大语言模型代理工作流研究
一篇题为《Characterizing Large Language Model Agentic Workflows: A Study on N8n Ecosystem》的学术论文近日在arXiv预印本平台发布。该研究由Yutian Tang等人完成，聚焦于大语言模型（LLM）在代理工作流中的应用，并以开源自动化平台N8n作为研究案例。研究团队对N8n生态系统内的代理工作流进行了系统性的特征分析，揭示了LLM驱动的工作流在任务编排、工具调用与多步骤协作中的演化模式与瓶颈。论文提供了详细的实证数据和分类框架，有助于理解当前LLM代理工作流的实际部署状况及未来优化方向。 #LLM #代理工作流 #N8n #学术研究 #AIAgent #人工智能 #工作流自动化
一篇题为《Characterizing Large Language Model Agentic Workflows: A Study on N8n Ecosystem》的学术论文近日在arXiv预印本平台发布。该研究由Yutian Tang等人完成，聚焦于大语言模型（LLM）在代理工作流中的应用，并以开源自动化平台N8n作为研究案例。研究团队对N8n生态系统内的代理工作流进行了系统性的特征分析，揭示了LLM驱动的工作流在任务编排、工具调用与多步骤协作中的演化模式与瓶颈。论文提供了详细的实证数据和分类框架，有助于理解当前LLM代理工作流的实际部署状况及未来优化方向。 #LLM #代理工作流 #N8n #学术研究 #AIAgent #人工智能 #工作流自动化
管理人类后备：在人工智能进步与工人流动性下的技能投资
一篇由Simrita Singh、Naireet Ghosh和Tinglong Dai撰写的学术论文《Managing the Human Fallback: Skill Investment Under Improving AI and Worker Mobility》在arXiv预印本平台发布。研究聚焦于人工智能持续进化与工人流动性增强的双重背景下，个体如何通过技能投资策略来扮演“人类后备”角色，以应对AI替代风险。论文探讨了技术进步对劳动力市场结构的冲击，以及工人在职业流动性提升时，如何权衡短期收益与长期技能积累，从而优化人力资本配置。该研究为理解人机协作中的动态博弈、劳动力再培训政策制定以及企业人力管理提供了理论框架，对经济学、管理学及AI应用领域具有参考价值。 #AI #技能投资 #工人流动性 #劳动经济学 #人工智能 #arXiv #学术论文
一篇由Simrita Singh、Naireet Ghosh和Tinglong Dai撰写的学术论文《Managing the Human Fallback: Skill Investment Under Improving AI and Worker Mobility》在arXiv预印本平台发布。研究聚焦于人工智能持续进化与工人流动性增强的双重背景下，个体如何通过技能投资策略来扮演“人类后备”角色，以应对AI替代风险。论文探讨了技术进步对劳动力市场结构的冲击，以及工人在职业流动性提升时，如何权衡短期收益与长期技能积累，从而优化人力资本配置。该研究为理解人机协作中的动态博弈、劳动力再培训政策制定以及企业人力管理提供了理论框架，对经济学、管理学及AI应用领域具有参考价值。 #AI #技能投资 #工人流动性 #劳动经济学 #人工智能 #arXiv #学术论文
LLM智能体记忆成为新型攻击面，研究聚焦选择题问答
一项来自Shahnewaz Karim Sakib与Anindya Bijoy Das的最新研究指出，大型语言模型（LLM）智能体中的记忆模块可能成为潜在攻击面。该论文以多项选择题问答为场景，深入分析了攻击者如何通过操控智能体的记忆数据来影响其决策行为。研究发现，记忆机制在增强智能体长期交互能力的同时，也为恶意注入、数据污染等攻击提供了可乘之机，可能导致模型输出偏差甚至泄露敏感信息。研究团队通过实验验证了多种攻击方法的有效性，并呼吁开发者在设计智能体架构时加强记忆安全防护。该论文于2026年6月提交至arXiv预印本平台。 #LLM #人工智能安全 #记忆攻击 #智能体 #论文研究 #网络攻击 #多项选择问答 #arXiv
