AI Agent

The Verifier Tax: Horizon Dependent Safety Success Tradeoffs in Tool Using LLM Agents

验证者税：工具使用LLM代理中地平线依赖的安全成功权衡

Tanmay Sah, Vishal Srivastava, Dolly Sah, Kayden Jordan

专题命中 规划决策 ：planning(abstract)

AI总结 研究运行时强制执行对多步骤工具使用大语言模型代理端到端任务性能的影响，发现安全调解虽能拦截94%的非合规动作，但难以保证安全完成，凸显了需要具备基础身份验证和后干预推理能力的代理。

Comments 10 pages, 7 figures

Feasibility Analysis and Constraint Selection in Optimization-Based Controllers

基于优化控制器的可行性分析与约束选择

Panagiotis Rousseas, Haejoon Lee, Dimos V. Dimarogonas, Dimitra Panagou

机构 * Division of Decision and Control Systems, School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology（决策与控制系统系，电气工程与计算机科学学院，皇家理工学院） ； Department of Robotics, University of Michigan（机器人系，密歇根大学） ； Department of Aerospace Engineering, University of Michigan（航空航天工程系，密歇根大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种新的理论分析方法，用于评估线性约束的可行性并选择可行约束，通过仿真验证了算法在性能和计算效率上的优势。

Comments 13 pages, 4 figures, submitted to IEEE Transactions on Automatic Control

LiRA: A Multi-Agent Framework for Reliable and Readable Literature Review Generation

LiRA：一种用于生成可靠且易读文献综述的多智能体框架

Gregory Hok Tjoan Go, Khang Ly, Anders Søgaard, Amin Tabatabaei, Maarten de Rijke, Xinyi Chen

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

AI总结 LiRA通过多智能体协作流程生成综合且全面的文献综述，优于现有基线方法，在写作和引用质量上表现更优，同时保持与人工写作相似度。

Comments Published at the 40th AAAI Conference on Artificial Intelligence. Please cite the published version here: https://ojs.aaai.org/index.php/AAAI/article/view/41489

DanceHA: A Multi-Agent Framework for Document-Level Aspect-Based Sentiment Analysis

DanceHA：一种用于文档级基于方面的情感分析的多智能体框架

Lei Wang, Min Huang, Eduard Dragut

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

AI总结 本文提出DanceHA多智能体框架，用于文档级基于方面的情感强度分析，通过分解任务和人机协作提升处理复杂任务的能力，并展示了其在多领域数据集上的有效性。

Journal ref AAAI 2026

MAFA: A Multi-Agent Framework for Enterprise-Scale Annotation with Configurable Task Adaptation

MAFA：一种用于企业级标注的多智能体框架，支持可配置的任务适应

Mahmood Hegazy, Aaron Rodrigues, Azzam Naeem

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

AI总结 MAFA通过可配置的多智能体协作解决金融行业标注积压问题，实现86%的人工标注一致性，每年节省5000小时人工标注工作，提升标注准确率和效率。

Journal ref AAAI Conference on Artificial Intelligence 2026

GoAgent: Group-of-Agents Communication Topology Generation for LLM-based Multi-Agent Systems

GoAgent：基于大语言模型的多智能体系统的群体通信拓扑生成

Hongjiang Chen, Xin Zheng, Yixin Liu, Pengfei Jiao, Shiyuan Li, Huan Liu, Zhidong Zhao, Ziqi Xu, Ibrahim Khalil, Shirui Pan

机构 * School of Cyberspace, Hangzhou Dianzi University（杭州电子科技大学信息学院） ； School of Computing Technologies, RMIT University（皇家墨尔本理工大学计算技术学院） ； School of Information and Communication Technology, Griffith University（格里菲斯大学信息与通信技术学院） 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GoAgent，通过LLM生成任务相关的群体结构，显式构建多智能体系统通信拓扑，提升协作效率并减少通信开销。

Beyond Monotonicity: Revisiting Factorization Principles in Multi-Agent Q-Learning

超越单调性：重新审视多智能体Q学习中的分解原理

Tianmeng Hu, Yongzheng Cui, Rui Tang, Biao Luo, Ke Li

机构 * Department of Computer Science, University of Exeter, U.K.（埃克塞特大学计算机科学系） ； School of Automation, Central South University, China（中南大学自动化学院） 纠错

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

AI总结 本文通过动力系统分析非单调值分解，证明非单调分解能可靠恢复IGM最优解并优于单调基线。

Comments Accepted at AAAI 2026

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 40(26), 21876-21884, 2026

Synergistic Perception and Generative Recomposition: A Multi-Agent Orchestration for Expert-Level Building Inspection

协同感知与生成重组：一种多智能体协作方法用于专家级建筑检查

Hui Zhong, Yichun Gao, Luyan Liu, Xusen Guo, Zhaonian Kuang, Qiming Zhang, Xinhu Zheng

