AI Agent

Autonomous Integration and Improvement of Robotic Assembly using Skill Graph Representations

基于技能图表示的机器人装配自主集成与改进

Peiqi Yu, Philip Huang, Chaitanya Chawla, Guanya Shi, Jiaoyang Li, Changliu Liu

机构 * Department of Electrical and Computer Engineering, Carnegie Mellon University（卡内基梅隆大学电气与计算机工程系） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出基于技能图表示的机器人装配系统自主集成与持续改进框架，通过语义级规划与执行接口实现系统配置、执行、评估与学习的统一，提升装配系统的适应性与可重用性。

Beyond Dense Futures: World Models as Structured Planners for Robotic Manipulation

超越密集未来：世界模型作为机器人操作的结构化规划器

Minghao Jin, Mozheng Liao, Mingfei Han, Zhihui Li, Xiaojun Chang

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出StructVLA，通过结构化规划器提升机器人操作的可靠性，采用稀疏结构帧替代密集预测，实现视觉规划与运动控制的结合，实验显示在多个环境中的高成功率。

LLMs for Human Mobility: Opportunities, Challenges, and Future Directions

大语言模型在人类迁移中的应用：机遇、挑战与未来方向

Jie Gao, Yaoxin Wu

专题命中 规划决策 ：planning(abstract)

AI总结 本文探讨大语言模型在人类迁移研究中的应用，总结了五个任务中的核心挑战与LLM解决方案，并提出未来研究方向。

Pairwise Exchanges of Freely Replicable Goods with Negative Externalities

自由可复制物品的成对交换与负外部性

Shangyuan Yang, Kirthevasan Kandasamy

专题命中 规划决策 ：agent(abstract)

AI总结 本文研究了自由可复制物品的成对交换机制，设计了满足个体理性、激励相容和稳定性的无货币交换协议，以应对负外部性带来的挑战。

Context Engineering: From Prompts to Corporate Multi-Agent Architecture

上下文工程：从提示到企业多智能体架构

Vera V. Vishnyakova

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

AI总结 本文提出上下文工程作为独立学科，旨在设计和管理AI代理决策的信息环境，通过五个质量标准和两个高层学科构建代理工程的成熟度模型，解决企业多智能体系统部署中的上下文和意图缺失问题。

Comments 25 pages, 1 figure

Efficient and Interpretable Multi-Agent LLM Routing via Ant Colony Optimization

通过蚁群优化实现高效且可解释的多智能体大语言模型路由

Xudong Wang, Chaoning Zhang, Jiaquan Zhang, Chenghao Li, Qigan Sun, Sung-Ho Bae, Peng Wang, Ning Xie, Jie Zou, Yang Yang, Hengtao Shen

机构 * School of Computing, Kyung Hee University（Kyung Hee 大学计算机学院） ； School of Information and Software Engineering, University of Electronic Science and Technology of China（中国电子科技大学信息与软件工程学院） ； School of Computer Science and Engineering, University of Electronic Science and Technology of China（中国电子科技大学计算机科学与工程学院） ； School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） 纠错

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

AI总结 本文提出AMRO-S框架，通过意图推理、任务特定信息素专家和质量门控异步更新机制，提升多智能体系统路由效率与可解释性，实验显示其在质量-成本权衡上优于现有方法。

Comments 11 pages, 3 figures, submitted to IEEE Transactions on Artificial Intelligence

Partially Observable Multi-Agent Reinforcement Learning with Information Sharing

部分可观测多智能体强化学习与信息共享

Xiangyu Liu, Kaiqing Zhang

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

AI总结 本文研究了在部分可观测随机游戏框架下可证明的多智能体强化学习问题，提出利用智能体间的信息共享来解决计算复杂性问题，并设计了具有准多项式时间复杂度的算法，扩展至合作部分可观测马尔可夫决策过程。

