AI Agent

Distributed Event-Triggered Consensus Control of Discrete-Time Linear Multi-Agent Systems under LQ Performance Constraints

分布式事件触发一致性控制：离散时间线性多智能体系统在LQ性能约束下的应用

Shumpei Nishida, Kunihisa Okano

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

AI总结 本文提出一种分布式事件触发控制方法，在保证多智能体系统一致性的同时满足给定的LQ性能约束。通过设计事件触发通信规则，使LQ成本满足相对于基线成本的性能约束，同时实现一致性。

Comments 11 pages

Driving Condition-Aware Multi-Agent Integrated Power and Thermal Management for Hybrid Electric Vehicles

面向驾驶条件的混合动力汽车多智能体集成能量与热管理

Hanghang Cui, Arash Khalatbarisoltani, Jie Han, Wenxue Liu, Muhammad Saeed, Xiaosong Hu

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

AI总结 本文提出一种面向驾驶条件的混合动力汽车多智能体集成能量与热管理框架，通过实时驾驶识别模型提升燃油经济性并降低热管理能耗。

ViviDoc: Generating Interactive Documents through Human-Agent Collaboration

ViviDoc：通过人机协作生成交互式文档

Yinghao Tang, Yupeng Xie, Yingchaojie Feng, Tingfeng Lan, Jiale Lao, Yue Cheng, Wei Chen

机构 * National University of Singapore（新加坡国立大学） ； University of Virginia（弗吉尼亚大学） ； Cornell University（康奈尔大学） 纠错

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

AI总结 ViviDoc通过多智能体流程和三级人类控制，系统性解决交互式文档生成问题，构建了ViviBench基准并实现高内容丰富度和交互质量。

Within the MDT Room: Situated in Multidisciplinary Team-Grounded Agent Debate for Clinical Diagnosis

在MDT房间内：多学科团队基础的智能体辩论用于临床诊断

Peng Kuai, Yukun Yang, Shaolun Ruan, Junchi Xu, Yanjie Zhang, Lin Zhang, Min Zhu, Rui Sheng

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

AI总结 本文提出MDTRoom系统，通过将多智能体讨论转化为结构化可查看的工作空间，帮助医生与智能体协作，提升罕见病诊断效率。

When Verification Hurts: Asymmetric Effects of Multi-Agent Feedback in Logic Proof Tutoring

当验证带来伤害：多智能体反馈在逻辑证明辅导中的不对称效应

Tahreem Yasir, Sutapa Dey Tithi, Benyamin Tabarsi, Dmitri Droujkov, Sam Gilson Yasitha Rajapaksha, Xiaoyi Tian, Arun Ramesh, DongKuan, Xu, Tiffany Barnes

机构 * North Carolina State University（北卡罗来纳州立大学） 纠错

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

AI总结 本文研究了逻辑证明辅导中多智能体反馈的分层影响，提出一个基于知识图谱的基准测试，揭示了验证在反馈可靠性不同时对学习效果的不对称影响，并指出复杂度天花板限制了模型性能。

Comments 21 pages, 1 figure

A Semi Centralized Training Decentralized Execution Architecture for Multi Agent Deep Reinforcement Learning in Traffic Signal Control

一种半集中训练、分布式执行的多智能体深度强化学习架构用于交通信号控制

Arash Rezaali, Pouria Yazdani, Monireh Abdoos

机构 * Faculty of Computer Science and Engineering, Shahid Beheshti University（沙希德·贝赫什提大学计算机科学与工程学院） 纠错

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

AI总结 本文提出SEMI-CTDE架构，通过区域划分实现多交叉口交通信号控制，结合集中训练与分布式执行，提升性能与适应性。

Comments Co-first authors: Arash Rezaali and Pouria Yazdani

Mind-of-Director: Multi-modal Agent-Driven Film Previsualization via Collaborative Decision-Making

