AI Agent

Meanings and Measurements: Multi-Agent Probabilistic Grounding for Vision-Language Navigation

含义与测量：多智能体概率性视觉语言导航

Swagat Padhan, Lakshya Jain, Bhavya Minesh Shah, Omkar Patil, Thao Nguyen, Nakul Gopalan

机构 * Arizona State University（亚利桑那州立大学） ； Haverford College（哈弗福德学院） 纠错

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

AI总结 本文提出MAPG框架，通过分解语言查询并利用VLM进行语义 grounding，解决复杂度量-语义语言查询的难题，同时引入MAPG-Bench评估指标，展示在现实机器人中的应用效果。

Comments Equal contribution: Swagat Padhan and Lakshya Jain, 9 pages, 6 figures, paper website: https://lakshya-asu.github.io/Meanings-Measurements-Multi-Agent-Probabilistic-Grounding/

Analysis Of Linguistic Stereotypes in Single and Multi-Agent Generative AI Architectures

单Agent和多Agent生成式AI架构中语言刻板印象的分析

Martina Ullasci, Marco Rondina, Riccardo Coppola, Flavio Giobergia, Riccardo Bellanca, Gabriele Mancari Pasi, Luca Prato, Federico Spinoso, Silvia Tagliente

机构 * Politecnico di Torino（托斯卡纳理工学院） 纠错

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

AI总结 本文分析了生成式AI在单Agent和多Agent架构中对不同方言的刻板印象生成，探讨了通过提示工程和多Agent架构缓解偏见的效果，发现不同模型在刻板印象表现上存在显著差异。

The Geometry of Dialogue: Graphing Language Models to Reveal Synergistic Teams for Multi-Agent Collaboration

对话的几何学：基于图谱的语言模型揭示多智能体协作的协同团队

Kotaro Furuya, Yuichi Kitagawa

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

AI总结 本文提出一种基于交互的自动团队组建框架，通过构建语言模型图谱揭示多智能体协作的协同团队，实验表明其能发现功能一致的团队并优于随机基线。

Comments Accepted at the AAAI-26 Workshop on LLM-based Multi-Agent Systems: Towards Responsible, Reliable, and Scalable Agentic Systems (LaMAS 2026) as an oral presentation

I Can't Believe It's Corrupt: Evaluating Corruption in Multi-Agent Governance Systems

我难以相信它腐败了：评估多智能体治理系统中的腐败

Vedanta S P, Ponnurangam Kumaraguru

机构 * IIIT Kottayam（科瓦亚姆理工学院） ； IIIT Hyderabad（海得拉巴理工学院） 纠错

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

AI总结 研究通过多智能体治理模拟评估机构AI的腐败问题，发现治理结构比模型身份更影响腐败结果，强调机构设计对安全委托的重要性。

Comments Short Paper, Preprint

STRATUS: A Multi-agent System for Autonomous Reliability Engineering of Modern Clouds

STRATUS：一种用于现代云服务自主可靠性工程的多智能体系统

Yinfang Chen, Jiaqi Pan, Jackson Clark, Yiming Su, Noah Zheutlin, Bhavya Bhavya, Rohan Arora, Yu Deng, Saurabh Jha, Tianyin Xu

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

AI总结 本文提出STRATUS，一种基于LLM的多智能体系统，用于实现云服务的自主SRE。系统通过状态机组织多个专用智能体，提升故障检测、诊断和缓解的效率，并通过Transactional No-Regression规范提高自主故障缓解的成功率。

Comments 10 pages for main text

Social Simulacra in the Wild: AI Agent Communities on Moltbook

野生社会镜像：Moltbook上的AI代理社区

Agam Goyal, Olivia Pal, Hari Sundaram, Eshwar Chandrasekharan, Koustuv Saha

机构 * Siebel School of Computing and Data Science（计算机科学与数据科学系） 纠错

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

AI总结 研究比较了Moltbook和Reddit上的AI代理与人类社区，发现AI代理在参与不均和语言特征上存在显著差异，揭示了多代理交互导致的集体沟通动态。

Comments Preprint: 13 pages, 4 figures, 5 tables

WebWeaver: Breaking Topology Confidentiality in LLM Multi-Agent Systems with Stealthy Context-Based Inference

