AI Agent

Multi-agent Assessment with QoS Enhancement for HD Map Updates in a Vehicular Network

多智能体评估与QoS增强用于车载网络中HD地图更新

Jeffrey Redondo, Nauman Aslam, Juan Zhang, Zhenhui Yuan

机构 * Department of Computer and Information Sciences, Northumbria University（北安普顿大学计算机与信息科学系） ； School of Engineering, University of Warwick（沃里克大学工程学院） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出一种多智能体方法，通过优化状态和动作空间，提升车载网络中HD地图更新的QoS性能，实验显示在多个场景下性能显著提升。

LDP: An Identity-Aware Protocol for Multi-Agent LLM Systems

LDP：一种面向多智能体LLM系统的身份感知协议

Sunil Prakash

机构 * Indian School of Business（印度管理学院） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.SE

AI总结 LDP是一种面向多智能体LLM系统的身份感知协议，通过五种机制提升委托效率与可控性。

Comments 16 pages, 9 figures, 8 tables, 4 appendices

Strategically Robust Multi-Agent Reinforcement Learning with Linear Function Approximation

具有线性函数近似的战略稳健多智能体强化学习

Jake Gonzales, Max Horwitz, Eric Mazumdar, Lillian J. Ratliff

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.LG

AI总结 RQRE-OVI 通过线性函数近似在大或连续状态空间中计算稳健均衡，通过有限样本分析证明收敛性，并展示在交叉博弈中比纳什方法更稳健的性能。

Multi-Agent Reinforcement Learning with Communication-Constrained Priors

具有受限通信先验的多智能体强化学习

Guang Yang, Tianpei Yang, Jingwen Qiao, Yanqing Wu, Jing Huo, Xingguo Chen, Yang Gao

机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； School of Network Security and Information Technology, YiLi Normal University（伊犁师范学院网络安全与信息技术学院） ； Nanjing University of Posts and Telecommunications（南京邮电大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI

AI总结 本文提出了一种通信受限的多智能体强化学习框架，通过统一表征通信条件并量化通信影响，提升复杂动态环境中的学习效率。

Module checking of pushdown multi-agent systems

推进多智能体系统的模块检查

Laura Bozzelli, Aniello Murano, Adriano Peron

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本文研究了推进多智能体系统针对ATL和ATL*规范的模块检查问题，证明其复杂性分别为2EXPTIME和4EXPTIME完全。

Journal ref Logical Methods in Computer Science, Volume 22, Issue 1 (February 17, 2026) lmcs:8458

ProvAgent: Threat Detection Based on Identity-Behavior Binding and Multi-Agent Collaborative Attack Investigation

ProvAgent：基于身份-行为绑定和多智能体协作攻击调查的威胁检测

Wenhao Yan, Ning An, Linxu Li, Bingsheng Bi, Bo Jiang, Zhigang Lu, Baoxu Liu, Junrong Liu, Cong Dong

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 ProvAgent通过多智能体协作与传统模型结合，实现高效威胁检测与自动化攻击调查，提升安全响应效率与准确性。

Comments The code of ProvAgent is publicly available at \url{https://github.com/Win7ery/ProvAgent}

Polynomial-time Configuration Generator for Connected Unlabeled Multi-Agent Pathfinding

多项式时间连接无标多智能体路径规划生成器

Takahiro Suzuki, Keisuke Okumura

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本文提出了一种多项式时间的连接无标多智能体路径规划生成器PULL，能够在2D网格中以O(n²)时间复杂度高效解决大规模连接路径规划问题。

Comments Accepted by ICAPS-26

Distributed Model Predictive Control for Dynamic Cooperation of Multi-Agent Systems

分布式模型预测控制用于多智能体系统的动态协作

Matthias Köhler, Matthias A. Müller, Frank Allgöwer

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本文提出了一种分布式模型预测控制框架，用于协调具有个体和耦合约束的异构非线性多智能体系统，通过集体优化实现合作任务。

AgenticCyOps: Securing Multi-Agentic AI Integration in Enterprise Cyber Operations

AgenticCyOps：保障企业网络操作中的多智能体AI集成安全

Shaswata Mitra, Raj Patel, Sudip Mittal, Md Rayhanur Rahman, Shahram Rahimi

专题命中 多智能体 ：agentic(title,abstract)；agent(abstract)；workflow(abstract)；multi-agent(abstract)