导演之思：通过协作决策的多模态代理驱动电影预可视化

Shufeng Nan, Mengtian Li, Sixiao Zheng, Yuwei Lu, Han Zhang, Yanwei Fu

机构 * Fudan University（复旦大学） ； Shanghai University（上海大学） 纠错

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

AI总结 Mind-of-Director通过协作决策过程生成高质量的电影预可视化序列，结合多个专业代理在游戏引擎中协作生成预可视化内容，提升自动化原型制作和人机协同电影制作的效率。

SafetyDrift: Predicting When AI Agents Cross the Line Before They Actually Do

SafetyDrift: 在实际发生之前预测AI代理跨过界限的时间

Aditya Dhodapkar, Farhaan Pishori

机构 * Rensselaer Polytechnic Institute（伦斯勒理工学院） ； Santa Clara University（圣克拉拉大学） 纠错

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

AI总结 本文提出SafetyDrift模型，通过吸收马尔可夫链分析预测AI代理在有限时间内的安全违规概率，发现不同任务中违规风险差异显著，且轻量监控器在低计算成本下有效检测违规。

Comments 9 pages, 7 figures, sent to COLM conference

The Novelty Bottleneck: A Framework for Understanding Human Effort Scaling in AI-Assisted Work

新颖性瓶颈：一种理解人类在AI辅助工作中的努力扩展的框架

Jacky Liang

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

AI总结 本文提出一个简化的人机协作模型，揭示了新颖性瓶颈机制，即任务中需要人类判断的部分形成不可消除的串行组件。模型推导出人类努力无平滑亚线性区域，更好代理只能改善系数而非指数，团队规模随代理能力下降，总人类努力保持O(E)。

Multi-AUV Ad-hoc Networks-Based Multi-Target Tracking Based on Scene-Adaptive Embodied Intelligence

基于场景自适应具身智能的多无人水下机器人自组网多目标跟踪

Kai Tian, Jialun Wang, Chuan Lin, Guangjie Han, Shengchao Zhu, Ying Liu, Qian Zhu

机构 * Software College, Northeastern University（东北大学软件学院） ； Key Laboratory of Maritime Intelligent Network Information Technology, Ministry of Education, Hohai University（河海大学教育部海事智能网络信息技术重点实验室） 纠错

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

AI总结 本文提出一种基于场景自适应具身智能的多AUV自组网架构，通过整合感知、决策与物理执行，提升多目标跟踪的鲁棒性和准确性。

Spectral-Aware Text-to-Time Series Generation with Billion-Scale Multimodal Meteorological Data

具有十亿级多模态气象数据的频谱感知文本到时间序列生成

Shijie Zhang

机构 * School of Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程学院，沈阳，中国） 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MTransformer模型，通过频谱提示生成器实现文本到时间序列的精确语义控制，利用大规模气象数据提升生成质量与跨模态对齐精度。

Comments Accepted By IJCNN 2026 (WCCI)

Decentralized MARL for Coarse Correlated Equilibrium in Aggregative Markov Games

去中心化MARL在聚合马尔可夫游戏中的粗相关均衡

Siying Huang, Yifen Mu, Ge Chen

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

AI总结 本文提出一种适应性阶段式V学习算法，用于在聚合马尔可夫游戏中去中心化学习粗相关均衡，通过调整阶段长度和无遗憾更新实现高效学习。

Autonomous overtaking trajectory optimization using reinforcement learning and opponent pose estimation

基于强化学习和对手姿态估计的自主超车轨迹优化

Matej Rene Cihlar, Luka Šiktar, Branimir Ćaran, Marko Švaco

机构 * University of Zagreb（萨格勒布大学） ； Faculty of Mechanical Engineering and Naval Architecture（机械工程与海军建筑学院） 纠错

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

AI总结 本文提出利用强化学习和传感器数据进行自主超车轨迹优化，通过融合LiDAR和深度相机数据提高对手姿态估计精度，实验证明在仿真和真实场景中均能有效执行超车动作。

Comments The paper is accepted and presented on the 35th International Conference on Robotics in Alpe-Adria-Danube Region, RAAD 2026, Bratislava, Slovakia