一项来自Shahnewaz Karim Sakib与Anindya Bijoy Das的最新研究指出，大型语言模型（LLM）智能体中的记忆模块可能成为潜在攻击面。该论文以多项选择题问答为场景，深入分析了攻击者如何通过操控智能体的记忆数据来影响其决策行为。研究发现，记忆机制在增强智能体长期交互能力的同时，也为恶意注入、数据污染等攻击提供了可乘之机，可能导致模型输出偏差甚至泄露敏感信息。研究团队通过实验验证了多种攻击方法的有效性，并呼吁开发者在设计智能体架构时加强记忆安全防护。该论文于2026年6月提交至arXiv预印本平台。 #LLM #人工智能安全 #记忆攻击 #智能体 #论文研究 #网络攻击 #多项选择问答 #arXiv
定制化生成式AI代理助力交通工程实践
近日，一篇题为《交通工程实践的定制化生成式AI代理：开发与持续预训练指南》的论文在arXiv上公开。该研究由Dianwei Chen等学者共同完成，旨在为交通工程领域开发专用的生成式AI代理提供系统性的方法论。论文详细阐述了如何从基础模型出发，通过持续预训练和微调，构建具备专业知识与推理能力的AI工具，以解决交通工程中的复杂问题，如交通流预测、路网优化等。该指南强调了数据构建、模型选择和评估流程，为工程实践者提供了可操作的参考。这一成果有望推动AI技术在交通基础设施管理中的落地应用，促进智慧交通的发展。 #交通工程 #生成式AI #人工智能 #持续预训练 #智慧交通 #arXiv #学术论文
近日，一篇题为《交通工程实践的定制化生成式AI代理：开发与持续预训练指南》的论文在arXiv上公开。该研究由Dianwei Chen等学者共同完成，旨在为交通工程领域开发专用的生成式AI代理提供系统性的方法论。论文详细阐述了如何从基础模型出发，通过持续预训练和微调，构建具备专业知识与推理能力的AI工具，以解决交通工程中的复杂问题，如交通流预测、路网优化等。该指南强调了数据构建、模型选择和评估流程，为工程实践者提供了可操作的参考。这一成果有望推动AI技术在交通基础设施管理中的落地应用，促进智慧交通的发展。 #交通工程 #生成式AI #人工智能 #持续预训练 #智慧交通 #arXiv #学术论文
Primary ICD Category Prediction using LLM
一篇题为“Primary ICD Category Prediction using LLM-based Probing”的学术论文已提交至arXiv预印本平台，作者为Chengyuan Liu等三人。该研究聚焦于利用基于大型语言模型（LLM）的探测方法，进行主要国际疾病分类（ICD）类别的预测任务。论文于2026年6月27日首次提交，目前可通过arXiv获取PDF全文及HTML版本。相关工作涉及自然语言处理与医疗信息编码的交叉领域，为自动化医疗代码分配提供了新的探索方向。 #arXiv #论文 #LLM #ICD #医疗信息 #自然语言处理 #人工智能
一篇题为“Primary ICD Category Prediction using LLM-based Probing”的学术论文已提交至arXiv预印本平台，作者为Chengyuan Liu等三人。该研究聚焦于利用基于大型语言模型（LLM）的探测方法，进行主要国际疾病分类（ICD）类别的预测任务。论文于2026年6月27日首次提交，目前可通过arXiv获取PDF全文及HTML版本。相关工作涉及自然语言处理与医疗信息编码的交叉领域，为自动化医疗代码分配提供了新的探索方向。 #arXiv #论文 #LLM #ICD #医疗信息 #自然语言处理 #人工智能
HyphaeDB