Comments Final journal version of the ICML 2023 conference paper, accepted to SIAM Journal on Control and Optimization (SICON)

coDrawAgents: A Multi-Agent Dialogue Framework for Compositional Image Generation

coDrawAgents：一种用于组合图像生成的多智能体对话框架

Chunhan Li, Qifeng Wu, Jia-Hui Pan, Ka-Hei Hui, Jingyu Hu, Yuming Jiang, Bin Sheng, Xihui Liu, Wenjuan Gong, Zhengzhe Liu

机构 * Lingnan University（岭南大学） ； CMU（卡内基梅隆大学） ； CUHK（香港中文大学） ； Alibaba DAMO Academy（阿里巴巴达摩院） ； SJTU（上海交通大学） ； HKU（香港大学） ； China University of Petroleum（中国石油大学） 纠错

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

AI总结 coDrawAgents通过四类智能体协作提升复杂场景中多对象生成的准确性与属性保持，实验表明其在文本-图像对齐、空间准确性和属性绑定方面表现更优。

Comments Accepted to CVPR 2026 Findings

LLM Constitutional Multi-Agent Governance

大语言模型宪法多智能体治理

J. de Curtò, I. de Zarzà

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CMAG框架，通过硬约束过滤与软惩罚效用优化，在多智能体群体中平衡合作潜力与操纵风险，实验显示CMAG在保持自主性和完整性的同时提升了合作的伦理得分。

Comments Accepted for publication in 20th International Conference on Agents and Multi-Agent Systems: Technologies and Applications (AMSTA 2026), to appear in Springer Nature proceedings (KES Smart Innovation Systems and Technologies). The final authenticated version will be available online at Springer

MindfulAgents: Personalizing Mindfulness Meditation via an Expert-Aligned Multi-Agent System

MindfulAgents: 通过专家对齐的多智能体系统实现正念冥想的个性化

Mengyuan Millie Wu, Zhihan Jiang, Yuang Fan, Richard Feng, Sahiti Dharmavaram, Mathew Polowitz, Shawn Fallon, Bashima Islam, Lizbeth Benson, Irene Tung, David Creswell, Xuhai Xu

机构 * Columbia University（哥伦比亚大学） ； St. Margaret’s Episcopal School（圣玛格丽特教区学校） ； Carnegie Mellon University（卡内基梅隆大学） ； Worcester Polytechnic Institute（沃斯特理工学院） ； Institute for Social Research, University of Michigan（密歇根大学社会研究所） ； California State University Dominguez Hills（加州大学 Dominguez Hills 分校） 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MindfulAgents系统，利用大语言模型生成个性化正念冥想指导脚本，提升用户参与度和自我意识，减少压力，并通过实验验证其在长期冥想实践中的有效性。

Comments Accepted by CHI 2026; Zhihan Jiang and Yuang Fan contributed equally as second authors

Beyond Static Instruction: A Multi-agent AI Framework for Adaptive Augmented Reality Robot Training

超越静态指令：一种多智能体AI框架用于自适应增强现实机器人训练

Nicolas Leins, Jana Gonnermann-Müller, Malte Teichmann, Sebastian Pokutta

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

AI总结 本文提出多智能体AI框架，用于增强现实机器人训练中的动态适应，通过多模态输入预处理和LLM自主推理实现个性化学习环境调整。

Journal ref Companion Proceedings of the 21st ACM/IEEE International Conference on Human-Robot Interaction (2026) 989-993

Multi-Agent Guided Policy Optimization

多智能体引导策略优化

Yueheng Li, Guangming Xie, Zongqing Lu

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MAGPO框架，通过整合集中指导与分散执行，提升多智能体强化学习的协调探索与部署能力，并在多个环境中验证其优于现有方法的性能。

Conflict Mitigation in Shared Environments using Flow-Aware Multi-Agent Path Finding

利用流量感知的多智能体路径寻找实现共享环境中的冲突缓解

Lukas Heuer, Yufei Zhu, Luigi Palmieri, Andrey Rudenko, Anna Mannucci, Sven Koenig, Martin Magnusson

