AI Agent

AgentTrace: Causal Graph Tracing for Root Cause Analysis in Deployed Multi-Agent Systems

AgentTrace: 多智能体系统部署中的因果图追踪用于根本原因分析

Zhaohui Geoffrey Wang

机构 * USC Viterbi School of Engineering（南加州大学维特比工程学院） 纠错

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

AI总结 AgentTrace通过构建因果图追踪多智能体系统部署中的根本原因，实现高精度和低延迟的故障诊断，优于启发式和LLM基线方法。

Comments 11 pages, 1 figure, 19 tables. Published at ICLR 2026 Workshop on Agents in the Wild. Camera-ready version with revised layout and framework overview figure

SkinGPT-X: A Self-Evolving Collaborative Multi-Agent System for Transparent and Trustworthy Dermatological Diagnosis

SkinGPT-X: 一种自演化协作多智能体系统用于透明和可信的皮肤病诊断

Zhangtianyi Chen, Yuhao Shen, Florensia Widjaja, Yan Xu, Liyuan Sun, Zijian Wang, Hongyi Chen, Wufei Dai, Juexiao Zhou

机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）数据科学学院） ； Department of Dermatology, Tianjin Institute of Integrative Dermatology, Tianjin Academy of Traditional Chinese Medicine Affiliated Hospital（天津中医药大学附属医院天津市中西医结合皮肤病研究所皮肤科） ； Department of Dermatology, Beijing AnZhen Hospital, Capital Medical University（首都医科大学附属北京安贞医院皮肤科） 纠错

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

AI总结 SkinGPT-X通过自演化皮肤病记忆机制，解决单一大语言模型在细粒度多类诊断和罕见皮肤病诊断中的不足，实现透明可信的皮肤病诊断。

Governance-Aware Vector Subscriptions for Multi-Agent Knowledge Ecosystems

面向治理的向量订阅用于多智能体知识生态系统

Steven Johnson

机构 * Independent Researcher（独立研究员） 纠错

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

AI总结 本文提出面向治理的向量订阅机制，结合语义相似性匹配与多维政策约束，解决多智能体环境中知识订阅的合规性问题，通过AIngram平台验证了该机制在政策约束下的有效性。

Comments 12 pages, 7 tables. Code and benchmark available at https://github.com/StevenJohnson998/AIngram

Deception and Communication in Autonomous Multi-Agent Systems: An Experimental Study with Among Us

自主多智能体系统中的欺骗与交流：以Among Us为例的实证研究

Maria Milkowski, Tim Weninger

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

AI总结 本文通过Among Us游戏研究自主智能体的欺骗与交流行为，发现智能体主要使用指示性语言，伪装者倾向使用解释和否认等行为，欺骗多表现为 equivocation 而非直接谎言，揭示了自主交流中真理与效用之间的根本矛盾。

Comments 8 pages + references, 9 figures. Accepted at AAMAS 2026

Journal ref Proceedings of the 25th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2026), IFAAMAS, 2026

CADSmith: Multi-Agent CAD Generation with Programmatic Geometric Validation

CADSmith: 基于程序化几何验证的多智能体CAD生成

Jesse Barkley, Rumi Loghmani, Amir Barati Farimani

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 CADSmith通过多智能体管道生成CadQuery代码，并通过双重嵌套修正循环进行迭代优化，结合精确测量和视觉评估提升CAD生成质量。

Comments 8 pages, 6 figures

Can a Robot Walk the Robotic Dog: Triple-Zero Collaborative Navigation for Heterogeneous Multi-Agent Systems

机器人能否行走：异构多智能体系统的三零协同导航

Yaxuan Wang, Yifan Xiang, Ke Li, Xun Zhang, BoWen Ye, Zhuochen Fan, Fei Wei, Tong Yang

机构 * Yuanpei College, Peking University（北京大学元培学院） ； School of Computer Science, Peking University（北京大学计算机学院） ； School of Computer Science, Beijing University of Posts and Telecommunications（北京邮电大学计算机学院） ； Pengcheng Laboratory（鹏城实验室） ； Beijing Jinruyi Large Model Technology Co., Ltd.（北京金如意大模型科技有限公司） 纠错

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

AI总结 本文提出三零路径规划框架，通过协调者-探索者架构实现无需训练、无需先验知识和无需模拟的异构多机器人系统协作导航，实验显示其在复杂环境中具有鲁棒性和适应性。

