AI Agent

Biased Error Attribution in Multi-Agent Human-AI Systems Under Delayed Feedback

多智能体人机系统中延迟反馈下的偏差性错误归因

Teerthaa Parakh, Karen M. Feigh

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 研究探讨了在延迟反馈下多智能体人机系统中决策与责任归因受认知偏差的影响，通过实验发现参与者对负反馈的修正更强烈，且常错误归因于不同AI代理，导致决策调整与实际原因弱相关。

Comments 14 pages, 9 figures. Preprint. An extended abstract is under submission

A Multimodal Framework for Human-Multi-Agent Interaction

人-多智能体交互的多模态框架

Shaid Hasan, Breenice Lee, Sujan Sarker, Tariq Iqbal

机构 * University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 本文提出一个多模态框架，用于人与多智能体交互，通过集成多模态感知和大语言模型驱动的规划，实现自主认知代理的协调决策，解决现有系统在统一框架下整合多模态感知、具身表达和协同决策的难题。

Comments 4 pages, 3 figures. Accepted at ACM/IEEE HRI 2026 Workshop (MAgicS-HRI)

ScaleEdit-12M: Scaling Open-Source Image Editing Data Generation via Multi-Agent Framework

ScaleEdit-12M：通过多智能体框架实现开源图像编辑数据生成的规模化

Guanzhou Chen, Erfei Cui, Changyao Tian, Danni Yang, Ganlin Yang, Yu Qiao, Hongsheng Li, Gen Luo, Hongjie Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； CUHK MMLab（香港中文大学多模态实验室） ； Fudan University（复旦大学） ； University of Science and Technology of China（中国科学技术大学） ； Xiamen University（厦门大学） 纠错

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

AI总结 本文提出ScaleEditor框架，通过多智能体方法构建大规模高质量图像编辑数据集，生成ScaleEdit-12M，涵盖23类任务，提升多种编辑模型性能。

MARS: toward more efficient multi-agent collaboration for LLM reasoning

MARS：迈向更高效的多智能体协作以提升大语言模型推理

Xiao Wang, Jia Wang, Yijie Wang, Pengtao Dang, Sha Cao, Chi Zhang

机构 * Indiana University Bloomington（印第安纳大学布卢明顿分校） ； Oregon Health & Science University（俄勒冈健康与科学大学） 纠错

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

AI总结 本文提出MARS框架，通过角色化协作提升LLM推理能力，相比MAD等方法，在多个基准测试中实现准确率相当但token消耗和推理时间减少约50%。

Towards Intelligent Geospatial Data Discovery: a knowledge graph-driven multi-agent framework powered by large language models

迈向智能地理空间数据发现：一种由大型语言模型驱动的知识图谱多智能体框架

Ruixiang Liu, Zhenlong Li, Ali Khosravi Kazazi

机构 * Geoinformation and Big Data Research Laboratory, Department of Geography, The Pennsylvania State University（地理信息与大数据研究实验室，地理系，宾夕法尼亚州立大学） 纠错

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

AI总结 本文提出基于知识图谱的多智能体框架，利用大型语言模型提升地理空间数据发现的语义性和智能性，通过统一元数据本体和多智能体协作提高检索性能和透明度。

ABSTRAL: Automatic Design of Multi-Agent Systems Through Iterative Refinement and Topology Optimization

ABSTRAL：通过迭代精进与拓扑优化自动设计多智能体系统

Weijia Song, Jiashu Yue, Zhe Pang

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

AI总结 ABSTRAL通过对比追踪分析将多智能体系统架构视为演化的自然语言文档，发现多智能体协调成本测量、设计知识迁移与专有角色发现三大核心贡献。

Cascade-Aware Multi-Agent Routing: Spatio-Temporal Sidecars and Geometry-Switching

级联感知多智能体路由：时空侧车与几何切换

Davide Di Gioia

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

AI总结 本文提出时空侧车模型，通过结合欧几里得和双曲评分器，解决路由几何结构感知问题，提升调度器在不同拓扑下的性能。

Toward Data Systems That Are Business Semantic Centric and AI Agents Assisted

迈向以业务语义为中心且由AI代理辅助的数据系统

Cecil Pang

机构 * School of Systems Science and Industrial Engineering, Binghamton University, State University of New York（系统科学与工业工程学院，宾夕法尼亚州立大学） 纠错

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

AI总结 本文提出BSDS系统，通过整合架构、工作流和团队组织，使数据系统贴合业务需求而非技术限制，提升效率与可扩展性，同时强调人类因素与业务语义的结合。

Comments Published by IEEE Access

Journal ref IEEE Access, vol. 13, pp. 113752-113762, 2025

TrustTrade: Human-Inspired Selective Consensus Reduces Decision Uncertainty in LLM Trading Agents