机构 * Örebro University（奥雷布罗大学） ； Bosch Research（博世研究） ； Technical University of Munich（慕尼黑技术大学） ； University of California, Irvine（加州大学 Irvine 分校） 纠错

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

AI总结 本文提出FA-MAPF框架，通过整合不可控代理的运动模式提升多智能体路径寻找效率，实验证明可减少55%的冲突且不牺牲任务效率。

Comments To be presented at ICRA 2026

Bio-inspired density control of multi-agent swarms via leader-follower plasticity

生物启发的多智能体群体密度控制 via 领导-跟随可塑性

Gian Carlo Maffettone, Alain Boldini, Mario di Bernardo, Maurizio Porfiri

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

AI总结 本文提出一种生物启发的领导-跟随可塑性方法，用于多智能体群体的空间自组织控制，通过非线性偏微分方程建模群体密度，提供紧凑描述并保证稳态解的存在与局部稳定性。

Journal ref Volume 188, Automatica, 2026

Exploring the role of embodiment on intimacy perception in a multiparty collaborative task

探索具身性在多方协作任务中亲密感知的作用

Amine Benamara, Céline Clavel, Brian Ravenet, Nicolas Sabouret, Julien Saunier

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

AI总结 本文研究协作任务中具身性对群体凝聚力的影响，通过实验协议探讨不同代理的具身性如何影响感知及群体整体表现。

Journal ref ACM International Conference on Intelligent Virtual Agents (IVA '24), ACE Workshop Proceedings, Sep 2024, Glasgow, United Kingdom

JigsawComm: Joint Semantic Feature Encoding and Transmission for Communication-Efficient Cooperative Perception

JigsawComm: 联合语义特征编码与传输以实现通信高效的协作感知

Chenyi Wang, Zhaowei Li, Ming F. Li, Wujie Wen

机构 * University of Arizona（亚利桑那大学） ； North Carolina State University（北卡罗来纳州立大学） 纠错

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

AI总结 本文提出JigsawComm框架，通过联合语义特征编码与传输，在通信预算限制下提升多智能体协作感知的准确性，利用语义感知的编码器和轻量级特征效用估计器减少数据传输量，提升效率。

Context is all you need: Towards autonomous model-based process design using agentic AI in flowsheet simulations

上下文即一切：利用流表模拟中的代理AI实现自主的基于模型的过程设计

Pascal Schäfer, Lukas J. Krinke, Martin Wlotzka, Norbert Asprion

机构 * BASF SE（巴斯夫股份有限公司） ； RWTH Aachen University（亚琛工业大学） 纠错

专题命中 工作流自动化 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 本文提出一种代理AI框架，利用先进LLM在工业流表模拟环境中辅助过程设计，通过分解任务实现工程知识与代码生成的协同，展示了在反应分离、压力 swing 蒸馏和异构azeotropic 蒸馏中的应用效果。

ARL-Tangram: Unleash the Resource Efficiency in Agentic Reinforcement Learning

ARL-Tangram：释放代理强化学习中的资源效率

Bangjun Xiao, Yihao Zhao, Xiangwei Deng, Shihua Yu, Yuxing Xiang, Huaqiu Liu, Qiying Wang, Liang Zhao, Hailin Zhang, Xuanzhe Liu, Xin Jin, Fuli Luo

机构 * School of Computer Science, Peking University（北京大学计算机科学系） ； LLM-Core Xiaomi（小智LLM核心） 纠错

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

AI总结 ARL-Tangram通过动作级 orchestration 实现细粒度外部资源共享与弹性调度，提升代理强化学习的资源利用效率，实验表明其在平均动作完成时间、训练步长速度和外部资源节约方面均有显著提升。

