AI Agent

CASCADE: Cascaded Scoped Communication for Multi-Agent Re-planning in Disrupted Industrial Environments

CASCADE：多智能体重新规划中的级联作用域通信

Mingjie Bi

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

AI总结 本文提出CASCADE机制，通过显式作用域控制实现多智能体在受扰工业环境中的重新规划，解决通信预算和延迟约束下的协调问题，提升鲁棒性。

Comments Published at ICLR 2026 Workshop on AI for Mechanism Design and Strategic Decision Making

HabitatAgent: An End-to-End Multi-Agent System for Housing Consultation

HabitatAgent：一种端到端的多智能体系统用于住房咨询

Hongyang Yang, Yanxin Zhang, Yang She, Yue Xiao, Hao Wu, Yiyang Zhang, Jiapeng Hou, Rongshan Zhang

机构 * Fangdongdong（方东东） ； Tsinghua University（清华大学） ； Columbia University（哥伦比亚大学） 纠错

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

AI总结 本文提出HabitatAgent，一种基于LLM的多智能体系统，通过四个专业角色提供可审计且可靠的住房咨询流程，实现高准确率的住房选择支持。

Comments Accepted at the DMO-FinTech Workshop (PAKDD 2026)

OrgAgent: Organize Your Multi-Agent System like a Company

OrgAgent: 以公司式层级结构组织你的多智能体系统

Yiru Wang, Xinyue Shen, Yaohui Han, Michael Backes, Pin-Yu Chen, Tsung-Yi Ho

机构 * The Chinese University of Hong Kong（香港中文大学） ； IBM Research（IBM研究院） ； CISPA Helmholtz Center for Information Security（CISPA亥姆霍兹信息安全中心） 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OrgAgent框架，通过治理、执行、合规三层结构提升多智能体系统的推理性能，实验显示层级结构在任务稳定性、信息控制和验证方面表现更优。

Certificate-Driven Closed-Loop Multi-Agent Path Finding with Inheritable Factorization

基于证书的闭环多智能体路径寻找与可继承分解

Jiarui Li, Runyu Zhang, Gioele Zardini

机构 * Laboratory for Information and Decision Systems, Massachusetts Institute of Technology（麻省理工学院信息与决策系统实验室） 纠错

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

AI总结 本文提出基于证书的闭环多智能体路径寻找方法，通过可继承分解提升密集场景下的路径规划一致性与效率。

Robust Multi-Agent Safety via Tube-Based Tightened Exponential Barrier Functions

通过管状紧缩指数屏障函数实现多智能体系统鲁棒安全性

Armel Koulong, Ali Pakniyat

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

AI总结 本文提出一种构造性框架，用于合成非线性多智能体系统在有界扰动下的可证明安全控制器。核心贡献是通过约束紧缩方法将鲁棒误差反馈与名义轨迹规划相结合，利用RPI管的几何特性推导状态依赖的安全余量，从而保证轨迹安全性。

Comments Joint submission to IFAC World Congress 2026 and NAHS journal (Reference: NAHS_101717). Accepted for NAHS journal; under review by World Congress

One Panel Does Not Fit All: Case-Adaptive Multi-Agent Deliberation for Clinical Prediction

一个面板并不适用于所有情况：面向临床预测的案例自适应多智能体协商

Yuxing Lu, Yushuhong Lin, Jason Zhang

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Peking University（北京大学） 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CAMP框架，通过动态组建专家团队应对临床预测中的案例异质性，采用三值投票机制和混合路由策略，实现更精确的诊断预测和住院疗程生成，优于现有方法。

"Who Am I, and Who Else Is Here?" Behavioral Differentiation Without Role Assignment in Multi-Agent LLM Systems

我是谁，还有谁在这里？

Houssam EL Kandoussi

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)；分类 cs.AI、cs.CL

AI总结 研究探讨了多个大语言模型在共享对话中是否发展出差异化社会角色或趋于统一行为，通过实验平台分析7种异质LLM群体在统一推理后端上的多代理讨论，发现异质群体行为差异化更显著，且模型名暴露会增加行为收敛，去除提示结构可使行为趋于同质。

Comments 9 pages, 11 figures, 5 tables

LangMARL: Natural Language Multi-Agent Reinforcement Learning

LangMARL: 自然语言多智能体强化学习

Huaiyuan Yao, Longchao Da, Xiaoou Liu, Charles Fleming, Tianlong Chen, Hua Wei

机构 * Arizona State University（亚利桑那州立大学） ； Cisco Research（思科研究院） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

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

AI总结 LangMARL通过引入语言空间中的信用分配和策略梯度进化，解决大语言模型在动态环境中自主协调策略演化的问题，提升样本效率、可解释性和泛化能力。

Comments 20 pages, 12 figures

GRASP: Gradient Realignment via Active Shared Perception for Multi-Agent Collaborative Optimization

GRASP: 通过主动共享感知实现多智能体协作优化的梯度重排

Sihan Zhou, Tiantian He, Yifan Lu, Yaqing Hou, Yew-Soon Ong

机构 * Dalian University of Technology（大连理工大学） ； Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 GRASP通过主动共享感知实现多智能体协作优化，定义广义Bellman均衡作为稳定目标，利用独立梯度推导共识梯度以提升收敛速度和协作性能。

