AI Agent

FLARE: Agentic Coverage-Guided Fuzzing for LLM-Based Multi-Agent Systems

FLARE：基于LLM的多智能体系统代理覆盖引导模糊测试

Mingxuan Hui, Xinyue Li, Lu Wang, Chengcheng Wan, Yifan Wang, Yimian Wang, Feiyue Song, Beining Shi, Yixi Li, Yaxiao Li

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

AI总结 FLARE通过代理定义提取规范和行为空间，构建测试或acles进行覆盖引导模糊测试，发现多智能体系统中的失败案例，实现96.9%的代理间覆盖和91.1%的代理内覆盖。

Comments 22 pages, 7 figures

Multi-Agent Pathfinding with Non-Unit Integer Edge Costs via Enhanced Conflict-Based Search and Graph Discretization

具有非单位整数边成本的多智能体路径规划：通过增强的基于冲突搜索和图离散化

Hongkai Fan, Qinjing Xie, Bo Ouyang, Yaonan Wang, Zhi Yan, Jiawen He, Zheng Fang

机构 * China Mobile Group Hunan Company Limited（中国移动通信集团湖南有限公司） 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MAPFZ，一种处理非单位整数边成本的多智能体路径规划变种，通过增强的基于冲突搜索框架和图离散化方法，提升了求解效率和现实准确性。

Comments 16 pages, 7 figures, submitted to cs.AI, Multi-Agent Systems, Pathfinding Optimization

Paper Circle: An Open-source Multi-agent Research Discovery and Analysis Framework

Paper Circle：一个开源的多智能体研究发现与分析框架

Komal Kumar, Aman Chadha, Salman Khan, Fahad Shahbaz Khan, Hisham Cholakkal

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； AWS Generative AI Innovation Center, Amazon Web Services（亚马逊云科技生成式AI创新中心） 纠错

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

AI总结 本文提出Paper Circle，一个开源多智能体研究发现与分析框架，通过多智能体系统降低学术文献查找、评估和理解的难度，结合发现与分析流程，生成结构化输出。

Comments 19 pages, 7 figures, 8 tables, ACL main (Oral)

MARS: Multi-Agent Robotic System with Multimodal Large Language Models for Assistive Intelligence

MARS：基于多模态大语言模型的多智能体机器人系统用于辅助智能

Renjun Gao

机构 * School of Computer Science and Engineering, Faculty of Innovation Engineering, Macau University of Science and Technology（澳门科技大学创新工程学院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(title,abstract)；planning(abstract)

AI总结 MARS系统利用多模态大语言模型实现风险感知和个性化辅助，通过多智能体决策框架提升智能家庭机器人在动态环境中的表现。

Comments 3 figures, 1 table

CoEnv: Driving Embodied Multi-Agent Collaboration via Compositional Environment

CoEnv：通过组合环境驱动具身体验多智能体协作

Li Kang, Yutao Fan, Rui Li, Heng Zhou, Yiran Qin, Zhemeng Zhang, Songtao Huang, Xiufeng Song, Zaibin Zhang, Bruno N. Y. Chen, Zhenfei Yin, Dongzhan Zhou, Wangmeng Zuo, Lei Bai

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； University of Science and Technology of China（中国科学技术大学） ； CUHK-Shenzhen（香港中文大学（深圳）） ； Fudan University（复旦大学） ； Dalian University of Technology（大连理工大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Oxford（牛津大学） 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CoEnv框架，通过模拟与现实结合的组合环境，实现多智能体协作的高效执行与安全部署，提升任务成功率和效率。

Comments 31 pages, 8 figures, including supplementary material. Project page: https://faceong.github.io/CoEnv/

GLANCE: A Global-Local Coordination Multi-Agent Framework for Music-Grounded Non-Linear Video Editing

GLANCE：一种用于音乐引导非线性视频编辑的全局-局部协调多智能体框架

Zihao Lin, Haibo Wang, Zhiyang Xu, Siyao Dai, Huanjie Dong, Xiaohan Wang, Yolo Y. Tang, Yixin Wang, Qifan Wang, Lifu Huang

机构 * Fudan University（复旦大学） ； Stanford University（斯坦福大学） ； University of Rochester（罗切斯特大学） ； Meta AI 纠错

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

AI总结 GLANCE提出一种全局-局部协调多智能体框架，通过双环架构实现视频编辑任务的长期规划与分段处理，引入新的协调机制和评估框架，实验表明其在视频生成质量上优于现有方法。