AI总结 AgenticCyOps提出了一种基于信任边界的多智能体AI集成安全框架，通过分解攻击面并定义五个防御原则，有效减少攻击向量和提升企业网络安全水平。

Comments 17 pages, 4 figures, 5 tables

Personalized Collaborative Learning with Affinity-Based Variance Reduction

基于亲和力的方差缩减个性化协同学习

Chenyu Zhang, Navid Azizan

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG

AI总结 本文提出基于亲和力的个性化协同学习方法，通过偏差和重要性校正机制，实现异质智能体在不同异质性水平下的高效协同学习，减少样本复杂性并提升加速效果。

Comments Published as a conference paper at ICLR 2026

Computational Multi-Agents Society Experiments: Social Modeling Framework Based on Generative Agents

计算多智能体社会实验：基于生成智能体的社会建模框架

Hanzhong Zhang, Muhua Huang, Jindong Wang

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 CMASE框架通过整合生成智能体建模与虚拟民族志方法，实现复杂社会干预过程的动态嵌入与机制导向干预，推动社会科学跨学科整合。

Comments 20 pages, 3 figures

Emotional Modulation in Swarm Decision Dynamics

群体决策动力学中的情绪调节

David Freire-Obregón

机构 * SIANI, Universidad de Las Palmas de Gran Canaria（SIANI，拉斯帕尔马斯德格拉纳达大学） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文提出基于代理的模型，通过情绪正负性和唤醒度调节交互率，研究情绪对群体决策动态的影响，揭示情绪调节如何影响共识形成和决策结果。

Comments Accepted for presentation at the International Conference on Agents and Artificial Intelligence (ICAART 2026)

AutoAgent: Evolving Cognition and Elastic Memory Orchestration for Adaptive Agents

AutoAgent：为自适应智能体演化认知与弹性记忆编排

Xiaoxing Wang, Ning Liao, Shikun Wei, Chen Tang, Feiyu Xiong

机构 * MemTensor (Shanghai) Technology Co., Ltd.（MemTensor（上海）科技有限公司） ； Shanghai Jiao Tong University（上海交通大学） ； Institute for Advanced Algorithms Research, Shanghai（上海先进算法研究所） 纠错

专题命中 工作流自动化 ：agent(abstract)；autonomous agent(abstract)；tool-use(abstract)；workflow(abstract)

AI总结 AutoAgent通过自我进化多智能体框架，实现动态认知演化与弹性记忆编排，提升智能体在动态环境中的适应性和任务执行效率。

From Self-Evolving Synthetic Data to Verifiable-Reward RL: Post-Training Multi-turn Interactive Tool-Using Agents

从自演化合成数据到可验证奖励强化学习：训练后多轮交互工具使用智能体

Jiaxuan Gao, Jiaao Chen, Chuyi He, Shusheng Xu, Di Jin, Yi Wu

专题命中 工作流自动化 ：agent(abstract)；tool-use(abstract)；workflow(abstract)；multi-agent(abstract)

AI总结 本文提出EigenData框架，结合自演化数据代理与验证器强化学习，通过合成数据提升多轮交互工具使用智能体的训练效率和性能。

Comments Submitted to ICML 2026

SSRCA: a novel machine learning pipeline to perform sensitivity analysis for agent-based models

SSRCA：一种新的机器学习流程，用于执行基于代理的模型的敏感性分析

Edward H. Rohr, John T. Nardini

专题命中 工作流自动化 ：agent(title,abstract)

AI总结 SSRCA是一种基于机器学习的流程，用于执行基于代理的模型的敏感性分析，通过识别敏感参数和输出模式，提升ABMs的参数估计效率。

A Consensus-Driven Multi-LLM Pipeline for Missing-Person Investigations

基于共识的多语言模型流水线用于失踪人员调查

Joshua Castillo, Ravi Mukkamala

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

AI总结 本文提出了一种基于共识的多语言模型流水线，用于失踪人员调查，通过协调多个任务专用的 LLM 模型和共识引擎，提升信息提取和处理的效率与准确性。

Comments Accepted to CAC: Applied Computing & Automation Conferences 2026. 16 pages, 6 figures