Agent Q-Mix: Selecting the Right Action for LLM Multi-Agent Systems through Reinforcement Learning

Agent Q-Mix: 通过强化学习选择LLM多智能体系统的合适动作

Eric Hanchen Jiang, Levina Li, Rui Sun, Xiao Liang, Yubei Li, Yuchen Wu, Haozheng Luo, Hengli Li, Zhi Zhang, Zhaolu Kang, Kai-Wei Chang, Ying Nian Wu

机构 * University of California Los Angeles（加州大学洛杉矶分校） ； University of Washington（华盛顿大学） ； Northwestern University（西北大学） 纠错

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

AI总结 本文提出Agent Q-Mix框架，通过强化学习解决多智能体系统中拓扑选择问题，实现去中心化通信决策，提升任务准确率与token效率。

Multi-agent In-context Coordination via Decentralized Memory Retrieval

通过去中心化记忆检索实现多智能体上下文协调

Tao Jiang, Zichuan Lin, Lihe Li, Yi-Chen Li, Cong Guan, Lei Yuan, Zongzhang Zhang, Yang Yu, Deheng Ye

机构 * National Key Laboratory of Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； Tencent（腾讯） 纠错

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

AI总结 本文提出MAICC方法，通过去中心化记忆检索提升多智能体强化学习中任务协调效率，实验表明其在Level-Based Foraging和SMAC等基准上表现更优。

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, Vol. 40, No. 27, pp. 22363-22371, 2026

A Safety-Aware Role-Orchestrated Multi-Agent LLM Framework for Behavioral Health Communication Simulation

一种安全意识导向的角色协调多智能体LLM框架用于行为健康沟通模拟

Ha Na Cho

机构 * University of California, Irvine（加州大学尔湾分校） 纠错

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

AI总结 本文提出一种安全导向的角色协调多智能体LLM框架，通过协调不同角色的智能体模拟支持性行为健康对话，通过分解对话责任并动态激活智能体以确保安全审计。

Tube-Based Safety for Anticipative Tracking in Multi-Agent Systems

基于管状的安全性用于多智能体系统中的前瞻性跟踪

Armel Koulong, Ali Pakniyat

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

AI总结 本文提出了一种基于管状的安全框架，用于非线性Brunovsky多智能体系统在有界扰动下的鲁棒前瞻性跟踪，通过建立反馈增强的辅助控制策略的安全证书，避免了传统的Lipschitz界可行性条件，从而得到显式的鲁棒正不变管半径，减少约束保守性并保持正式的前向不变性。

Comments This work has been submitted to the 65th IEEE Conference on Decision and Control for possible publication

Compact Keyframe-Optimized Multi-Agent Gaussian Splatting SLAM

紧凑化关键帧优化多智能体高斯点云SLAM

Monica M. Q. Li, Pierre-Yves Lajoie, Jialiang Liu, Giovanni Beltrame

机构 * Polytechnique Montreal（蒙特利尔理工学院） ； University of Wisconsin（威斯康星大学） 纠错

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

AI总结 本文提出一种改进的多智能体RGB-D高斯点云SLAM框架，通过压缩步骤和中央闭环计算减少通信负载，提升地图保真度，实验证明数据传输量减少85-95%。

Robust Geospatial Coordination of Multi-Agent Communications Networks Under Attrition

在 Attrition（ attrition）下多智能体通信网络的鲁棒地理协调

Jonathan S. Kent, Eliana Stefani, Brian Plancher

机构 * Advanced Technology Center, Lockheed Martin Space（洛克希德·马丁航天公司先进技术中心） ； Fu Foundation School of Engineering and Applied Science, Columbia University（哥伦比亚大学傅氏基金工程与应用科学学院） ； Lockheed Martin AI Center, Lockheed Martin Corporation（洛克希德·马丁公司人工智能中心） ； Barnard College, Columbia University（哥伦比亚大学巴纳德学院） ； Dartmouth College（达特茅斯学院） 纠错

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

AI总结 本文提出在极端环境中通过鲁棒任务网络下 attrition（ attrition）问题，利用物理启发的多智能体网络算法实现高可靠性通信，实验表明其在高 attrition 环境下仍能保持高任务 uptime。

Comments 8 pages, 4 figures, 4 tables, accepted to IEEE RA-L

Auto-Slides: An Interactive Multi-Agent System for Creating and Customizing Research Presentations

Auto-Slides：一个用于创建和定制研究演示的交互式多智能体系统

Yuheng Yang, Wenjia Jiang, Yang Wang, Yi Song, Yiwei Wang, Chi Zhang

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

AI总结 本文提出Auto-Slides系统，利用大语言模型将学术论文转化为结构化的多模态幻灯片，通过交互式编辑器实现个性化学习，提升学习者对复杂概念的理解与参与度。

Comments Project Homepage: https://auto-slides.github.io/

Collaborative AI Agents and Critics for Fault Detection and Cause Analysis in Network Telemetry