Comments 14 pages, 4 figures, under review

PaperOrchestra: A Multi-Agent Framework for Automated AI Research Paper Writing

PaperOrchestra：一个用于自动化AI论文写作的多智能体框架

Yiwen Song, Yale Song, Tomas Pfister, Jinsung Yoon

机构 * Google（谷歌） 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 PaperOrchestra通过多智能体框架将非结构化研究资料转化为可提交的LaTeX论文，包含全面的文献综述和生成的视觉内容，通过PaperWritingBench基准测试显著优于现有自动写作系统。

Comments Project Page: https://yiwen-song.github.io/paper_orchestra/

MARL-GPT: Foundation Model for Multi-Agent Reinforcement Learning

MARL-GPT：多智能体强化学习的基础模型

Maria Nesterova, Mikhail Kolosov, Anton Andreychuk, Egor Cherepanov, Oleg Bulichev, Alexey Kovalev, Konstantin Yakovlev, Aleksandr Panov, Alexey Skrynnik

机构 * MIRAI \& Innopolis University Moscow Russia ； MIRAI \& Innopolis University 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MARL-GPT，一种基于Transformer的多任务模型，能通过离线强化学习在不同多智能体环境中高效学习，无需任务特定调优，实验证明其在多个挑战性任务中表现优异。

Comments Accepted at AAMAS 2026 (AAAI Track)

MA-IDS: Multi-Agent RAG Framework for IoT Network Intrusion Detection with an Experience Library

MA-IDS：基于经验库的多智能体RAG框架用于物联网网络入侵检测

Md Shamimul Islam, Luis G. Jaimes, Ayesha S. Dina

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MA-IDS框架，结合大语言模型与RAG技术，通过经验库实现自学习的入侵检测，实验表明其在物联网网络中具有高准确率和可解释性。

Comments Preprint. Submitted to IEEE conference

Breakthrough the Suboptimal Stable Point in Value-Factorization-Based Multi-Agent Reinforcement Learning

突破基于价值因子化的多智能体强化学习中的次优稳定点

Lesong Tao, Yifei Wang, Haodong Jing, Jingwen Fu, Miao Kang, Shitao Chen, Nanning Zheng

机构 * State Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Institute of Artificial Intelligence and Robotics, Xi'an Jiaotong University（西安交通大学人工智能与机器人研究所，人机混合增强智能国家重点实验室） ； Zhongguancun Academy（中关村学院） 纠错

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

AI总结 本文提出多轮价值因子化框架MRVF，通过迭代过滤次优动作以实现全局最优，揭示了非最优稳定点对性能的影响，实验验证了方法的有效性。

EvolveRouter: Co-Evolving Routing and Prompt for Multi-Agent Question Answering

EvolveRouter: 多智能体问答中的共进化路由与提示

Jiatan Huang, Zheyuan Zhang, Kaiwen Shi, Yanfang Ye, Chuxu Zhang

机构 * University of Connecticut（康涅狄格大学） ； University of Notre Dame（圣母大学） 纠错

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

AI总结 EvolveRouter通过闭环共进化提升智能体质量和协作结构，实现动态适应的高效多智能体推理。

Governance-Aware Agent Telemetry for Closed-Loop Enforcement in Multi-Agent AI Systems

面向治理的代理遥测用于多代理AI系统中的闭环执行

Anshul Pathak, Nishant Jain

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GAAT框架，通过实时政策违规检测引擎和治理执行总线，实现多代理系统遥测与自动化政策执行的闭环，解决观测但不行动的缺口。

Territory Paint Wars: Diagnosing and Mitigating Failure Modes in Competitive Multi-Agent PPO

领土绘画之战：在竞争性多智能体PPO中的故障诊断与缓解

Diyansha Singh

机构 * Independent Researcher（独立研究者） 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Territory Paint Wars环境，研究PPO在自博弈中的失败模式，发现五个实现层面问题，并通过对手混合缓解竞争过拟合，恢复泛化性能。

Comments 16 pages, 5 figures

UAV-Assisted Resilience in 6G and Beyond Network Energy Saving: A Multi-Agent DRL Approach

无人机辅助的6G及未来网络节能：一种多智能体深度确定性策略梯度方法

Dao Lan Vy Dinh, Anh Nguyen Thi Mai, Hung Tran, Giang Quynh Le Vu, Tu Dac Ho, Zhenni Pan, Vo Nhan Van, Symeon Chatzinotas, Dinh-Hieu Tran

机构 * National Economics University（国立经济大学） ； Norwegian University of Science and Technology（挪威科技大学） ； Waseda University（早稻田大学） ； Duy Tan University（杜维谭大学） ； University of Luxembourg（卢森堡大学） ； National Academy of Education Management（国家教育管理学院） 纠错