Cross-Domain Uncertainty Quantification for Selective Prediction: A Comprehensive Bound Ablation with Transfer-Informed Betting

跨领域不确定性量化用于选择性预测：一种综合界限消融与转移引导投注

Abhinaba Basu

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

AI总结 本文提出Transfer-Informed Betting方法，通过源域风险预热提升选择性预测的置信界性能，在数据稀缺场景下实现更紧的保证。

Beyond Fine-Tuning: Robust Food Entity Linking under Ontology Drift with FoodOntoRAG

超越微调：在本体漂移下利用FoodOntoRAG实现鲁棒的食品实体链接

Jan Drole, Ana Gjorgjevikj, Barbara Korouši'c Seljak, Tome Eftimov

机构 * Computer Systems Department, Jožef Stefan International Postgraduate School, Ljubljana, Slovenia（卢布尔雅那，斯洛文尼亚乔泽夫·斯蒂芬国际研究生学院计算机系统系） ； Computer Systems Department, Jožef Stefan Institute, Ljubljana, Slovenia（卢布尔雅那，斯洛文尼亚乔泽夫·斯蒂芬研究所计算机系统系） 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FoodOntoRAG，通过检索本体和结构化证据实现鲁棒的食品实体链接，避免微调并提高本体漂移的鲁棒性。

Comments Preprint

EmbC-Test: How to Speed Up Embedded Software Testing Using LLMs and RAG

EmbC-Test: 如何利用LLMs和RAG加速嵌入式软件测试

Maximilian Harnot, Sebastian Komarnicki, Michal Polok, Timo Oksanen

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

AI总结 本文提出利用LLMs和RAG技术，通过生成自动测试用例，显著提高嵌入式软件测试效率，节省66%的测试时间并每小时生成270个测试用例。

Journal ref Technical University of Munich. 2026. ISBN 978-3-911430-12-8. https://mediatum.ub.tum.de/1846559

Reading the Mood Behind Words: Integrating Prosody-Derived Emotional Context into Socially Responsive VR Agents

解读话语背后的情绪：将基于语调的情感上下文整合到社交响应的VR代理中

SangYeop Jeong, Yeongseo Na, Seung Gyu Jeong, Jin-Woo Jeong, Seong-Eun Kim

机构 * Department of Applied Artificial Intelligence（应用人工智能系） ； Seoul National University of Science and Technology（首尔科学技术大学） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI

AI总结 本文提出一种整合语调情感上下文的VR交互流程，通过实时语音情感识别模型提升对话代理的自然性和用户亲和力。

Comments 12 pages, 4 figures, Accepted to CHI EA 2026 (Extended Abstracts of the 2026 CHI Conference on Human Factors in Computing Systems)

Journal ref Extended Abstracts of the 2026 CHI Conference on Human Factors in Computing Systems (CHI EA '26), 2026, 1-12

Diagnosing and Repairing Citation Failures in Generative Engine Optimization

在生成引擎优化中诊断和修复引用失败

Zhihua Tian, Yuhan Chen, Yao Tang, Jian Liu, Ruoxi Jia

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

AI总结 本文提出AgentGEO系统，通过诊断引用失败模式并针对性修复，提升生成引擎优化中的引用率，同时揭示通用优化对长尾内容的负面影响。

Comments 35 pages

MuFlex: A Scalable, Physics-based Platform for Multi-Building Flexibility Analysis and Coordination

MuFlex：一种可扩展的、基于物理的多建筑灵活性分析与协调平台

Ziyan Wu, Ivan Korolija, Rui Tang

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

AI总结 MuFlex是一种基于物理的开源平台，用于多建筑灵活性协调，通过同步信息交换和协同模拟，利用Soft Actor-Critic算法减少峰值需求12%。

Comments The platform is released open-source on GitHub: https://github.com/BuildNexusX/MuFlex

Journal ref Energy, vol. 349, 140565, 2026

A Lightweight Multi-Cancer Tumor Localization Framework for Deployable Digital Pathology