WebWeaver: 在LLM多智能体系统中通过隐蔽的基于上下文推断打破拓扑保密性

Zixun Xiong, Gaoyi Wu, Lingfeng Yao, Miao Pan, Xiaojiang Du, Hao Wang

机构 * Department of Electrical and Computer Engineering, Stevens Institute of Technology（斯蒂文斯理工学院电气与计算机工程系） ； Genentech（基因泰克） ； Department of Electrical and Computer Engineering, University of Houston（休斯顿大学电气与计算机工程系） 纠错

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

AI总结 WebWeaver通过仅 compromise 一个任意智能体推断LLM多智能体系统的完整拓扑，采用隐蔽的基于上下文推断方法，提出新的隐蔽 jailbreak 机制和无 jailbreak 扩散设计，提升推断准确性。

EDM-ARS: A Domain-Specific Multi-Agent System for Automated Educational Data Mining Research

EDM-ARS：一种面向领域的多智能体系统用于自动化教育数据挖掘研究

Chenguang Pan, Zhou Zhang, Weixuan Xiao, Chengyuan Yao

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

AI总结 EDM-ARS通过多智能体系统实现教育数据挖掘的自动化研究，包含五个LLM驱动的智能体，生成包含实证分析和同行评审的LaTeX论文。

The Provenance Paradox in Multi-Agent LLM Routing: Delegation Contracts and Attested Identity in LDP

多智能体大语言模型路由中的溯源悖论：委托合同与认证身份在LDP中的应用

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

AI总结 本文研究多智能体大语言模型在跨信任边界任务委托中的溯源悖论，提出委托合同和认证身份模型以解决不可验证质量声明的问题，通过实验验证认证路由的高效性。

Comments 9 pages, 6 figures. Open-source: https://github.com/sunilp/ldp-protocol

MedMASLab: A Unified Orchestration Framework for Benchmarking Multimodal Medical Multi-Agent Systems

MedMASLab：多模态医疗多智能体系统的统一协调框架

Yunhang Qian, Xiaobin Hu, Jiaquan Yu, Siyang Xin, Xiaokun Chen, Jiangning Zhang, Peng-Tao Jiang, Jiawei Liu, Hongwei Bran Li

机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） ； Fudan University（复旦大学） ； Zhejiang University（浙江大学） ； vivo ； Stanford University（斯坦福大学） 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MedMASLab框架，解决医疗多智能体系统中多模态整合碎片化问题，通过标准化通信协议、自动化评估器和大规模基准测试，揭示领域特定性能差距，为未来自主临床系统建立新基准。

MEMO: Memory-Augmented Model Context Optimization for Robust Multi-Turn Multi-Agent LLM Games

MEMO: 带记忆的模型上下文优化用于鲁棒的多轮多智能体大语言模型游戏

Yunfei Xie, Kevin Wang, Bobby Cheng, Jianzhu Yao, Zhizhou Sha, Alexander Duffy, Yihan Xi, Hongyuan Mei, Cheston Tan, Chen Wei, Pramod Viswanath, Zhangyang Wang

机构 * Rice University（里士满大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Princeton University（普林斯顿大学） ； A*STAR ； Good Start Labs ； TTIC 纠错

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

AI总结 MEMO通过优化推理时的上下文，结合记忆保留和探索，提升了多轮多智能体大语言模型游戏的鲁棒性和性能，显著提高了胜率并降低了运行间方差。

Comments Code has been released https://github.com/openverse-ai/MEMO

StoryBox: Collaborative Multi-Agent Simulation for Hybrid Bottom-Up Long-Form Story Generation Using Large Language Models