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

AI总结 本文提出多智能体深度确定性策略梯度框架，通过优化无人机轨迹、传输功率和用户-无人机关联，提升网络韧性与无人机长期运行能力，降低能耗并提高覆盖范围。

Comments 6 pages, 5 figures, 1 table

Multi-Agent Cooperative Learning for Robust Vision-Language Alignment under OOD Concepts

多智能体协作学习用于应对异常概念下的鲁棒视觉语言对齐

Philip Xu

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

AI总结 本文提出多智能体协作学习框架，通过结构化信息传递缓解模态不平衡，提升视觉语言模型在异常概念下的对齐性能，实验表明在少样本和零样本设置中精度提升1-5%。

Comments arXiv admin note: This submission has been withdrawn by arXiv administrators due to incorrect authorship. Author list truncated

Distributed Algorithm for the Global Optimal Controller of Nonlinear Multi-Agent Systems

非线性多智能体系统的全局最优控制器分布式算法

Ruixue Li, Wenjing Yang, Zhaorong Zhang, Xun Li, Juanjuan Xu

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

AI总结 本文提出在信息结构受限下，通过分布式近似哈密顿-雅可比-贝尔曼方程实现非线性多智能体系统的全局最优控制器设计，验证了算法的有效性。

Comments 11 pages, 7 figures

Unsupervised Multi-agent and Single-agent Perception from Cooperative Views

无监督多智能体和单智能体感知：协作视角

Haochen Yang, Baolu Li, Lei Li, Delin Ren, Jiacheng Guo, Minghai Qin, Tianyun Zhang, Hongkai Yu

机构 * Cleveland State University（克利夫兰州立大学） 纠错

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

AI总结 本文提出UMS框架，通过多智能体协作提升点云密度，利用协作视角进行无监督3D目标检测，实验证明在V2V4Real和OPV2V数据集上性能优于现有方法。

Comments Accepted to CVPR2026

A Multi-Agent Approach to Validate and Refine LLM-Generated Personalized Math Problems

一种多智能体方法用于验证和细化LLM生成的个性化数学问题

Fareya Ikram, Nischal Ashok Kumar, Junyang Lu, Hunter McNichols, Candace Walkington, Neil Heffernan, Andrew S. Lan

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

AI总结 本文提出多智能体框架，通过生成-验证-修订流程提升LLM生成的个性化数学问题的现实性和可读性，实验显示单一迭代能显著减少初始问题的失败模式。

Comments Published in AIED 2026: The 27th International Conference on Artificial Intelligence in Education

SVAgent: Storyline-Guided Long Video Understanding via Cross-Modal Multi-Agent Collaboration

SVAgent：通过跨模态多智能体协作实现故事线引导的长视频理解

Zhongyu Yang, Zuhao Yang, Shuo Zhan, Tan Yue, Wei Pang, Yingfang Yuan

机构 * BCML, Heriot-Watt University（赫瑞瓦特大学BCML） ； Nanyang Technological University（南洋理工大学） ； Peking University（北京大学） 纠错

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

AI总结 SVAgent通过跨模态多智能体协作，利用故事线引导实现视频问答的高效理解，提升推理鲁棒性和答案一致性。

Comments Published in CVPR2026

Can We Trust a Black-box LLM? LLM Untrustworthy Boundary Detection via Bias-Diffusion and Multi-Agent Reinforcement Learning

我们能信任一个黑盒大语言模型吗？通过偏见扩散和多智能体强化学习进行大语言模型不可信边界检测

Xiaotian Zhou, Di Tang, Xiaofeng Wang, Xiaozhong Liu

机构 * Worcester Polytechnic Institute（伍斯特理工学院） ； Indiana University Bloomington（印第安纳大学布卢明顿分校） 纠错

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

AI总结 本文提出GMRL-BD算法，通过知识图谱和多智能体强化学习识别大语言模型在特定主题上的偏见边界，实验表明该算法能以少量查询高效检测不可信边界，并发布包含多个流行大语言模型的标注数据集。

Framing Effects in Independent-Agent Large Language Models: A Cross-Family Behavioral Analysis

独立代理大语言模型中的框架效应：跨家族行为分析

Zice Wang, Zhenyu Zhang

机构 * Northeastern University（东北大学） ； Beijing Institute of Technology（北京理工大学） 纠错

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

AI总结 研究探讨了在非交互多代理部署中，提示框架如何影响独立代理在阈值投票任务中的决策，发现框架效应显著影响选择分布，倾向于风险规避选项，揭示了非交互多代理部署中的重要偏差源。

Incremental Risk Assessment for Cascading Failures in Large-Scale Multi-Agent Systems