RECAP: Reproducing Copyrighted Data from LLMs Training with an Agentic Pipeline

RECAP：通过代理流水线从LLM训练中重现受版权保护的数据

André V. Duarte, Xuying li, Bin Zeng, Arlindo L. Oliveira, Lei Li, Zhuo Li

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Instituto Superior Técnico/INESC-ID（里斯本技术大学/INESC-ID） ； Hydrox AI 纠错

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

AI总结 RECAP通过代理流水线从LLM输出中提取和验证记忆的训练数据，利用反馈循环和对抗模块提升版权文本提取效果，实验显示其在ROUGE-L评分上显著提升。

ChainFuzzer: Greybox Fuzzing for Workflow-Level Multi-Tool Vulnerabilities in LLM Agents

ChainFuzzer：针对LLM代理中工作流级多工具漏洞的灰盒模糊测试

Jiangrong Wu, Zitong Yao, Yuhong Nan, Zibin Zheng

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

AI总结 本文提出ChainFuzzer，通过可审计证据发现和复现多工具漏洞，利用TPS合成稳定提示并结合防护机制提升漏洞触发率，验证了20个流行开源LLM代理应用中的365个可复现漏洞。

One Supervisor, Many Modalities: Adaptive Tool Orchestration for Autonomous Queries

一个监督者，多种模态：面向自主查询的自适应工具协调

Mayank Saini, Arit Kumar Bishwas

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

AI总结 本文提出一个代理AI框架，通过动态分解用户查询并分配任务给不同模态的工具，提升多模态查询处理效率，实验显示在15类任务中准确回答时间减少72%，对话重做减少85%，成本降低67%。

Comments 19 pages, 3 figures; v2: corrected author metadata

Robust Fine-Tuning from Non-Robust Pretrained Models: Mitigating Suboptimal Transfer With Epsilon-Scheduling

从非鲁棒预训练模型中实现鲁棒微调：通过epsilon调度缓解次优迁移

Jonas Ngnawé, Maxime Heuillet, Sabyasachi Sahoo, Yann Pequignot, Ola Ahmad, Audrey Durand, Frédéric Precioso, Christian Gagné

机构 * Université Laval (IID)（拉瓦尔大学） ； Mila ； CortAIx Labs, Thales Digital Solutions（CortAIx实验室，泰雷兹数字解决方案） ； Université Côte d’Azur, CNRS, INRIA, I3S, Maasai（蔚蓝海岸大学，国家科学研究中心，国家信息与自动化技术研究院，I3S，Maasai） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） 纠错

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

AI总结 本文研究了从非鲁棒预训练模型中实现鲁棒微调的挑战，提出epsilon调度方法以避免次优迁移，提升模型鲁棒性与适应性。

Comments 10 pages, 7 figures, 4 tables

Journal ref The Fourteenth International Conference on Learning Representations (ICLR 2026)

Human-in-the-Loop LLM Grading for Handwritten Mathematics Assessments

人机协同的LLM评阅用于手写数学评估

Arne Vanhoyweghen, Vincent Holst, Melika Mobini, Lukas Van de Voorde, Tibo Vanleke, Bert Verbruggen, Brecht Verbeken, Andres Algaba, Sam Verboven, Marie-Anne Guerry, Filip Van Droogenbroeck, Vincent Ginis

机构 * Data Analytics Lab, Vrije Universiteit Brussel（布鲁塞尔自由大学数据分析实验室） ； School of Engineering and Applied Sciences, Harvard University（哈佛大学工程与应用科学学院） 纠错

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

AI总结 本文提出一种可扩展的端到端流程，利用LLM辅助评阅短篇手写作业，通过构建答案键、开发评分指南和结合自动扫描、多轮评分和人工验证，有效减少评阅时间并保持准确性。

Comments 19 pages, 5 figures

Using a Human-AI Teaming Approach to Create and Curate Scientific Datasets with the SCILIRE System

利用人类与AI协同方法通过SCILIRE系统创建和整理科学数据集

Necva Bölücü, Jessica Irons, Changhyun Lee, Brian Jin, Maciej Rybinski, Huichen Yang, Andreas Duenser, Stephen Wan

