AI Agent

Measurement for Opaque Systems: Multi-source Triangulation with Interpretable Machine Learning

对不透明系统的测量：多源三角测量与可解释机器学习

Margaret Foster

机构 * National Security Data and Policy Institute, University of Virginia（美国弗吉尼亚大学国家安全数据与政策研究所） 纠错

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

AI总结 本文提出了一种用于不透明系统的测量框架，结合多源三角测量和可解释机器学习，以填补无法直接接触的测量空间。

Comments 16 pages, 6 figures, 3 tables, 9-page appendix

Exploring the Limitations of kNN Noisy Feature Detection and Recovery for Self-Driving Labs

探索kNN噪声特征检测与恢复在自动驾驶实验室中的局限性

Qiuyu Shi, Kangming Li, Yao Fehlis, Runze Zhang, Daniel Persaud, Robert Black, Jason Hattrick-Simpers

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

AI总结 本研究探讨了kNN噪声特征检测与恢复在自动驾驶实验室中的局限性，通过系统分析噪声强度、数据集大小等因素对特征可检测性和可恢复性的影响，提出了一种通用的数据恢复框架并建立了材料数据集的基准。

Comments 20 pages, 7 figures

Quantum Re-Uploading for Calorimetry: Optimized Architectures with Extended Expressivity

量子重上传用于 calorimetry：具有扩展表达力的优化架构

Léa Cassé, Bernhard Pfahringer, Albert Bifet, Frédéric Magniette

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

AI总结 本文提出了一种优化的量子重上传架构，通过扩展表达力在calorimetry分类任务中实现了更高的准确率，并展示了其在实际量子处理器上的可部署性。

Comments 42 pages, 25 figures

Tackling air quality with SAPIENS

用SAPIENS应对空气质量

Marcella Bona, Nathan Heatley, Jia-Chen Hua, Adriana Lara, Valeria Legaria-Santiago, Alberto Luviano Juarez, Fernando Moreno-Gomez, Jocelyn Richardson, Natan Vilchis, Xiwen Shirley Zheng

机构 * Department of Physics and Astronomy, Queen Mary University of London（量子力学与天文学系，伦敦女王学院） ； ESFM, Instituto Politécnico Nacional（电子系统与机械工程系，国立理工学院） ； CIC, Instituto Politécnico Nacional（研究中心，国立理工学院） ； UPIITA, Instituto Politécnico Nacional（电子工程系，国立理工学院） 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SAPIENS方法，结合污染传感器与交通数据，通过改进的交通描述和偏最小二乘回归，实现超本地动态空气质量预测。

Comments 24 pages, 13 figures

$π_\texttt{RL}$: Online RL Fine-tuning for Flow-based Vision-Language-Action Models

$π_\ exttt{RL}$: 流基于视觉-语言-动作模型的在线强化学习微调

Kang Chen, Zhihao Liu, Tonghe Zhang, Zhen Guo, Si Xu, Hao Lin, Hongzhi Zang, Xiang Li, Quanlu Zhang, Zhaofei Yu, Guoliang Fan, Tiejun Huang, Yu Wang, Chao Yu

机构 * Tsinghua University（清华大学） ； Peking University（北京大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Carnegie Mellon University（卡内基梅隆大学） ； Infinigence AI ； Zhongguancun Academy（中关村学院） 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$π_\ exttt{RL}$方法，通过流噪声和流SDE技术，解决大规模流基于VLA模型中强化学习微调的挑战，提升模型在分布内和分布外任务中的性能。

Tri-Reader: An Open-Access, Multi-Stage AI Pipeline for First-Pass Lung Nodule Annotation in Screening CT

Tri-Reader: 一个开源的多阶段AI流水线，用于筛查CT中的首过肺结节标注

Fakrul Islam Tushar, Joseph Y. Lo

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

AI总结 Tri-Reader是一种开源的多阶段AI流水线，通过整合肺分割、结节检测和恶性分类，提高筛查CT中肺结节标注的灵敏度和准确性。

Comments 1 figure , 2 tables, 20 page supplement

An interpretable data-driven approach to optimizing clinical fall risk assessment