TrustTrade: 人类启发的选 择性共识降低LLM交易代理决策不确定性

Minghan Li, Rachel Gonsalves, Weiyue Li, Sunghoon Yoon, Mengyu Wang

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

AI总结 TrustTrade通过引入多代理选择性共识框架，减少LLM交易代理在高噪声市场中的决策不确定性，提升风险意识和稳定性。

Comments 24 pages, 7 figures

The Efficiency Attenuation Phenomenon: A Computational Challenge to the Language of Thought Hypothesis

思维效率衰减现象：对思维语言假说的计算挑战

Di Zhang

机构 * School of Advanced Technology（先进技术学院） 纠错

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

AI总结 本文通过计算实验探讨思维是否需要语言式格式，提出AI私有语言假想实验，证明在多智能体强化学习中，高效协议在被迫使用人类可理解语言时效率下降，挑战了思维语言假说。

Comments 11 pages

From Brittle to Robust: Improving LLM Annotations for SE Optimization

从易碎到稳健：改进LLM注释以优化SE性能

Lohith Senthilkumar, Tim Menzies

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

AI总结 本文提出SynthCore策略，通过集成多个LLM意见提升多目标优化任务的标注效果，优于现有方法，且无需人工参与。

Cerebra: A Multidisciplinary AI Board for Multimodal Dementia Characterization and Risk Assessment

Cerebra：一个多学科AI平台用于多模态痴呆症特征化和风险评估

Sheng Liu, Long Chen, Zeyun Zhao, Qinglin Gou, Qingyue Wei, Arjun Masurkar, Kevin M. Spiegler, Philip Kuball, Stefania C. Bray, Megan Bernath, Deanna R. Willis, Jiang Bian, Lei Xing, Eric Topol, Kyunghyun Cho, Yu Huang, Ruogu Fang, Narges Razavian, James Zou

机构 * Department of Biomedical Data Science, Stanford University（斯坦福大学生物医学数据科学系） ； Department of Radiation Oncology, Stanford University（斯坦福大学放射肿瘤科） ； Center for Data Science, New York University（纽约大学数据科学中心） ； J. Crayton Pruitt Family Department of Biomedical Engineering, University of Florida（佛罗里达大学杰·克雷顿·普瑞特家庭生物医学工程系） ； Department of Biomedical Engineering and Informatics, Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校生物医学工程与信息学系） ； Department of Neurology, NYU Grossman School of Medicine（纽约大学格罗斯曼医学院神经科） ； Department of Neuroscience, NYU Grossman School of Medicine（纽约大学格罗斯曼医学院神经科学系） ； UF Health Family Medicine – Haile Plantation（佛罗里达大学健康家庭医学-海莱种植园） ； Department of Family Medicine, Indiana University School of Medicine（印第安纳大学医学院家庭医学系） ； Department of Biostatistics and Health Data Science, Indiana University School of Medicine（印第安纳大学医学院生物统计学与健康数据科学系） ； Scripps Research Translational Institute（斯克里普斯研究转化研究所） ； Courant Institute, New York University（纽约大学柯朗研究所） ； Center for Biomedical Informatics, Regenstrief Institute（再生斯蒂夫研究所生物医学信息中心） ； Center for Cognitive Aging and Memory, McKnight Brain Institute, University of Florida（佛罗里达大学麦金托神经研究所认知衰老与记忆中心） ； Population Health Department, NYU Langone Health（纽约大学兰戈恩健康人口健康部） ； Radiology Department, NYU Langone Health（纽约大学兰戈恩健康放射科） 纠错

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

AI总结 Cerebra通过多智能体协调处理电子病历、临床笔记和医学影像，提供可视化分析和对话界面，提升临床决策支持的可解释性和鲁棒性。

Metaphor-based Jailbreak Attacks on Text-to-Image Models

基于隐喻的文本到图像模型劫持攻击

Chenyu Zhang, Lanjun Wang, Yiwen Ma, Wenhui Li, Yi Tu, An-An Liu

机构 * Huawei Technologies Co Ltd.（华为技术有限公司） 纠错

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

AI总结 本文提出基于隐喻的劫持攻击方法，通过生成隐喻对抗提示绕过未知或多样化的防御机制，实验表明其在攻击性能和查询效率方面优于基线方法。

Comments Code is available in \url{https://github.com/datar001/metaphor-based-jailbreaking-attack}

Cooperative Bandit Learning in Directed Networks with Arm-Access Constraints

有向网络中带臂访问约束的协同老虎机学习

Evagoras Makridis, Themistoklis Charalambous

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

AI总结 研究带臂访问约束的协同多智能体老虎机问题，提出基于共识的分布式UCB算法，考虑臂访问结构和网络不对称性，实现对数 regret 分析。

A Joint Reinforcement Learning Scheduling and Compression Framework for Teleoperated Driving

协同强化学习调度与压缩框架用于远程驾驶

Giacomo Avanzi, Marco Giordani, Michele Zorzi

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出协同强化学习框架，通过优化压缩与调度配置提升远程驾驶性能，尤其在受限网络中表现更优。

Comments 13 pages, 8 figures, 1 table. This paper is currently under review by IEEE Transactions on Communications