identifying, and Fixing Hidden Technical Debt in AI-Intensive Cyber-Physical Systems

研究、识别与修复人工智能密集型网络物理系统中的隐性技术债务

Beena

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

AI总结 本论文针对AI密集型网络物理系统（AI-CPS）的特殊技术债务，通过分析生态系统、代码仓库及开发者访谈刻画其特征，提出识别与缓解方法，并计划开发自动化工具以监控和偿还该类技术债务。

Comments Doctoral Symposium of the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026)

Scikit-fingerprints: Python library for scikit-learn compatible molecular fingerprints and chemoinformatics

scikit-fingerprints：兼容scikit-learn的分子指纹与化学信息学Python库

Jakub Adamczyk, Adam Staniszewski

机构 * Faculty of Computer Science, AGH University of Krakow（克拉科夫AGH科技大学计算机科学学院） 纠错

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

AI总结 该研究推出基于RDKit的scikit-fingerprints库，填补化学信息学框架与scikit-learn生态的兼容空白，整合多类功能，提升分子机器学习的原型开发、复现与部署效率。

AI-assisted Script Management for Requirements Elicitation Interviews

AI辅助的需求启发访谈脚本管理

Anmol Singhal, Paulo Carvalho, Travis Breaux

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

AI总结 本文提出结合业务目标的AI辅助脚本生成与实时主题追踪、按需跟进问题生成的需求启发工作流，准实验显示其脚本质量更高、访谈表现更优，为需求启发提供了AI辅助支架。

Comments 12 pages, 3 figures, 3 tables

Exploring Block Anomaly Detection In HDFS Log Data Analysis

HDFS日志数据分析中的块异常检测探索

WenYang Zhong, Tutut Herawan

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

AI总结 本研究针对HDFS日志人工异常检测复杂枯燥的问题，提出结合LLM-BiLSTM模型与Kafka流式管道的检测方案，实现HDFS块异常的快速准确检测。

Comments 37 pages

The Checking Problem: What must be true before AI ships in a regulated firm

核查问题：受监管企业在AI产品交付前必须满足什么条件

Prerit Ahuja

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

AI总结 本文研究受监管金融服务领域AI项目停滞的机制，通过多模型多配置实验发现，AI工作流价值更多取决于人类审核量，而非正确率，且审核负担可通过样本外估算测量。

Comments 10 pages, 5 tables

SciSchema.org: A Multidisciplinary Collection of Schemas for Structured Scientific Process Descriptions

SciSchema.org：用于结构化科学过程描述的多学科模式集合

Jennifer D'Souza, Sameer Sadruddin, Anisa Rula, Ana Bossler, Andrés Fullana, Enric Bas, Syed Ather, Defne Circi, Anlan Chen, L. Catherine Brinson, Alyssa Columbus, George Demetriou, Dongjun Jeong, Tarun Kumar, Frank Krüger, Sascha Genehr, Kai Budde-Sagert, Anamaria Leonescu, Francesco Lodola, Chiara Florindi, Gagana Balasubramanya Murthy, Samson Oluwapelumi Olagbile, Nazia Riasat, Yan Sha, Kevin Shen, Shaokai Yang

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

AI总结 SciSchema.org发布首个多学科科学过程模式集合，采用人在回路模式挖掘工作流构建，支持科学领域结构化标注等多项应用。

Comments 25 pages, 9 figures, Submitted for peer review to Nature Scientific Data

Offline-to-Online Creative Optimization with Generative Models and Adaptive Testing

基于生成模型和自适应测试的离线到在线创意优化

Kevin Lee, Benjamin Letham, Zhiyuan Jerry Lin, Elodie Samson, Eric Onofrey, Poppy Zhang, Shawndra Hill, Eytan Bakshy

机构 * University of Michigan（密歇根大学） ； Meta 纠错

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

AI总结 研究如何利用历史A/B测试数据，通过性能驱动的离线到在线工作流程，用预测模型指导生成测试广告位候选创意，经实验验证该方法能有效提升创意参与度，为创意优化提供设计原则。

Co-Harness: Co-Evolving Harnesses and Model Weights for LLM Agents

协同控制：大语言模型智能体的控制与模型权重协同进化

Zhengyu Chen, Teng Xiao, Huaisheng Zhu, Yige Yuan, Luan Zhang, Jingang Wang

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

AI总结 研究针对训练后智能体优化问题，提出协同控制框架，交替优化控制与模型参数。通过基于大语言模型的控制批评家分析失败轨迹并提出更新，再用改进控制生成的轨迹微调模型，案例研究显示该方法能提升智能体性能。

Unboxing Diffusion Models for the Arts: Interactive Model Bending and Practice-Based Explainability