一种可解释的数据驱动方法用于优化临床跌倒风险评估

Fardin Ganjkhanloo, Emmett Springer, Erik H. Hoyer, Daniel L. Young, Holley Farley, Kimia Ghobadi

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

AI总结 本研究提出一种可解释的数据驱动方法，通过约束分数优化模型优化JHFRAT跌倒风险评估工具，提升预测性能并增强临床应用的鲁棒性。

Comments This work was intended as a replacement of arXiv:2510.20714 and any subsequent updates will appear there

Provably Efficient RL under Episode-Wise Safety in Constrained MDPs with Linear Function Approximation

在具有线性函数逼近的约束马尔可夫决策过程中的episode级安全强化学习的可证明效率

Toshinori Kitamura, Arnob Ghosh, Tadashi Kozuno, Wataru Kumagai, Kazumi Kasaura, Kenta Hoshino, Yohei Hosoe, Yutaka Matsuo

专题命中 工作流自动化 ：agent(abstract)；分类 cs.LG

AI总结 本文提出了一种在约束马尔可夫决策过程中的强化学习算法，实现episode级安全性和$\tilde{\mathcal{O}}(\sqrt{K})$的遗憾，同时具有多项式计算效率。

AutoGameUI: Constructing High-Fidelity GameUI via Multimodal Correspondence Matching

AutoGameUI: 通过多模态对应匹配构建高保真的游戏界面

Zhongliang Tang, Qingrong Cheng, Mengchen Tan, Yongxiang Zhang, Fei Xia

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

AI总结 AutoGameUI通过多模态对应匹配自动构建高保真的游戏界面，提升了游戏界面设计的效率和一致性。

Comments 9 pages

Towards Self-Optimizing Electron Microscope: Robust Tuning of Aberration Coefficients via Physics-Aware Multi-Objective Bayesian Optimization

迈向自优化电子显微镜：通过物理感知的多目标贝叶斯优化实现鲁棒的像差系数调节

Utkarsh Pratiush, Austin Houston, Richard Liu, Gerd Duscher, Sergei Kalinin

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

AI总结 本文提出多目标贝叶斯优化框架，通过物理感知的奖励函数实现鲁棒的像差校正，使显微镜具备自优化能力。

Chat to Chip: Large Language Model Based Design of Arbitrarily Shaped Metasurfaces

Chat to Chip: 基于大规模语言模型的任意形状超材料设计

Huanshu Zhang, Lei Kang, Sawyer D. Campbell, Douglas H. Werner

机构 * Department of Electrical Engineering（电气工程系） ； The Pennsylvania State University（宾夕法尼亚州立大学） 纠错

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

AI总结 本文提出利用大规模语言模型设计任意形状超材料，通过自然语言交互实现快速设计，展示了LLM在纳米光子学中的应用潜力。

Physics-Informed Uncertainty Enables Reliable AI-driven Design

物理启发的不确定性使AI驱动的设计更加可靠

Tingkai Xue, Chin Chun Ooi, Yang Jiang, Luu Trung Pham Duong, Pao-Hsiung Chiu, Weijiang Zhao, Nagarajan Raghavan, My Ha Dao

机构 * Department of Mechanical Engineering, National University of Singapore（新加坡国立大学机械工程系） ； Institute of High Performance Computing, Agency for Science Technology and Research（科技研究局高性能计算研究所） ； Centre for Frontier AI Research, Agency for Science Technology and Research（科技研究局前沿人工智能研究中心） ； College of Electronics and Information Engineering, Shenzhen University（深圳大学电子与信息工程学院） ； Engineering Product Design Pillar, Singapore University of Technology and Design（新加坡科技设计大学工程产品设计支柱） ； Technology Centre for Offshore and Marine, Singapore（新加坡海洋与近海技术中心） 纠错

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

AI总结 物理启发的不确定性方法提升AI驱动的反向设计效率与鲁棒性

Systematic Characterization of Minimal Deep Learning Architectures: A Unified Analysis of Convergence, Pruning, and Quantization

对最小深度学习架构的系统表征：收敛性、剪枝和量化的一体化分析

Ziwei Zheng, Huizhi Liang, Vaclav Snasel, Vito Latora, Panos Pardalos, Giuseppe Nicosia, Varun Ojha