Comments 8 pages, 2 figures

Autonomous Detection and Coverage of Unknown Target Areas by Multi-Agent Systems

多智能体系统自主探测和未知目标区域覆盖

Jie Song, Yang Bai, Mikhail Svinin, Naoki Wakamiya

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

AI总结 本文提出了一种新型多智能体覆盖控制算法，使智能体能自主探测目标区域并协同实现全面覆盖，结合密度驱动机制与CVT实现最优空间分布，利用CBFs确保安全性和效率。

Comments 8 pages, 9 figures

Channelling, Coordinating, Collaborating: A Three-Layer Framework for Disability-Centered Human-Agent Collaboration

通道、协调与协作：一种面向残疾人的人机协作三层次框架

Lan Xiao, Catherine Holloway

机构 * Global Disability Innovation Hub（全球残障创新中心） ； UCL Interaction Centre（伦敦大学学院交互中心） ； University College London（伦敦大学学院） 纠错

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

AI总结 本文提出一种三层次框架，重新定义AI在能力多样协作中的作用，通过建立跨能力的信息基础、协调不同能力的协作流程，并作为有界伙伴推动共同目标。

Comments Accepted in CHI '26 Workshop on Human-Agent Collaboration

Decoding Defensive Coverage Responsibilities in American Football Using Factorized Attention Based Transformer Models

利用基于因子化注意力的变换器模型解码美式足球防守覆盖责任

Kevin Song, Evan Diewald, Ornob Siddiquee, Chris Boomhower, Keegan Abdoo, Mike Band, Amy Lee

机构 * Amazon Web Services, Seattle, WA, USA（亚马逊云服务（AWS），美国华盛顿州西雅图） ； National Football League, New York, NY, USA（美国国家橄榄球联盟（NFL），美国纽约州纽约市） 纠错

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

AI总结 本文提出基于因子化注意力的变换器模型，用于预测美式足球比赛中防守球员的覆盖分配、接球手与防守球员的配对及每次传球的受攻防守球员，实现了对球员责任的动态预测。

Comments 19 pages, 8 figures, ISACE 2026

Altruistic Ride Sharing: A Framework for Fair and Sustainable Urban Mobility via Peer-to-Peer Incentives

利他性拼车：通过点对点激励实现公平可持续的城市交通框架

Divyanshu Singh, Ashman Mehra, Kavya Makwana, Snehanshu Saha, Santonu Sarkar

机构 * Dept. of CSIS and APPCAIR, BITS Pilani K K Birla Goa Campus（BITS Pilani K K Birla Goa校区计算机科学与信息系统系及应用人工智能中心） ； School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院） 纠错

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

AI总结 本文提出利他性拼车框架，通过去中心化的点对点激励机制，减少交通拥堵和碳排放，提高车辆利用率。

Cooperative Transportation Without Prior Object Knowledge via Adaptive Self-Allocation and Coordination

无需先验物体知识的协作运输：通过自适应自分配与协调

Jie Song, Yang Bai, Naoki Wakamiya

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

AI总结 本文提出一种无需预先了解货物位置和尺寸的多智能体协作运输框架，通过自适应自分配与协调实现自组织运输团队，利用密度函数生成吸引力场，结合CVT实现平衡编队和自动分配。

Towards Privacy-Preserving Federated Learning using Hybrid Homomorphic Encryption

面向隐私保护联邦学习的混合同态加密

Ivan Costa, Pedro Correia, Ivone Amorim, Eva Maia, Isabel Praça

专题命中 多智能体 ：workflow(abstract)

AI总结 本文提出通过混合同态加密机制提升联邦学习的隐私保护，采用掩码和RSA封装技术防止密钥滥用，实验证明在MNIST数据集上保持模型精度的同时，增加的开销极小。

Comments 25 pages, 4 figures, 24th International Conference on Applied Cryptography and Network Security (ACNS 2026)

Age of Positioning with Stochastic Motion Models

具有随机运动模型的位置年龄

Wasif J. Hussain, Don-Roberts Emenonye, R. Michael Buehrer, Harpreet S. Dhillon

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出位置年龄(AoP)指标，用于评估随机轨迹下位置准确性的时变特性，通过随机路点模型推导了不同队列纪律下的闭式表达式，并通过数值模拟验证了最优操作条件的存在。