StoryBox：基于大型语言模型的混合自底向上长篇故事生成的协作多智能体模拟

Zehao Chen, Rong Pan, Haoran Li

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

AI总结 本文提出混合自底向上长篇故事生成方法，利用多智能体模拟生成超过10000字的连贯故事，通过智能体交互产生有机情节发展，优于传统自顶向下的结构化方法。

Comments Accepted by AAAI 2026. Project: https://storyboxproject.github.io

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 2026, 40(36), 30359-30367

Markov Potential Game and Multi-Agent Reinforcement Learning for Autonomous Driving

马尔可夫势游戏与多智能体强化学习在自动驾驶中的应用

Huiwen Yan, Mushuang Liu

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

AI总结 本文提出马尔可夫势游戏的充分条件，用于自动驾驶中的多智能体强化学习，通过高速公路强制合并场景展示其在自动驾驶中的有效性。

Mean-field control barrier functions for stochastic multi-agent systems

均场控制屏障函数用于随机多智能体系统

Cinzia Tomaselli, Gian Carlo Maffettone, Samy Wu Fung, Levon Nurbekyan, Mario di Bernardo

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

AI总结 本文提出均场控制屏障函数，用于保障随机多智能体系统安全，通过稳定性分析和数值模拟验证了其有效性。

GoalVLM: VLM-driven Object Goal Navigation for Multi-Agent System

GoalVLM: 多智能体系统中基于视觉语言模型的目标导航

MoniJesu James, Amir Atef Habel, Aleksey Fedoseev, Dzmitry Tsetserokou

机构 * Intelligent Space Robotics Laboratory（智能空间机器人实验室） ； Center for Digital Engineering（数字工程中心） ； Skolkovo Institute of Science and Technology（斯克尔科夫科学与技术研究所） 纠错

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

AI总结 本文提出GoalVLM，一种基于视觉语言模型的多智能体零样本开放词汇目标导航框架，通过整合SAM3和SpaceOM实现语义优先级探索，无需重新训练即可完成复杂目标导航任务。

Comments 8 pages, 5 figures

Security, privacy, and agentic AI in a regulatory view: From definitions and distinctions to provisions and reflections

安全、隐私与代理AI的监管视角：从定义与区分到规定与反思

Shiliang Zhang, Sabita Maharjan

机构 * Department of Informatics, University of Oslo（奥斯陆大学信息学院） 纠错

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

AI总结 本文通过分析24份2024-2025年发布的欧盟AI监管文件，澄清安全、隐私和代理AI的关键定义，区分相关概念，梳理当前监管规定，并反思如何更好地对齐安全隐私义务与AI行为。

Comments Accepted by 2026 Governing Agentic AI Symposium

Single Agent Robust Deep Reinforcement Learning for Bus Fleet Control

单 agent 抗扰深度强化学习用于公交车队控制

Yifan Zhang

机构 * Central South University（中南大学） 纠错

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

AI总结 本文提出一种单 agent 强化学习框架，通过引入分类标识符和结构化奖励函数，有效解决公交调度中的拥挤问题，优于传统多 agent 方法。

Verifiable Semantics for Agent-to-Agent Communication

可验证的语义用于智能体间通信

Philipp Schoenegger, Matt Carlson, Chris Schneider, Chris Daly

机构 * Microsoft AI（微软人工智能） ； Wabash College（瓦巴什学院） 纠错

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

AI总结 本文提出基于刺激-意义模型的认证协议，通过验证共享事件和术语的语义一致性，减少智能体间分歧。核心 guarded 推理降低分歧72-96%，语言模型验证中减少51%。

CAMO: A Conditional Neural Solver for the Multi-objective Multiple Traveling Salesman Problem

CAMO：一种用于多目标多旅行商问题的条件神经求解器

Fengxiaoxiao Li, Xiao Mao, Mingfeng Fan, Yifeng Zhang, Yi Li, Tanishq Duhan, Guillaume Sartoretti

机构 * National University of Singapore（新加坡国立大学） ； China Unicom Shenzhen Branch（中国unicom深圳分公司） ； Central South University（中南大学） 纠错