机构 * School of Computing, Newcastle University（新castle大学计算机学院） ； VSB-Technical University of Ostrava（奥斯特拉瓦技术大学） ； Queen Mary University of London（伦敦女王玛丽大学） ； University of Florida（佛罗里达大学） ； University of Catania（卡塔尼亚大学） 纠错

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

AI总结 本文通过系统分析深度学习架构的收敛性、剪枝和量化特性，揭示了最小可学习参数与模型稳定性之间的关系，为图像分类任务中的紧凑模型设计提供了指导。

Journal ref IEEE Conference on Artificial Intelligence 2026 (IEEE CAI 2026)

ShapLoRA: Allocation of Low-rank Adaption on Large Language Models via Shapley Value Inspired Importance Estimation

ShapLoRA: 通过受Shapley值启发的重要性估计在大型语言模型上分配低秩适应

Yi Zhao, Qinghua Yao, Xinyuan song, Wei Zhu

机构 * Singapore Management University（新加坡国立管理学院） ； University of Pennsylvania（宾夕法尼亚大学） ； Emory University（埃默里大学） ； University of Hong Kong（香港大学） 纠错

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

AI总结 ShapLoRA通过受Shapley值启发的重要性估计方法，改进大型语言模型的低秩适应分配，提升模型性能。

Comments accepted by CPAL

Autonomous Penetration Testing: Solving Capture-the-Flag Challenges with LLMs

自主渗透测试：利用大语言模型解决夺旗挑战

Isabelle Bakker, John Hastings

机构 * The Beacom College of Computer and Cyber Sciences（计算机与网络安全科学学院） ； Dakota State University（达科他州立大学） 纠错

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

AI总结 利用大语言模型自主解决初级渗透测试任务，展示其在自动化简单攻击流程中的潜力，同时揭示安全环境对LLM攻击的挑战。

Comments 6 pages, 2 figures, 3 tables

Journal ref 2025 IEEE Cyber Awareness and Research Symposium (CARS'25)

Sim-to-Real Transfer via a Style-Identified Cycle Consistent Generative Adversarial Network: Zero-Shot Deployment on Robotic Manipulators through Visual Domain Adaptation

通过风格识别的循环一致生成对抗网络实现仿真到现实迁移：通过视觉领域适应实现机器人机械臂的零样本部署

Lucía Güitta-López, Lionel Güitta-López, Jaime Boal, Álvaro Jesús López-López

机构 * Institute for Research in Technology (IIT)（技术研究 institute） ； ICAI School of Engineering（工程学院） ； Comillas Pontifical University（宗座大学） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI

AI总结 本文提出基于风格识别循环一致生成对抗网络的领域适应方法，实现机器人机械臂在现实环境中的零样本部署，通过视觉领域适应提升仿真到现实迁移的效率和准确性。

Journal ref Engineering Applications of Artificial Intelligence, volume 159, published Jan.2026

AgriPINN: A Process-Informed Neural Network for Interpretable and Scalable Crop Biomass Prediction Under Water Stress

AgriPINN：一种过程指导的神经网络，用于在水分胁迫下可解释且可扩展的作物生物量预测

Yue Shi, Liangxiu Han, Xin Zhang, Tam Sobeih, Thomas Gaiser, Nguyen Huu Thuy, Dominik Behrend, Amit Kumar Srivastava, Krishnagopal Halder, Frank Ewert

机构 * Department of Computing, and Mathematics, Faculty of Science and Engineering（计算与数学系，科学与工程学院） ； Manchester Metropolitan University（曼彻斯特 Metropolitan 大学） ； Leibniz Centre for Agricultural Landscape Research (ZALF)（莱比锡农业景观研究中心（ZALF）） ； Institute of Crop Science and Resource Conservation (INRES)（作物科学与资源保护研究所） 纠错

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

AI总结 AgriPINN通过整合生物物理作物生长方程，实现可解释且可扩展的水分胁迫下作物生物量预测。

Bridging Qualitative Rubrics and AI: A Binary Question Framework for Criterion-Referenced Grading in Engineering