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

AI总结 本文提出FacadeFixer框架，通过多智能体协作解决建筑立面缺陷检测难题，利用生成代理实现语义重组，提升检测与分割模型的泛化能力。

A Multi-Agent Perception-Action Alliance for Efficient Long Video Reasoning

一种多智能体感知-行动联盟用于高效长视频推理

Yichang Xu, Gaowen Liu, Ramana Rao Kompella, Tiansheng Huang, Sihao Hu, Fatih Ilhan, Selim Furkan Tekin, Zachary Yahn, Ling Liu

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Cisco Systems（思科系统） 纠错

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

AI总结 本文提出A4VL多智能体感知-行动探索联盟，通过多轮感知-行动探索循环提升长视频推理效率，采用事件驱动划分和线索引导块对齐技术，实现高质量推理并降低推理延迟。

Comments Accepted by CVPR2026

Collaborative Satisfaction of Long-Term Spatial Constraints in Multi-Agent Systems: A Distributed Optimization Approach (extended version)

多智能体系统中长期空间约束的协同满足：一种分布式优化方法（扩展版）

Farhad Mehdifar, Mani H. Dhullipalla, Charalampos P. Bechlioulis, Dimos V. Dimarogonas

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

AI总结 本文研究多智能体系统中长期空间约束的协同满足问题，提出分布式优化方法以实现约束满足。

Comments 10 pages, 6 figures. Typos corrected and some remarks expanded; results unchanged

TrustFlow: Topic-Aware Vector Reputation Propagation for Multi-Agent Ecosystems

TrustFlow：基于主题的向量声誉传播用于多智能体生态系统

Volodymyr Seliuchenko

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

AI总结 TrustFlow通过主题门控转移运算符在交互图中传播声誉，采用多维声誉向量提升精度，有效抵御Sybil攻击和声誉洗白。

Comments 14 pages, 3 figures, demo at https://robutler.ai

An Agentic Approach to Generating XAI-Narratives

生成XAI叙述的代理方法

Yifan He, David Martens

机构 * University of Antwerp（安特卫普大学） 纠错

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

AI总结 本文提出多代理框架生成和优化XAI叙述，通过多个批评代理反馈改进叙述的忠实性和连贯性。实验显示基本设计、批评设计和批评规则设计有效提升叙述忠实度，Claude-4.5-Sonnet在三次迭代后减少90%不忠实叙述。

GT-Space: Enhancing Heterogeneous Collaborative Perception with Ground Truth Feature Space

GT-Space：通过地面真实特征空间增强异构协作感知

Wentao Wang, Haoran Xu, Guang Tan

机构 * Sun Yat-sen University, Shenzhen Campus（中山大学深圳校区） ； Peng Cheng Laboratory (PCL)（鹏城实验室） 纠错

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

AI总结 本文提出GT-Space框架，通过构建地面真实标签的共同特征空间，实现异构agent的统一特征对齐，避免了传统方法中需要重新训练编码器或设计解释器模块的局限，提升了多agent协作感知的准确性和鲁棒性。

AI as Relational Translator: Rethinking Belonging and Mutual Legibility in Cross-Cultural Contexts

AI作为关系翻译者：重新思考跨文化情境中的归属与相互可理解性

Yao Xiao, Rafael A. Calvo

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

AI总结 本文挑战将AI视为伴侣的主流观念，提出AI应支持人与人之间的关系。通过东亚移民案例，提出多代理架构实现情感意图解码、上下文重构和关系支撑。

Comments 8 pages, 2 figures. Accepted for publication in the Extended Abstracts of the 2026 CHI Conference on Human Factors in Computing Systems (CHI EA '26). With minor typographical corrections

On Performance Guarantees for Federated Learning with Personalized Constraints

在带有个性化约束的联邦学习中的性能保证

Mohammadjavad Ebrahimi, Daniel Burbano, Farzad Yousefian

机构 * Department of Industrial and Systems Engineering, Rutgers University（工业与系统工程系，罗杰斯大学） ； Department of Electrical and Computer Engineering, Rutgers University（电气与计算机工程系，罗杰斯大学） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 本文研究了带有个性化约束的联邦优化问题，提出PC-FedAvg方法，通过多块局部决策向量维护交叉估计，实现个性化而不需共识或共享约束信息，理论分析显示通信复杂度为O(ε^{-2})和O(ε^{-1})。

A Mathematical Theory of Understanding

理解的数学理论

Bahar Taşkesen

机构 * University of Chicago, Booth School of Business（芝加哥大学商学院） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 本文提出一个数学模型，研究学习者在理解信息时的瓶颈问题，探讨学习速度和采纳的限制，并指出异质学习者中广播课程可能比个性化教学更慢。

