AI Agent

DataFactory: Collaborative Multi-Agent Framework for Advanced Table Question Answering

DataFactory: 用于高级表格问答的协作多智能体框架

Tong Wang, Chi Jin, Yongkang Chen, Huan Deng, Xiaohui Kuang, Gang Zhao

机构 * Institute of Systems Engineering, Academy of Military Sciences（系统工程研究所，军事科学院） ； School of Information Resource Management, Renmin University of China（信息资源管理学院，中国人民大学） 纠错

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

AI总结 DataFactory通过多智能体协作框架提升表格问答的准确性和鲁棒性，采用ReAct范式和自动知识转换，显著提高查询精度和多跳推理能力。

Comments Published in Information Processing & Management, 2026

Journal ref Information Processing & Management, 63(6):104723, 2026

FetalAgents: A Multi-Agent System for Fetal Ultrasound Image and Video Analysis

FetalAgents：一种用于胎儿超声图像和视频分析的多智能体系统

Xiaotian Hu, Junwei Huang, Mingxuan Liu, Kasidit Anmahapong, Yifei Chen, Yitong Luo, Yiming Huang, Xuguang Bai, Zihan Li, Yi Liao, Haibo Qu, Qiyuan Tian

机构 * Tsinghua University（清华大学） ； University of California San Diego（加州大学圣地亚哥分校） ； West China Second University Hospital, Sichuan University（四川大学华西第二医院） 纠错

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

AI总结 FetalAgents是一种多智能体系统，通过动态协调视觉专家，实现胎儿超声图像和视频的端到端分析与报告，提供高准确性和流程对齐的解决方案。

Learning responsibility allocations for multi-agent interactions: A differentiable optimization approach with control barrier functions

多智能体交互中的责任分配学习：一种基于可微优化与控制屏障函数的方法

Isaac Remy, David Fridovich-Keil, Karen Leung

机构 * University of Washington, Department of Aeronautics and Astronautics（华盛顿大学航空航天系） ； University of Texas, Austin, Department of Aerospace Engineering and Engineering Mechanics（得克萨斯大学奥斯汀分校航空航天工程与工程力学系） ； NVIDIA 纠错

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

AI总结 本文提出一种基于控制屏障函数和可微优化的方法，用于学习多智能体交互中的责任分配，通过数据驱动的方式实现对安全交互行为的可解释性分析。

Comments 8 pages, 7 figures

Cooperative Game-Theoretic Credit Assignment for Multi-Agent Policy Gradients via the Core

基于核心的协同博弈信用分配：通过核心的多智能体策略梯度

Mengda Ji, Genjiu Xu, Keke Jia, Zekun Duan, Yong Qiu, Jianjun Ge, Mingqiang Li

机构 * Key Laboratory of Intelligence, Games and Information Processing in Shaanxi Province（陕西省智能信息处理重点实验室） ； Unmanned System Research Institute（无人系统研究院） ； Northwestern Polytechnical University（西北工业大学） ； School of Mathematics and Statistics（数学与统计学院） ； Information Science Academy（信息科学学院） ； China Electronics Technology Group Corporation（中国电子科技集团有限公司） 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CORA方法，通过核心分配机制解决多智能体策略梯度中的信用分配问题，提升联盟策略的协调优化能力。

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)