Superintelligence and Law

超级智能与法律

Noam Kolt

专题命中 多智能体 ：AI agent(abstract)

AI总结 本文探讨人工智能超级智能对法律体系的影响，指出AI代理将成为法律主体、消费者和生产者，挑战传统法律理论的根基。

Comments Harvard Journal of Law & Technology (forthcoming)

Self-evolving AI agents for protein discovery and directed evolution

具有自我进化的AI代理用于蛋白质发现和定向进化

Yang Tan, Lingrong Zhang, Mingchen Li, Yuanxi Yu, Bozitao Zhong, Bingxin Zhou, Nanqing Dong, Liang Hong

机构 * Shanghai Innovation Institute（上海创新研究院） ； School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院） ； Zhangjiang Institute for Advanced Study, Shanghai Jiao Tong University（上海交通大学张江高等研究院） 纠错

专题命中 工作流自动化 ：AI agent(title)；agent(abstract)；workflow(abstract)；multi-agent(abstract)

AI总结 本文提出VenusFactory2框架，通过自我进化的多代理基础设施实现动态工作流合成，解决蛋白质发现中的手动信息协调问题，并在基准测试中超越现有代理。

Comments 100 pages, 6 figures

Heddle: A Distributed Orchestration System for Agentic RL Rollout

Heddle：一种用于代理强化学习 rollout 的分布式编排系统

Zili Zhang, Yinmin Zhong, Chengxu Yang, Chao Jin, Bingyang Wu, Xinming Wei, Yuliang Liu, Xin Jin

机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Independent Researcher（独立研究员） 纠错

专题命中 工作流自动化 ：agentic(title,abstract)；agent(abstract)；分类 cs.LG

AI总结 Heddle通过轨迹中心化设计优化代理rollout执行的时机、地点和方式，解决长尾轨迹生成中的队列延迟、干扰开销和单位令牌时间问题，提升rollout吞吐量。

HeteroHub: An Applicable Data Management Framework for Heterogeneous Multi-Embodied Agent System

HeteroHub：一种适用于异构多具身代理系统的数据管理框架

Xujia Li, Xin Li, Junquan Huang, Beirong Cui, Zibin Wu, Lei Chen

机构 * HKUST（香港科技大学） 纠错

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

AI总结 本文提出HeteroHub框架，整合静态元数据、任务对齐训练语料和实时数据流，支持任务感知模型训练和闭环控制，实现复杂任务的协调执行。

Comments 4 pages, 2 figures

LLM-Powered Workflow Optimization for Multidisciplinary Software Development: An Automotive Industry Case Study

基于大语言模型的多学科软件开发工作流优化：汽车工业案例研究

Shuai Wang, Yinan Yu, Earl Barr, Dhasarathy Parthasarathy

机构 * Chalmers University of Technology（查尔姆斯理工大学） ； University College London（伦敦大学学院） 纠错

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

AI总结 本文提出基于图的工作流优化方法，利用大语言模型替代手动协调，提升多学科软件开发效率，通过汽车行业案例验证，实现93.7%的F1分数，将API开发时间从5小时缩短至7分钟。

Comments Accepted to FSE 2026 Industrial Track

AIM: A User-friendly GUI Workflow program for Isotherm Fitting, Mixture Prediction, Isosteric Heat of Adsorption Estimation, and Breakthrough Simulation

AIM：一种用户友好的GUI工作流程程序，用于等温线拟合、混合预测、等熵热吸附量估计和突破模拟

Muhammad Hassan, Sunghyun Yoon, Yu Chen, Pilseok Kim, Hongryeol Yun, Hyuk Taek Kwon, Youn-Sang Bae, Chung-Yul Yoo, Dong-Yeun Koh, Chang-Seop Hong, Ki-Bong Lee, Yongchul G. Chung

专题命中 工作流自动化 ：workflow(title,abstract)