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

AI总结 CAMO提出一种条件神经求解器，解决多目标多旅行商问题，通过融合偏好和协作解码器实现多目标权衡，实验显示其在求解帕累托前沿方面表现优异。

Comments 9 pages, 3 figures

Security awareness in LLM agents: the NDAI zone case

LLM代理中的安全意识：NDAI区域案例

Enrico Bottazzi, Pia Park

机构 * Leku 纠错

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

AI总结 研究探讨LLM代理在安全环境识别中的能力差异，发现失败的证明会抑制披露，而成功的证明导致不同模型反应不一，揭示LLM在检测危险信号方面可靠但无法验证安全，需进一步改进以支持隐私保护代理协议。

Quotient Geometry and Persistence-Stable Metrics for Swarm Configurations

商几何与持久稳定度量用于群体配置

Mark M. Bailey

机构 * AI Cyber Influence and Data Science Department Director（人工智能网络影响与数据科学部门主任） ； Biological and Computational Intelligence Center（生物与计算智能中心） ； National Intelligence University（国家安全大学） 纠错

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

AI总结 本文提出商形成空间和形成匹配度量，用于比较和监控多智能体配置数据，通过优化环境对称性和重标定的最坏分配误差，提供持久稳定度量。

Comments 20 pages

Leader-following Consensus over Jointly Connected Switching Networks is Achievable for Exponentially Unstable Linear Systems

领导者跟随一致性在联合连接切换网络上的实现对于指数不稳定线性系统是可行的

Yuhan Chen, Tao Liu, Jie Huang

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

AI总结 本文提出在联合连接切换网络上，指数一致性的实现对于一般线性多智能体系统，即使系统矩阵指数不稳定也是可能的，突破了传统限制。

UDON: Uncertainty-weighted Distributed Optimization for Multi-Robot Neural Implicit Mapping under Extreme Communication Constraints

UDON：在极端通信限制下基于不确定性加权的多机器人神经隐式映射分布式优化

Hongrui Zhao, Xunlan Zhou, Boris Ivanovic, Negar Mehr

机构 * Department of Aerospace Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校航空航天工程系） ； School of Intelligent Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； National 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） ； NVIDIA Research（NVIDIA研究） ； Department of Mechanical Engineering, University of California, Berkeley（加州大学伯克利分校机械工程系） 纠错

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

AI总结 UDON提出一种实时多智能体神经隐式映射框架，通过引入不确定性加权分布式优化，在极端通信退化条件下实现高质量映射，实验表明其在低至1%通信成功率下仍能保持高保真重建。

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA 2026)

Adversarial Robustness for Matrix Control Barrier Functions in Sampled-Data Systems

矩阵控制屏障函数在采样系统中的对抗鲁棒性

James Usevitch

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

AI总结 本文提出理论结果，通过矩阵控制屏障函数保证多智能体系统集合不变性，针对异构控制仿射智能体和对抗性智能体的安全性问题，提出方法保证集合不变性。

LLMs Aren't Human: A Critical Perspective on LLM Personality

大语言模型并非人类：对大语言模型个性的批判性视角

Kim Zierahn, Cristina Cachero, Anna Korhonen, Nuria Oliver

专题命中 多智能体 ：agent(abstract)

AI总结 本文批判性地评估了大语言模型在人格测试中的表现，指出其未满足人格特质的六大定义特征，提出转向功能评估的研究方向，以明确人格测试在大语言模型中的实际捕捉内容。

Comments 4 pages

Toward Scalable Patient Safety Training: A Prototype for Root Cause Analysis Simulation With AI Virtual Avatars

迈向可扩展的患者安全培训：一种基于AI虚拟仿真的根因分析原型

Yuqi Hu, Qiwen Xiong, Zhenzhen Qin, Brandon Watanabe, Yujing Wang, Mirjana Prpa, Ilmi Yoon

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出一种AI驱动的仿真平台，通过根因分析模拟提升患者安全培训的可扩展性，利用虚拟角色和AI技术实现沉浸式学习，降低培训成本。

Comments This works has been accepted at the 2026 IEEE Conference on Artificial Intelligence, where a revised version of this work will be published