来自Krishna Halaharvi的学术论文提出了一种名为HyphaeDB的新型数据库架构，旨在为智能代理（Agent）提供一种“活的知识拓扑”。该数据库设计为支持代理优先的记忆存储与检索，通过动态关联与生长机制，使知识不仅能被存储，还能随着交互和推理过程不断演化。HyphaeDB借鉴生物菌丝的网状结构，试图解决传统数据库在知识图谱动态更新和上下文感知上的局限，为下一代AI代理系统提供更灵活、自适应的记忆基础设施。该研究于2026年6月提交至arXiv，目前尚无完整公开细节，但方向指向代理-环境互动中知识的高效组织与利用。 #HyphaeDB #知识图谱 #AI代理 #数据库 #活知识 #拓扑 #智能记忆 #论文
来自Krishna Halaharvi的学术论文提出了一种名为HyphaeDB的新型数据库架构，旨在为智能代理（Agent）提供一种“活的知识拓扑”。该数据库设计为支持代理优先的记忆存储与检索，通过动态关联与生长机制，使知识不仅能被存储，还能随着交互和推理过程不断演化。HyphaeDB借鉴生物菌丝的网状结构，试图解决传统数据库在知识图谱动态更新和上下文感知上的局限，为下一代AI代理系统提供更灵活、自适应的记忆基础设施。该研究于2026年6月提交至arXiv，目前尚无完整公开细节，但方向指向代理-环境互动中知识的高效组织与利用。 #HyphaeDB #知识图谱 #AI代理 #数据库 #活知识 #拓扑 #智能记忆 #论文
Mechanistic Personality Analysis of LLMs
一篇来自arXiv的论文《Mechanistic Personality Analysis of LLMs Steering Personality via Latent Feature Interventions》提出，大型语言模型（LLMs）的个性可通过潜在特征干预进行系统性操控。研究团队通过分析模型内部机制，发现利用特定潜在特征可引导模型表现出不同人格特质，从而为理解AI行为控制提供了新视角。该工作有望推动更安全、可控的AI系统开发。 #LLM #人工智能 #个性分析 #潜在特征 #AI安全 #论文 #arXiv
一篇来自arXiv的论文《Mechanistic Personality Analysis of LLMs Steering Personality via Latent Feature Interventions》提出，大型语言模型（LLMs）的个性可通过潜在特征干预进行系统性操控。研究团队通过分析模型内部机制，发现利用特定潜在特征可引导模型表现出不同人格特质，从而为理解AI行为控制提供了新视角。该工作有望推动更安全、可控的AI系统开发。 #LLM #人工智能 #个性分析 #潜在特征 #AI安全 #论文 #arXiv
ComMem：面向视觉语言模型测试时自适应的互补记忆系统
arXiv上最新发表的一篇论文提出了ComMem（互补记忆系统），旨在解决视觉语言模型在测试阶段面临的数据分布漂移问题。该方法通过设计两类互补的记忆模块——长期记忆和短期记忆，分别存储稳定的语义知识以及动态的上下文信息，使模型能够在推理时无需额外训练即可快速适应新任务或新环境。研究团队在多个域迁移基准上进行了评估，结果显示ComMem在图像分类、目标检测等任务中显著提升了模型的泛化能力，尤其在目标域与源域存在较大差异的场景下优势明显。该工作为视觉语言模型的实时在线自适应提供了高效且可扩展的解决方案，有望推动自动驾驶、医疗影像分析等对鲁棒性要求较高的应用发展。 #视觉语言模型 #测试时自适应 #互补记忆 #AI #计算机视觉 #域迁移 #机器学习 #arXiv
arXiv上最新发表的一篇论文提出了ComMem（互补记忆系统），旨在解决视觉语言模型在测试阶段面临的数据分布漂移问题。该方法通过设计两类互补的记忆模块——长期记忆和短期记忆，分别存储稳定的语义知识以及动态的上下文信息，使模型能够在推理时无需额外训练即可快速适应新任务或新环境。研究团队在多个域迁移基准上进行了评估，结果显示ComMem在图像分类、目标检测等任务中显著提升了模型的泛化能力，尤其在目标域与源域存在较大差异的场景下优势明显。该工作为视觉语言模型的实时在线自适应提供了高效且可扩展的解决方案，有望推动自动驾驶、医疗影像分析等对鲁棒性要求较高的应用发展。 #视觉语言模型 #测试时自适应 #互补记忆 #AI #计算机视觉 #域迁移 #机器学习 #arXiv