AI总结 AIM通过集成工作流程简化固定床吸附建模与分析，支持13种等温线模型及IAST和扩展Langmuir模型，实现混合行为预测和多组分突破模拟，提升吸附实验的可重复性和数据共享。

Comments 70 pages, 15 figures

Toward Actionable Digital Twins for Radiation-Based Imaging and Therapy: Mathematical Formulation, Modular Workflow, and an OpenKBP-Based Dose-Surrogate Prototype

迈向基于辐射成像和治疗的可操作数字孪生：数学公式、模块化工作流及基于OpenKBP的剂量代理原型

Hsin-Hsiung Huang, Bulent Soykan

机构 * School of Data, Mathematical, and Statistical Sciences, University of Central Florida（中佛罗里达大学数据、数学与统计科学学院） ； Institute for Simulation and Training, University of Central Florida（中佛罗里达大学模拟与训练研究所） 纠错

专题命中 工作流自动化 ：workflow(title)

AI总结 本文提出了一种模块化框架，用于辐射成像和治疗中的可操作数字孪生，通过OpenKBP基准测试验证了剂量代理原型，展示了剂量预测、不确定性传播和代理闭环适应的可重复测试平台。

Learning to Diagnose Privately: DP-Powered LLMs for Radiology Report Classification

在隐私保护下学习：用于放射报告分类的DP驱动LLM

Payel Bhattacharjee, Fengwei Tian, Geoffrey D. Rubin, Joseph Y. Lo, Nirav Merchant, Heidi Hanson, John Gounley, Ravi Tandon

机构 * National Institute of Standards and Technology（美国国家标准与技术研究院） ； Colorado State University（科罗拉多州立大学） ； University of Arizona（亚利桑那大学） ； Duke University（杜克大学） 纠错

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

AI总结 本文提出一种结合差分隐私与LoRA的隐私保护LLM微调框架，用于多异常放射报告分类，通过生成标签训练小型模型，在强隐私保障下实现高效推理。

Comments Accepted in IEEE ACCESS, 2026

Entropic Claim Resolution: Uncertainty-Driven Evidence Selection for RAG

熵驱动的声明解析：面向RAG的不确定性驱动的证据选择

Davide Di Gioia

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

AI总结 本文提出ECR算法，通过熵最小化解决RAG中的不确定性问题，改进证据选择方法，提升在复杂场景下的决策能力。

Comments Preprint

MiroEval: Benchmarking Multimodal Deep Research Agents in Process and Outcome

MiroEval: 多模态深度研究代理的流程与成果评估基准

Fangda Ye, Yuxin Hu, Pengxiang Zhu, Yibo Li, Ziqi Jin, Yao Xiao, Yibo Wang, Lei Wang, Zhen Zhang, Lu Wang, Yue Deng, Bin Wang, Yifan Zhang, Liangcai Su, Xinyu Wang, He Zhao, Chen Wei, Qiang Ren, Bryan Hooi, An Bo, Shuicheng Yan, Lidong Bing

机构 * MiroMind Team（MiroMind团队） 纠错

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

AI总结 MiroEval通过100个真实需求任务评估多模态深度研究代理的流程与成果，揭示系统在适应性合成、事实验证和过程审计方面的差异，证明流程质量对整体表现的预测作用。

Comments GitHub: https://github.com/MiroMindAI/MiroEval

On the Carbon Footprint of Economic Research in the Age of Generative AI

在生成式人工智能时代经济研究的碳足迹

Andres Alonso-Robisco, Carlos Esparcia, Francisco Jareño

机构 * Banco de España（西班牙银行） ； Universidad de Castilla-La Mancha（卡斯蒂利亚-拉曼恰大学） 纠错

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

AI总结 本文探讨生成式AI在经济研究中的碳足迹，分析了模型与工作流的差异，并提出通过人类在循环治理来提升环境效率。

Quid est VERITAS? A Modular Framework for Archival Document Analysis

真理为何？面向档案文档分析的模块化框架

Leonardo Bassanini, Ludovico Biancardi, Alfio Ferrara, Andrea Gamberini, Sergio Picascia, Folco Vaglienti

