AI Agent

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。