协同AI代理与批评者用于网络遥测中的故障检测与原因分析

Syed Eqbal Alam, Zhan Shu

机构 * Department of Electrical and Computer Engineering, University of Alberta（阿尔伯塔大学电气与计算机工程系） ； SheQAI Research（SheQAI研究） 纠错

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

AI总结 本文提出一种多代理联邦系统，通过AI代理与批评者协作完成网络遥测中的故障检测、严重性和原因分析等多模态任务，利用多时间尺度随机逼近技术保证收敛性，通信开销低且隐私保护。

AutoEG: Exploiting Known Third-Party Vulnerabilities in Black-Box Web Applications

AutoEG：在黑盒Web应用中利用已知的第三方漏洞

Ruozhao Yang, Mingfei Cheng, Gelei Deng, Junjie Wang, Tianwei Zhang, Xiaofei Xie

机构 * Singapore Management University（新加坡管理大学） ； Nanyang Technological University（南洋理工大学） ； Tianjin University（天津大学） 纠错

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

AI总结 本文提出AutoEG框架，通过自动化的多智能体方法生成Web应用漏洞利用方案，实现高成功率的漏洞利用测试。

Comments 21 pages, 18 figures

VRUD: A Drone Dataset for Complex Vehicle-VRU Interactions within Mixed Traffic

VRUD：一种用于复杂车辆-行人交互的无人机数据集

Ziyu Wang, Hongrui Kou, Cheng Wang, Ruochen Li, Hubert P. H. Shum, Amir Atapour-Abarghouei, Yuxin Zhang

机构 * National Key Laboratory of Automotive Chassis Integration and Bionics, Jilin University（吉林大学汽车底盘集成与仿生全国重点实验室） ； DRIVEResearch ； School of Engineering and Physical Sciences, Heriot-Watt University（赫瑞瓦特大学工程与物理科学学院） ； Department of Computer Science, Durham University（杜伦大学计算机科学系） 纠错

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

AI总结 本文提出VRUD数据集，用于复杂城市交通环境中的车辆-行人交互研究，包含高精度轨迹数据和多智能体交互场景，填补了现有数据集在无结构城市环境中的空白。

A Functional Learning Approach for Team-Optimal Traffic Coordination

团队最优交通协调的函数学习方法

Weihao Sun, Gehui Xu, Alessio Moreschini, Thomas Parisini, Andreas A. Malikopoulos

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

AI总结 本文提出基于核的方法的策略迭代函数学习框架，用于计算交通协调问题中的团队最优策略，结合二次调节项和非线性安全惩罚项，通过核空间近似求解，并在SUMO中验证。

Comments 8 pages, 7 figures, conference

The Varieties of Ought-Implies-Can and Deontic STIT Logic

ought-implies-can 的多样性与规范 STIT 逻辑

Kees van Berkel, Tim S. Lyon

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

AI总结 本文探讨了规范 STIT 逻辑中 ought-implies-can 的多种解释，提出模块化框架并比较了十种读法，给出了完整的 sequent 风格算法规则，并分析了不同解释间的逻辑关系。

Comments Published at Deontic Logic and Normative Systems - 15th International Conference, DEON 2020/21, Munich, Germany [virtual], July 21-24, 2021. URL to Published Version: https://www.collegepublications.co.uk/DEON/Van%20Berkel%20%26%20Lyon_DEON2020.pdf

Proprioceptive feedback paradigm for safe and resilient motion control

本体反馈范式用于安全且稳健的运动控制

Mrdjan Jankovic

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

AI总结 本文提出一种类本体反馈机制用于运动控制系统，通过快速反馈环路补偿意外响应，分析了可管理的损伤程度，并提供了全MPF和分MPF两种方案。

Comments 8 pages, 9 figures

Structural Origins of Cubic Complexity in Pebble Motion

立方复杂性的结构起源

Tomoki Nakamigawa, Tadashi Sakuma

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

AI总结 本文研究了石子移动问题在树上的复杂性，证明其可解序列长度为O(N² log N)，并扩展到一般图，揭示了Θ(N³)复杂性出现的结构条件。

Enhancing Team Diversity with Generative AI: A Novel Project Management Framework

利用生成式AI增强团队多样性：一种新的项目管理框架

Johnny Chan, Yuming Li

机构 * University of Auckland（奥克兰大学） 纠错

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

AI总结 本文提出一种利用生成式AI技术的新项目管理框架，旨在解决学术和研究团队成员构成单一的问题，通过整合社会学识别的成功团队成员性格和角色模式，提升团队多样性。

Comments A published version can be found from here - https://www.computer.org/csdl/proceedings-article/compsac/2024/769600b648/1ZIUInSDC0w

Deception in Linear-Quadratic Control

线性二次控制中的欺骗

Yerin Kim, Haosheng Zhou, Alexander Benvenuti, Ruimeng Hu, Matthew Hale

专题命中 多智能体 ：agent(abstract)

AI总结 本文研究了在对抗环境中线性二次控制中的欺骗问题，通过引入扰动干扰红队观测，同时保持未被检测，提出了一种半显式解法和概率分析。