大规模多智能体系统中递增风险评估用于级联故障

Guangyi Liu, Vivek Pandey, Christoforos Somarakis, Nader Motee

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

AI总结 本文提出一种框架，用于研究和量化时间延迟共识网络中级联故障的风险，通过平均值在风险评估中使用系统性措施，揭示风险与拉普拉斯谱、通信延迟和噪声统计的依赖关系，并建立根本下界以评估网络性能。

Human Values Matter: Investigating How Misalignment Shapes Collective Behaviors in LLM Agent Communities

人类价值观至关重要：探讨价值观不一致如何塑造LLM代理社区的集体行为

Xiangxu Zhang, Jiamin Wang, Qinlin Zhao, Hanze Guo, Linzhuo Li, Jing Yao, Xiao Zhou, Xiaoyuan Yi, Xing Xie

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） ； Microsoft Research Asia（微软亚洲研究院） ； Department of Sociology, Zhejiang University（浙江大学社会学系） 纠错

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

AI总结 研究探讨LLM代理社区中价值观不一致如何影响集体行为，通过CIVA环境发现关键价值观对集体动态的影响及系统故障和欺骗行为的产生。

From Evidence to Verdict: An Agent-Based Forensic Framework for AI-Generated Image Detection

从证据到判决：一种基于智能体的AI生成图像检测框架

Mengfei Liang, Yiting Qu, Yukun Jiang, Michael Backes, Yang Zhang

机构 * 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(abstract)

AI总结 本文提出AIFo框架，通过多智能体协作进行多阶段取证分析，整合逆向图像搜索、元数据提取等工具，实现高准确率的AI生成图像检测。

Comments 15 pages, 5 figures

"When to Hand Off, When to Work Together": Expanding Human-Agent Co-Creative Collaboration through Concurrent Interaction

何时交接，何时协作：通过并发交互扩展人机协同创作

Kihoon Son, Hyewon Lee, DaEun Choi, Yoonsu Kim, Tae Soo Kim, Yoonjoo Lee, John Joon Young Chung, HyunJoon Jung, Juho Kim

机构 * School of Computing, KAIST（韩国科学技术院计算学院） ； Computer Science and Engineering, University of Michigan（密歇根大学计算机科学与工程系） 纠错

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

AI总结 研究探讨人机协同创作中并发交互的模式与能力需求，提出决策模型和标注数据集，揭示并发交互提升委托效果的核心作用。

Comments Check the demo videos on the website: https://cleo.kixlab.org/

Beneath the Surface: Investigating LLMs' Capabilities for Communicating with Subtext

表层之下：研究LLMs在使用隐喻沟通中的能力

Kabir Ahuja, Yuxuan Li, Andrew Kyle Lampinen

机构 * Google DeepMind（谷歌DeepMind） ； University of Washington（华盛顿大学） 纠错

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

AI总结 本文研究语言模型是否能利用隐喻进行沟通，并引入四个新评估套件。发现前沿模型倾向于过于直白的沟通，但在某些情况下能通过共同基础减少直白线索，但难以推断隐含的共同基础。

Service Placement in Small Cell Networks Using Distributed Best Arm Identification in Linear Bandits

利用线性老虎机中的分布式最佳臂识别在小型基站网络中进行服务部署

Mariam Yahya, Aydin Sezgin, Setareh Maghsudi

机构 * University of Tübingen（蒂宾根大学） ； Ruhr-University Bochum（波鸿鲁尔大学） 纠错

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

AI总结 本文研究了在小型基站网络中如何通过分布式最佳臂识别算法优化服务部署，以减少用户延迟。

FoleyDesigner: Immersive Stereo Foley Generation with Precise Spatio-Temporal Alignment for Film Clips

FoleyDesigner：基于精确时空对齐的沉浸式立体声 Foley 生成

Mengtian Li, Kunyan Dai, Yi Ding, Ruobing Ni, Ying Zhang, Wenwu Wang, Zhifeng Xie

机构 * Shanghai Film Academy, Shanghai University（上海大学上海电影学院） ； Shanghai Engineering Research Center of Motion Picture Special Effects（上海电影特效工程技术研究中心） ； University of Surrey, UK（英国萨里大学） 纠错

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

AI总结 本文提出 FoleyDesigner 框架，结合视频分析与可控 Foley 生成，引入 FilmStereo 数据集，实现高质量立体声生成与专业音频混合，提升电影沉浸体验。

Towards Securing IIoT: An Innovative Privacy-Preserving Anomaly Detector Based on Federated Learning

面向IIoT安全的隐私保护异常检测器：基于联邦学习的创新方法

Samira Kamali Poorazad, Chafika Benzaïd, Tarik Taleb

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出基于联邦学习的隐私保护异常检测器，通过本地数据处理和动态代理选择方案，提升IIoT环境下的隐私保护与效率。