机构 * Università degli Studi di Milano（米兰大学） ； University Library Service（大学图书馆服务部） ； Department of Literary Studies, Philology and Linguistics（文学、语文学与语言学系） ； Department of Historical Studies（历史研究系） ； Department of Computer Science（计算机科学系） 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VERITAS框架，通过整合转录、版式分析和语义增强，提升历史文档数字化分析能力，实验显示其在词错误率和处理时间上均有显著提升。

Comments to be published in: LLMs4SSH: Shaping Multilingual, Multimodal AI for the Social Sciences and Humanities, organized within the 15th Language Resource and Evaluation Conference (2026)

Synonymix: Unified Group Personas for Generative Simulations

Synonymix：生成模拟的统一群体人格

Huanxing Chen, Aditesh Kumar

机构 * Stanford University（斯坦福大学） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI

AI总结 本文提出Synonymix，通过图抽象和融合构建统一群体人格，实现群体层面的交互与模拟，验证了在社会调查中保留行为信号并保障隐私。

Comments 6 pages (excluding appendix), 3 figures, CHI'26 Extended Abstract (Poster)

Evolving with AI: A Longitudinal Analysis of Developer Logs

与AI共进：开发者日志的纵向分析

Agnia Sergeyuk, Eric Huang, Dariia Karaeva, Anastasiia Serova, Yaroslav Golubev, Iftekhar Ahmed

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

AI总结 研究通过纵向数据和调查分析AI对开发者日常编码实践的长期影响，发现AI使用提高了代码产出但也增加了删除量，同时开发者报告生产力提升但其他维度变化不明显。

Comments Accepted to ICSE'26 Research track. 12 pages, 5 figures, 1 table

Optimizing Coverage and Difficulty in Reinforcement Learning for Quiz Composition

在问答生成中优化覆盖度和难度

Ricardo Pedro Querido Andrade Silva, Nassim Bouarour, Dina Fettache, Sarab Boussouar, Noha Ibrahim, Sihem Amer-Yahia

机构 * CNRS, Univ. Grenoble Alpes（法国国家科学研究中心，格勒诺布尔阿尔卑斯大学） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.LG

AI总结 本文旨在自动化从多项选择题中生成测验，通过强化学习方法优化测验的覆盖范围和难度，通过实验验证不同算法在不同数据分布下的表现。

Drag or Traction: Understanding How Designers Appropriate Friction in AI Ideation Outputs

拖拽或牵引：理解设计师如何在AI构思输出中利用摩擦

A. Baki Kocaballi, Joseph Kizana, Sharon Stein, Simon Buckingham Shum

机构 * University of Technology Sydney（悉尼科技大学） 纠错

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

AI总结 本文探讨设计师如何通过引入摩擦来改变AI输出，提出生成摩擦概念，分析不同摩擦类型对设计的影响，并提出摩擦倾向作为调节因素。

Comments Paper accepted to ACM CHI Workshop on Tools for Thought, 2026

Visualization of Machine Learning Models through Their Spatial and Temporal Listeners

通过空间和时间监听器可视化机器学习模型

Siyu Wu, Lei Shi, Lei Xia, Cenyang Wu, Zipeng Liu, Yingchaojie Feng, Liang Zhou, Wei Chen

机构 * School of Computer Science & Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） ； Institute of Medical Technology, Peking University Health Science Center and National Institute of Health Data Science, Peking University（北京大学医学部医学技术研究院与北京大学健康数据科学国家研究所） ； School of Software, Beihang University（北京航空航天大学软件学院） ； National University of Singapore（新加坡国立大学） ； State Key Laboratory of CAD&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室） 纠错

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

AI总结 本文提出一种以模型为中心的两阶段框架，通过抽象监听器捕捉模型的空间和时间行为，并将其连接到经典信息可视化流程，分析显示可视化模型结果、定量/名义数据类型和统计图表是主要关注点。