连接定性评价标准与AI：一种二元问题框架用于工程中的标准参照评分

Lili Chen, Winn Wing-Yiu Chow, Stella Peng, Bencheng Fan, Sachitha Bandara

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

AI总结 本研究提出一种二元问题框架，利用生成式AI提升工程数学评估的评分准确性与反馈质量，实现与人类专家相当的评分效果。

Comments Proceedings of the 36th Annual Conference of the Australasian Association for Engineering Education (AAEE 2025)

acoupi: An Open-Source Python Framework for Deploying Bioacoustic AI Models on Edge Devices

acoupi：一种用于在边缘设备上部署生物声学AI模型的开源Python框架

Aude Vuilliomenet, Santiago Martínez Balvanera, Oisin Mac Aodha, Kate E. Jones, Duncan Wilson

机构 * The Bartlett Centre for Advanced Spatial Analysis, Faculty of the Build Environment, University College London（大学学院伦敦大学学院） 纠错

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

AI总结 acoupi是一个开源Python框架，旨在简化在边缘设备上部署生物声学AI模型，通过模块化设计提升生物多样性监测的灵活性和可定制性。

Comments 21 pages, 3 figures, 1 table, to be submitted to BES Methods in Ecology and Evolution

Journal ref Methods in Ecology and Evolution, Volume 17, Issue 1 pp. 67-76, 2026

NeuroClean: A Generalized Machine-Learning Approach to Neural Time-Series Conditioning

NeuroClean：一种通用的机器学习神经时间序列条件化方法

Manuel A. Hernandez Alonso, Michael Depass, Stephan Quessy, Ali Falaki, Soraya Rahimi, Numa Dancause, Ignasi Cos

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

AI总结 NeuroClean是一种通用的机器学习方法，用于神经时间序列的条件化处理，通过无监督算法有效去除伪影和噪声，提升信号质量和分类准确性。

Explicit Cognitive Allocation: A Principle for Governed and Auditable Inference in Large Language Models

显式认知分配：一种用于受控和可审计的大语言模型推理的原则

Héctor Manuel Manzanilla-Granados, Zaira Navarrete-Cazales, Miriam Pescador-Rojas, Tonahtiu Ramírez-Romero

专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI

AI总结 本文提出显式认知分配原则，通过认知通用代理架构实现结构化推理，提升大语言模型在高责任场景下的可追溯性和可审计性。

Comments Preprint. This version corresponds to the initial public release of the CUA architecture and associated evaluation metrics

onepot CORE -- an enumerated chemical space to streamline drug discovery, enabled by automated small molecule synthesis and AI

onepot CORE -- 一个枚举化学空间以加速药物发现，通过自动化小分子合成和AI实现

Andrei S. Tyrin, Brandon Wang, Manuel Muñoz, Samuel H. Foxman, Daniil A. Boiko

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

AI总结 onepot CORE通过自动化合成和AI设计，构建了一个包含34亿分子的枚举化学空间，加速药物发现过程。

Ontology-aligned structuring and reuse of multimodal materials data and workflows towards automatic reproduction

面向多模态材料数据和工作流的本体对齐结构化与重用，以实现自动重现

Sepideh Baghaee Ravari, Abril Azocar Guzman, Sarath Menon, Stefan Sandfeld, Tilmann Hickel, Markus Stricker

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

AI总结 本文提出一种基于本体驱动和大型语言模型的框架，用于自动提取和结构化多模态材料数据和工作流，以提高计算结果的可重现性和重用性。

Comments 39 pages, 7 figures

Human-AI Collaborative Inductive Thematic Analysis: AI Guided Analysis and Human Interpretive Authority

人类-人工智能协作归纳主题分析：人工智能引导的分析与人类解释权威

Matthew Nyaaba, Min SungEun, Mary Abiswin Apam, Kwame Owoahene Acheampong, Emmanuel Dwamena, Xiaoming Zhai