Autonoma: A Hierarchical Multi-Agent Framework for End-to-End Workflow Automation

Autonoma：面向端到端工作流自动化的分层多智能体框架

Eslam Reda, Maged Yasser, Sara El-Metwally

机构 * Artificial Intelligence Program, Faculty of Computers and Information, Mansoura University（人工智能项目，计算机与信息学院，曼苏拉大学） ； Computer Science Department, Faculty of Computers and Information, Mansoura University（计算机科学系，计算机与信息学院，曼苏拉大学） 纠错

专题命中 工作流自动化 ：agent(title,abstract)；workflow(title,abstract)；multi-agent(title,abstract)；分类 cs.CL、cs.LG

AI总结 本文提出Autonoma框架，通过分层多智能体结构实现端到端工作流自动化，解决传统单一架构在可扩展性、错误传播和任务聚焦方面的不足，实现高可靠性与可扩展性。

Comments 26 Pages, 3 Figures

Utility-Guided Agent Orchestration for Efficient LLM Tool Use

基于效用的代理协调以提高大语言模型工具使用效率

Boyan Liu, Gongming Zhao, Hongli Xu

机构 * University of Science and Technology of China（科学技术大学） 纠错

专题命中 工作流自动化 ：agent(title,abstract)；tool use(title)；workflow(abstract)；分类 cs.AI

AI总结 本文提出一种基于效用的代理协调策略，通过平衡收益、成本、不确定性及冗余性来优化大语言模型工具使用中的质量与成本权衡。实验表明显式协调信号显著影响代理行为。

A Human-Centered Workflow for Using Large Language Models in Content Analysis

面向人类的大型语言模型在内容分析中的工作流程

Ivan Zupic

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

AI总结 本文提出了一种面向人类的大型语言模型在内容分析中的工作流程，涵盖注释、摘要和信息提取三个任务，强调通过API利用LLM的潜力，并提供验证方法和最佳实践以解决黑盒、提示敏感和幻觉等问题。

AGILE: A Comprehensive Workflow for Humanoid Loco-Manipulation Learning

AGILE：一种综合的人形机器人定位-操作学习工作流

Huihua Zhao, Rafael Cathomen, Lionel Gulich, Wei Liu, Efe Arda Ongan, Michael Lin, Shalin Jain, Soha Pouya, Yan Chang

专题命中 工作流自动化 ：workflow(title,abstract)

AI总结 AGILE提出了一种端到端的人形机器人强化学习工作流，通过标准化政策开发流程减少仿真到现实的失败模式，提升可靠性和可重复性。

Design-OS: A Specification-Driven Framework for Engineering System Design with a Control-Systems Design Case

Design-OS：一种以规范驱动的工程系统设计框架及其控制系统设计案例

H. Sinan Bank, Daniel R. Herber, Thomas H. Bradley

机构 * Department of Systems Engineering（系统工程系） ； Colorado State University（科罗拉多州立大学） 纠错

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

AI总结 本文提出Design-OS，一种以规范驱动的工程系统设计框架，通过五个阶段实现设计过程的可追溯性和可审计性，适用于控制系统的不同实现案例。

Comments 2 figures, 11 pages, Submitted to ASME IDETC 2026 - DAC-09

Demonstration of Adapt4Me: An Uncertainty-Aware Authoring Environment for Personalizing Automatic Speech Recognition to Non-normative Speech

适应4Me：一种面向非规范语音的自动语音识别个性化不确定意识作者环境

Niclas Pokel, Yiming Zhao, Pehuén Moure, Yingqiang Gao, Roman Böhringer

机构 * Institute of Neuroinformatics, University of Zurich and ETH Zurich（神经信息学研究所，苏黎世大学和苏黎世联邦理工学院） ； ETH Zurich（苏黎世联邦理工学院） ； Department of Computer Science, ETH Zurich（计算机科学系，苏黎世联邦理工学院） ； Department of Computational Linguistics, University of Zurich（计算语言学系，苏黎世大学） 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Adapt4Me，通过贝叶斯主动学习实现端到端个性化，使非规范语音的ASR个性化成为可能，通过三阶段人机协作流程提升数据效率和模型鲁棒性。

LLM-Enhanced Semantic Data Integration of Electronic Component Qualifications in the Aerospace Domain

基于大语言模型的航空领域电子元件资格语义数据整合

Antonio De Santis, Marco Balduini, Matteo Belcao, Andrea Proia, Marco Brambilla, Emanuele Della Valle

机构 * Politecnico di Milano, DEIB（米兰Politecnico大学DEIB系） ； Quantia Consulting（Quantia咨询公司） ； Motus ml（Motus ml实验室） ； Thales Alenia Space（Thales Alenia空间公司） 纠错