剖析艺术领域的扩散模型：交互式模型调整与基于实践的可解释性

Ahmed M. Abuzuraiq, Philippe Pasquier

机构 * School of Interactive Arts and Technology, Surrey, Canada（交互艺术与技术学院，英国苏城） 纠错

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

AI总结 研究探讨创意实践中可解释人工智能，提出以实验和干预为中心的方法，通过集成模型调整和交互界面到工作流程，经对Stable Diffusion 1.5分析，助艺术家理解模型组件对生成图像的影响，让大型模型成为创意材料。

Comments Under review for "Explainable AI for the Arts" (N. Bryan-Kinns, Ed.), Springer

GlucoTune: A Unified Framework for Blood Glucose Preprocessing, Forecasting, and Benchmarking in Diabetes

GlucoTune：糖尿病血糖预处理、预测及基准测试的统一框架

Davide Marelli, Giorgia Rigamonti, Mirko Paolo Barbato, Paolo Napoletano

机构 * Department of Informatics, Systems and Communication, University of Milano-Bicocca（米兰比可卡大学信息、系统与通信系） 纠错

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

AI总结 GlucoTune框架解决糖尿病血糖数据预处理等缺乏标准流程与评估协议问题，通过可配置管道实现可重复预处理，提供统一接口和基准测试排行榜，集成数据集，经实验验证有效。

PEARL: Solver-in-the-Loop Interactive Optimization Modeling from Natural Language

PEARL：基于自然语言的循环求解器交互式优化建模

Hongliang Lu, Zhong Li, Yuxuan Chen, Yuan Lan, Fan Zhang, Zaiwen Wen

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

AI总结 研究旨在解决优化建模问题，提出PEARL系统，通过在循环中使用Python执行和数学编程求解器，学习优化策略，在多轮工具集成设置下提升求解率，在优化建模任务中表现优于强大基线。

Abliteration Is Not a Scalpel: Off-Target Effects of Refusal Removal on Decision Disposition Across Model Families

删除并非手术刀：拒绝移除对不同模型家族决策倾向的非目标效应

Aleksander Fafuła

机构 * huihui-ai（慧慧人工智能） 纠错

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

AI总结 研究“无审查”开放权重模型中删除模型拒绝方向的操作影响，以21600个不确定性决策为探针，对比两个专家混合模型家族的基础与删除模型，发现有多种效应，还发现污染渠道，表明部署此类模型得到的是不同决策者。

Comments 11 pages, 5 figures, 4 tables. Preregistered. Data and code: https://github.com/oleczek/paper-abliteration-not-a-scalpel ; dataset DOI: 10.5281/zenodo.21314839

RAGthoven at SemEval-2026 Task 1: A Multi-Stage Pipeline Walks Into a Benchmark and Barely Clears the Bar

RAGthoven参加SemEval-2026任务1：一个多阶段管道进入基准测试且勉强达标

Marek Šuppa, Viktória Ondrejová, Lucia Ganajová, Gregor Karetka, Daniel Skala

机构 * Comenius University in Bratislava（布拉迪斯拉发的夸美纽斯大学） ； Cisco Systems（思科系统公司） ； Zaitra s.r.o.（扎伊特拉有限公司） ； NaiveNeuron（天真神经元） 纠错

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

AI总结 介绍用于SemEval-2026任务1子任务A的RAGthoven系统，它将幽默文本生成分解为多阶段LLM管道，经多次实验优化，最终配置用RAG增强规划器，还评估两种智能变体，虽工具调用预算增加，但在英语样本上未超非智能管道，在三种语言中与基线并列第一，显示语言相关回报递减。

Comments SemEval-2026 Task 1

Operational Evidence Gaps for LLMs in Fraud Detection and Trust-and-Safety Workflows

大语言模型在欺诈检测和信任与安全工作流程中的操作证据差距

Keyur Gabani

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

AI总结 研究LLMs用于欺诈检测等信任与安全工作流程时的操作证据差距。通过对相关操作源编码调查发现证据失衡，欺诈任务部分大但缺乏关键证据。贡献了FORTE框架和部署证据清单，确定支持LLMs部署所需研究。

Comments 22 pages, 3 figures, 6 tables. Ancillary files include the evidence matrix, search note, and numeric claim check

Evaluating Nonuniform Dependability Across Response Conditions: A Conditional Generalizability Framework Illustrated in Automated Essay Scoring

评估跨响应条件的非均匀可靠性：自动作文评分中的条件可推广性框架

Yi Gui

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

AI总结 研究针对自动作文评分中跨响应条件非均匀可靠性评估问题，引入含三个部分的条件可推广性框架，通过比较分析与经验扫描、依熵分层等，以限时L2写作自动评分验证，提供了评估非均匀可靠性的可移植工作流程。