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

AI总结 本文探讨了人类与人工智能协作进行归纳主题分析的过程，展示了AI工具如何辅助分析流程并增强透明性，同时强调人类在解释权威中的核心作用。

Quantum Kernel Machine Learning for Autonomous Materials Science

量子核机学习在自主材料科学中的应用

Felix Adams, Daiwei Zhu, David W. Steuerman, A. Gilad Kusne, Ichiro Takeuchi

机构 * Department of Materials Science and Engineering, University of Maryland, College Park, Maryland, 20742, USA（材料科学与工程系，马里兰大学，学院 park，马里兰，20742，美国） ； IonQ, 4505 Campus Dr, College Park, Maryland, 20740, USA（IonQ，4505校园大道，学院 park，马里兰，20740，美国） ； Materials Measurement Science Division, National Institute of Standards and Technology, Gaithersburg, Maryland, 20899, USA（材料测量科学 division，国家标准与技术研究院，盖瑟斯堡，马里兰，20899，美国） ； Quantum Materials Center, University of Maryland, College Park, Maryland, 20742, USA（量子材料中心，马里兰大学，学院 park，马里兰，20742，美国） 纠错

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

AI总结 本研究比较了量子和经典核在自主材料科学中用于连续相空间导航的实用性，验证了量子核模型在材料发现中的优势。

Augmented Assembly: Object Recognition and Hand Tracking for Adaptive Assembly Instructions in Augmented Reality

增强装配：面向增强现实自适应装配指令的对象识别与手部追踪

Alexander Htet Kyaw, Haotian Ma, Sasa Zivkovic, Jenny Sabin

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Cornell University（康奈尔大学） 纠错

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

AI总结 本文提出一种基于增强现实的自适应装配系统，通过对象识别和手部追踪实现动态指导与错误检测，提升装配效率与用户体验。

Comments Submitted to the Association for Computing Machinery (ACM) Conference on Tangible, Embedded, and Embodied Interaction (TEI'26)

Method of UAV Inspection of Photovoltaic Modules Using Thermal and RGB Data Fusion

基于热成像与RGB数据融合的光伏板无人机检测方法

Andrii Lysyi, Anatoliy Sachenko, Pavlo Radiuk, Mykola Lysyi, Oleksandr Melnychenko, Diana Zahorodnia

机构 * Khmelnytskyi National University（赫梅利尼茨基国立大学） ； Department of Informatics and Teleinformatics（信息学与电信学系） ； Kazimierz Pulaski University of Ra-dom（卡齐米日·波尼亚图夫斯基大学） ； National Academy of the State Border Service of Ukraine named after Bogdan Khmelnitsky（以博丹·赫梅利尼茨基命名的乌克兰国家边境服务学院） 纠错

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

AI总结 本研究提出了一种基于热成像与RGB数据融合的无人机光伏板检测方法，通过多模态系统实现自动化检测，提升电站安全性和效率。

A Survey of AI Scientists

AI科学家的综述

Guiyao Tie, Pan Zhou, Lichao Sun

机构 * Huazhong University of Science and Technology（华中科技大学） ； Lehigh University（莱斯大学） 纠错

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

AI总结 本文综述了AI科学家的发展历程，提出六阶段方法论框架，分析了从基础模块到闭环系统再到可扩展性与人机协作的演进，为未来系统发展提供路线图。

Comments 28 pages, 9 figures, 1 table

LOGOS: LLM-driven End-to-End Grounded Theory Development and Schema Induction for Qualitative Research

LOGOS: 基于大语言模型的端到端 grounded theory 开发与模式诱导用于定性研究

Xinyu Pi, Qisen Yang, Chuong Nguyen

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

AI总结 LOGOS 是一种基于大语言模型的端到端框架，通过自动化 grounded theory 工作流程，实现定性研究的结构化理论开发和模式诱导，显著提升了研究的可扩展性和理论精确度。

RITA: A Tool for Automated Requirements Classification and Specification from Online User Feedback

RITA：一个用于自动化需求分类和规范的工具从在线用户反馈

Manjeshwar Aniruddh Mallya, Alessio Ferrari, Mohammad Amin Zadenoori, Jacek Dąbrowski

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

AI总结 RITA通过整合轻量级开源大语言模型，实现从在线用户反馈自动分类需求、识别非功能需求并生成自然语言规范，提升需求工程的端到端支持能力。