TrajRS
来自arXiv预印本的一篇论文《TrajRS: Towards Certified Robustness in Pedestrian Trajectory Prediction》由Liang Zhang等七位作者提交。该研究聚焦于行人轨迹预测模型的鲁棒性问题，提出了一种可认证的鲁棒性方法，旨在提升模型在对抗性扰动下的安全性。传统轨迹预测模型在面对细微输入扰动时可能产生严重偏差，而TrajRS通过形式化验证手段，为预测结果提供可量化的鲁棒性保证。论文详细介绍了方法框架、理论分析和实验评估，展示了在多种场景下的有效性。这项工作对自动驾驶、机器人导航等现实应用具有潜在价值。 #行人轨迹预测 #认证鲁棒性 #AI安全 #自动驾驶 #arXiv #论文
来自arXiv预印本的一篇论文《TrajRS: Towards Certified Robustness in Pedestrian Trajectory Prediction》由Liang Zhang等七位作者提交。该研究聚焦于行人轨迹预测模型的鲁棒性问题，提出了一种可认证的鲁棒性方法，旨在提升模型在对抗性扰动下的安全性。传统轨迹预测模型在面对细微输入扰动时可能产生严重偏差，而TrajRS通过形式化验证手段，为预测结果提供可量化的鲁棒性保证。论文详细介绍了方法框架、理论分析和实验评估，展示了在多种场景下的有效性。这项工作对自动驾驶、机器人导航等现实应用具有潜在价值。 #行人轨迹预测 #认证鲁棒性 #AI安全 #自动驾驶 #arXiv #论文
权重量化下经验Fisher信息矩阵的谱扰动研究发表
近日，一篇题为《权重量化下经验Fisher信息矩阵的谱扰动》的论文在arXiv上公开。该研究由Rahid Zahid Alekberli和Hikmat Karimov共同完成，主要探讨神经网络权重量化对经验Fisher信息矩阵（EFIM）特征谱的影响。权重量化是模型压缩与边缘部署的关键技术，但现有研究对其带来的优化景观变化理解有限。该工作通过理论分析揭示了量化导致的谱扰动规律，为设计更高效的量化算法提供了理论依据。论文目前提供PDF及HTML版本供开放获取。 #神经网络 #权重量化 #Fisher信息矩阵 #谱扰动 #模型压缩 #机器学习 #arXiv
近日，一篇题为《权重量化下经验Fisher信息矩阵的谱扰动》的论文在arXiv上公开。该研究由Rahid Zahid Alekberli和Hikmat Karimov共同完成，主要探讨神经网络权重量化对经验Fisher信息矩阵（EFIM）特征谱的影响。权重量化是模型压缩与边缘部署的关键技术，但现有研究对其带来的优化景观变化理解有限。该工作通过理论分析揭示了量化导致的谱扰动规律，为设计更高效的量化算法提供了理论依据。论文目前提供PDF及HTML版本供开放获取。 #神经网络 #权重量化 #Fisher信息矩阵 #谱扰动 #模型压缩 #机器学习 #arXiv
自适应迭代硬阈值方法用于在线高维分位数回归
近日，一篇题为《Adaptive Iterative Hard Thresholding for Online High-dimensional Quantile Regression》的论文在arXiv预印本平台发布。该研究由Zitian Zhou等人完成，提出了一种自适应迭代硬阈值算法，专门用于在线高维分位数回归场景。传统分位数回归在高维数据流中面临计算复杂度和稀疏性约束的挑战，新方法通过动态调整阈值策略，实现了对稀疏参数的渐进有效估计，并给出了理论收敛性保证。实验结果表明，该算法在处理大规模流式数据时，在精度和效率上均优于现有基准方法，为金融风险度量、信号处理等领域的实时数据分析提供了新工具。 #机器学习 #高维统计 #分位数回归 #在线学习 #稀疏建模