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

AI总结 本文提出利用虚拟知识图谱和大语言模型整合航空领域电子元件资格数据，通过本体数据访问和向量搜索提升检索效率，减少人工处理成本。

Comments ESWC 2026

Physics-aware neural networks enable robust and full atomic structure determination via low-dose atomic electron tomography

融合物理的神经网络实现低剂量原子电子断层扫描的鲁棒性和完整原子结构确定

Yao Zhang, Lanyi Cao, Zhen Sun, Jihan Zhou

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出一种融合物理约束的两阶段神经网络，通过改进重建和几何校正，提升低剂量原子电子断层扫描的精度和鲁棒性，提高原子恢复率。

Comments 25 pages, 5 figures; 25 pages of supporting information

Assessing 3D tree model quality and species classification using imbalance indices

利用不平衡指数评估3D树木模型质量及物种分类

Sophie J. Kersting, Mareike Fischer

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文研究了利用3D和系统发育非3D树平衡指数分析森林的方法，通过虚拟森林数据集评估3D模型质量、物种分类性能及指数相关性，发现基于物种祖先树的指数能有效提升3D模型质量检测。

Orchestrating Human-AI Software Delivery: A Retrospective Longitudinal Field Study of Three Software Modernization Programs

协调人机AI软件交付：三种软件现代化项目的回顾纵向实地研究

Maximiliano Armesto, Christophe Kolb

机构 * Taller Technologies（塔勒技术） 纠错

专题命中 软件智能体 ：agent(abstract)；AI agent(abstract)；planning(abstract)；workflow(abstract)

AI总结 研究通过回顾三个软件现代化项目，分析AI与人类协作在软件交付各阶段的效果，发现嵌入协调工作流的AI能显著提升效率与覆盖率。

Comments 18 pages, 4 figures, 12 tables

PowerLens: Taming LLM Agents for Safe and Personalized Mobile Power Management

PowerLens：利用大语言模型安全且个性化地管理移动设备电源

Xingyu Feng, Chang Sun, Yuzhu Wang, Zhangbing Zhou, Chengwen Luo, Zhuangzhuang Chen, Xiaomin Ouyang, Huanqi Yang

机构 * China University of Geosciences (Beijing)（中国地质大学（北京）） ； Shenzhen University（深圳大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； City University of Hong Kong（香港城市大学） 纠错

专题命中 GUI与网页智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 PowerLens通过利用大语言模型的常识推理，实现安全且个性化的移动电源管理。系统通过用户活动与系统参数之间的语义桥梁，生成适应个人偏好的零样本策略，通过隐式反馈学习用户偏好，无需显式配置，3-5天内收敛。

A Framework for Formalizing LLM Agent Security

一个形式化大语言模型代理安全性的框架

Vincent Siu, Jingxuan He, Kyle Montgomery, Zhun Wang, Neil Gong, Chenguang Wang, Dawn Song

机构 * UC Santa Cruz（加州大学圣克ruz分校） ； UC Berkeley（加州大学伯克利分校） ； Duke University（杜克大学） 纠错

专题命中 记忆与上下文管理 ：agent(title,abstract)；分类 cs.AI

AI总结 本文提出一个框架，从情境安全角度系统化现有攻击与防御，定义四个安全属性并引入Oracle函数验证，重新定义攻击和防御，为未来研究提供方向。

Memori: A Persistent Memory Layer for Efficient, Context-Aware LLM Agents

Memori：一种高效的、基于上下文的LLM代理持久内存层

Luiz C. Borro, Luiz A. B. Macarini, Gordon Tindall, Michael Montero, Adam B. Struck

机构 * Memori Labs Inc.（Memori实验室） 纠错

专题命中 记忆与上下文管理 ：autonomous agent(abstract)；分类 cs.LG

AI总结 Memori通过结构化表示替代大上下文窗口，实现高效、低成本的LLM代理部署，准确率达81.95%。

Comments 9 pages; 2 figures; white paper

Average Reward Reinforcement Learning for Omega-Regular and Mean-Payoff Objectives

用于Ω-正则和平均收益目标的平均收益强化学习

Milad Kazemi, Mateo Perez, Fabio Somenzi, Sadegh Soudjani, Ashutosh Trivedi, Alvaro Velasquez

机构 * King’s College London（伦敦大学国王学院） ； University of Colorado Boulder（科罗拉多大学波尔德分校） ； University of Birmingham, UK（英国伯明翰大学） ； MPI-SWS（马克斯·普朗克研究所（SWS）） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.AI

AI总结 本文提出首个无模型强化学习框架，将绝对活性规范转化为平均收益目标，支持未知通信马尔可夫决策过程的学习，且在无episodic重置情况下收敛。

Comments 29 pages

Journal ref Journal of Artificial Intelligence Research 85, Article 25(March 2026)