机构 * CSIRO（澳大利亚联邦科学工业研究组织） ； University of Málaga（马拉加大学） 纠错

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

AI总结 SCILIRE系统通过人类与AI协同原理，结合验证和整理数据的工作流，提升科学文献中结构化知识提取的准确性与效率。

Comments 17pages, 9 figures, EACL demo track

ELLA: Generative AI-Powered Social Robots for Early Language Development at Home

ELLA：生成式AI赋能的社交机器人，用于家庭中的早期语言发展

Victor Nikhil Antony, Shiye Cao, Shuning Wang, Chien-Ming Huang

机构 * Johns Hopkins University（约翰霍普金斯大学） 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ELLA，一种基于生成式AI的社交机器人，通过互动讲故事、家长选择的语言目标和支架对话支持早期语言发展，通过家庭工作坊和实地部署验证其设计有效性。

TaxBreak: Unmasking the Hidden Costs of LLM Inference Through Overhead Decomposition

TaxBreak: 通过开销分解揭示LLM推理的隐藏成本

Prabhu Vellaisamy, Shreesh Tripathi, Vignesh Natarajan, Surya Santhan Thenarasu, Shawn Blanton, John P. Shen

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

AI总结 TaxBreak通过分解主机可见的编排开销，识别优化应针对软件栈还是设备侧工作负载，揭示LLM推理中隐藏的成本问题。

Comments Accepted at IEEE ISPASS 2026. Copyright assigned to IEEE

Auger Spectroscopy via Generative Quantum Eigensolver: A Quantum Approach to Molecular Excitations

通过生成量子本征求解器的Auger光谱学：一种用于分子激发的量子方法

Kimberlee Keithley, Shunsuke Yamamoto, Ryota Kenmoku, Ikko Hamamura, Kouhei Nakaji, Shu Kanno, Takao Kobayashi, Qi Gao, Shumpei Uno, Kohei Oshio, Naoki Watanabe, Takeshi Sato, Naoki Yamamoto, Shunya Minami, Yohichi Suzuki, Yuma Nakamura, Jorge A. Campos-Gonzalez-Angulo, Mohammad Ghazi Vakili, Alan Aspuru-Guzik

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出一种混合量子-经典方法，结合生成量子本征求解器和量子自洽方程运动方法，用于计算Auger光谱，展示了其在水分子中的有效性。

Ab initio screening of quantum frustrated materials with kagome and triangular geometries

从头计算筛选具有kagome和三角几何结构的量子 frustrated 材料

Byeong-Hyeon Jeong, Hee Seung Kim, SungBin Lee, Myung Joon Han

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出结合高通量第一性原理计算、磁力理论和自旋哈密顿量分析的新方法，筛选可能具有竞争交换相互作用和新磁态的材料，发现六种新候选材料，揭示其潜在的新磁相。

Comments Under review

A Standards-Aligned Coordination Framework for Edge-Enhanced Collaborative Healthcare in 6G Networks

面向6G网络的边缘增强协同医疗标准对齐协调框架

Liuwang Kang, Fan Wang, Yuzhang Huang, Shang Yan, Jianbin Zheng, Wenbin Lei, Konstantin Yakovlev, Jie Tang, Shaoshan Liu

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出CAIP框架，解决医疗应用中跨异构设备、边缘服务器和网络控制实体的流程级协调问题，通过现有标准接口实现无新增协议层的协调抽象，为6G医疗网络提供流程级协调能力。

High-Throughput Quantification of Altermagnetic Band Splitting

高通量量化交替磁性带分裂

Ali Sufyan, Brahim Marfoua, J. Andreas Larsson, Erik van Loon, Rickard Armiento

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文通过高通量筛选发现173种具有显著自旋分裂的材料，揭示自旋分裂在布里渊区内的分布特征，为自旋电子学和量子材料研究提供理论基础。