近日，一篇题为《Adaptive Iterative Hard Thresholding for Online High-dimensional Quantile Regression》的论文在arXiv预印本平台发布。该研究由Zitian Zhou等人完成，提出了一种自适应迭代硬阈值算法，专门用于在线高维分位数回归场景。传统分位数回归在高维数据流中面临计算复杂度和稀疏性约束的挑战，新方法通过动态调整阈值策略，实现了对稀疏参数的渐进有效估计，并给出了理论收敛性保证。实验结果表明，该算法在处理大规模流式数据时，在精度和效率上均优于现有基准方法，为金融风险度量、信号处理等领域的实时数据分析提供了新工具。 #机器学习 #高维统计 #分位数回归 #在线学习 #稀疏建模
随机梯度广义非可逆Langevin Monte Carlo算法的方差缩减研究
来自arXiv预印本平台的一篇最新论文，由Bingye Ni等三位学者共同完成，聚焦于随机梯度广义非可逆Langevin Monte Carlo算法的方差缩减问题。Langevin Monte Carlo方法是机器学习与统计计算中重要的采样工具，但随机梯度引入的噪声常影响收敛效率。研究团队提出了一种针对广义非可逆动力学框架的方差缩减技术，旨在降低梯度估计的方差，从而加速算法收敛并提升采样精度。该工作通过理论分析与数值实验验证了方法的有效性，为高维贝叶斯推断、概率编程等应用提供了更高效的采样方案。论文于2026年6月27日提交至arXiv，目前可通过PDF或HTML格式获取全文。 #LangevinMonteCarlo #方差缩减 #随机梯度 #机器学习 #arXiv #统计学 #算法
来自arXiv预印本平台的一篇最新论文，由Bingye Ni等三位学者共同完成，聚焦于随机梯度广义非可逆Langevin Monte Carlo算法的方差缩减问题。Langevin Monte Carlo方法是机器学习与统计计算中重要的采样工具，但随机梯度引入的噪声常影响收敛效率。研究团队提出了一种针对广义非可逆动力学框架的方差缩减技术，旨在降低梯度估计的方差，从而加速算法收敛并提升采样精度。该工作通过理论分析与数值实验验证了方法的有效性，为高维贝叶斯推断、概率编程等应用提供了更高效的采样方案。论文于2026年6月27日提交至arXiv，目前可通过PDF或HTML格式获取全文。 #LangevinMonteCarlo #方差缩减 #随机梯度 #机器学习 #arXiv #统计学 #算法
论文《潜在因子不确定性及其对数据表示的影响》发布
近日，一篇题为《Perspectives on Latent Factor Indeterminacy and its Implications for Data Representation》的学术论文在arXiv预印本平台上线。作者Carel F.W. Peeters深入探讨了潜在因子不确定性问题，并分析了其对数据表示的潜在影响。该论文已被分配DataCite DOI，并提供PDF全文下载。研究涉及计算机科学、数学与统计学交叉领域，可能对因子分析、降维等机器学习方法产生重要启示。 #学术论文 #潜在因子 #数据表示 #arXiv #机器学习 #因子分析
近日，一篇题为《Perspectives on Latent Factor Indeterminacy and its Implications for Data Representation》的学术论文在arXiv预印本平台上线。作者Carel F.W. Peeters深入探讨了潜在因子不确定性问题，并分析了其对数据表示的潜在影响。该论文已被分配DataCite DOI，并提供PDF全文下载。研究涉及计算机科学、数学与统计学交叉领域，可能对因子分析、降维等机器学习方法产生重要启示。 #学术论文 #潜在因子 #数据表示 #arXiv #机器学习 #因子分析