一种轻量级多癌症肿瘤定位框架用于可部署的数字病理学

Brian Isett, Rebekah Dadey, Aofei Li, Ryan C. Augustin, Kate Smith, Aatur D. Singhi, Qiangqiang Gu, Riyue Bao

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

AI总结 本研究提出了一种轻量级多癌症肿瘤定位框架，通过跨癌症平衡训练实现高泛化能力，适用于数字病理学的可部署应用。

Comments 9 pages, 2 figures

Configurable Runtime Orchestration for Dynamic Data Retrieval in Distributed Systems

可配置的运行时编排用于分布式系统中的动态数据检索

Abhiram Kandiraju

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

AI总结 本文提出了一种基于配置的运行时编排框架，用于在分布式系统中实现动态数据检索，通过动态生成执行图实现低延迟编排，支持集成演变时无需重新部署工作流代码。

Comments 11 pages, 1 architecture diagram, execution pseudocode, and system comparison table

Research and Prototyping Study of an LLM-Based Chatbot for Electromagnetic Simulations

基于大语言模型的电磁仿真聊天机器人研究与原型开发

Albert Piwonski, Mirsad Hadžiefendić

机构 * Theoretische Elektrotechnik, TU Berlin（柏林技术大学理论电气技术系） 纠错

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

AI总结 本文提出基于大语言模型的聊天机器人，用于自动生成电磁仿真模型，通过功能增强提升仿真效率和用户交互体验。

Comments This paper has been submitted to COMPEL for possible publication, published by Emerald Publishing Limited

Scalable and Performant Data Loading

可扩展且高效的数据显示加载

Moto Hira, Christian Puhrsch, Valentin Andrei, Roman Malinovskyy, Gael Le Lan, Abhinandan Krishnan, Joseph Cummings, Victor Bourgin, Olga Gerasimova, Miguel Martin, Gokul Gunasekaran, Yuta Inoue, Alex J Turner, Raghuraman Krishnamoorthi

专题命中 工作流自动化 ：workflow(abstract)

AI总结 SPDL通过释放GIL实现高效的多线程数据加载，显著提升AI模型训练性能。

Comments For the latest version of the software please visit https://facebookresearch.github.io/spdl/main/

Uncertainty quantification for critical energy systems during compound extremes via BMW-GAM

通过BMW-GAM对复合极端事件中关键能源系统进行不确定性量化

Mitchell L. Krock, W. Neal Mann, Zhi Zhou

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出通过BMW-GAM方法对复合极端天气事件中关键能源系统的不确定性进行量化，利用高斯Copula和贝叶斯广义加性模型进行高效模拟与拟合。

DESA: An R Package for Detecting Epidemics using a School-Absenteeism Surveillance Framework

DESA：一种基于学校缺勤监测框架的流感流行病检测R包

Vinay Joshy, Zeny Feng, Lorna Deeth, Kayla Vanderkruk, Justin Slater

专题命中 工作流自动化 ：workflow(abstract)

AI总结 DESA是一种基于学校缺勤监测框架的R包，用于利用缺勤数据检测流感等流行病，并提供流行病建模、警报评估和模拟功能。

Journal ref Journal of Open Research Software, vol. 14, no. 1, 2026, p. null

FLARE: FCCee b2Luigi Automated Reconstruction And Event processing

FLARE：FCCee b2Luigi 自动化重建与事件处理

Cameron Harris, Aman Desai

专题命中 工作流自动化 ：workflow(abstract)

AI总结 FLARE 是一个用于 FCCee 分析的开源工作流编排工具，通过 b2luigi 实现自动化重建和事件处理，支持多种 MC 数据工作流生成器。

Journal ref Comput.Phys.Commun. 322 (2026) 110062

Explainable Innovation Engine: Dual-Tree Agent-RAG with Methods-as-Nodes and Verifiable Write-Back

可解释的创新引擎：双树代理-RAG与方法作为节点和可验证的写回

Renwei Meng

机构 * Anhui University（安徽大学） 纠错

专题命中 软件智能体 ：agent(title,abstract)；agentic(abstract)；分类 cs.AI

AI总结 本研究提出了一种双树代理-RAG框架，通过方法作为节点和可验证的写回机制，提升代理系统在可控、可解释和可验证创新方面的性能。

Comments 15pages, 4figures, code available on Github