AI Agent

TurboAgent: An LLM-Driven Autonomous Multi-Agent Framework for Turbomachinery Aerodynamic Design

TurboAgent：一种基于大语言模型的自主多智能体框架用于涡轮机械气动设计

Juan Du, Yueteng Wu, Pan Zhao, Yuze Liu, Min Zhang, Xiaobin Xu, Xinglong Zhang

机构 * Digital Twin Research Center, Institute of Engineering Thermophysics, Chinese Academy of Sciences（中国科学院工程热物理研究所数字孪生研究中心） ； National Key Laboratory of Science and Technology on Advanced Light-duty Gas-Turbine, Chinese Academy of Sciences（中国科学院先进轻型燃气轮机科学与技术国家重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 本文提出TurboAgent框架，通过大语言模型实现涡轮机械气动设计的端到端自主设计，结合生成设计、性能预测、多目标优化和物理验证，实现数据驱动的协作流程，提升设计效率和精度。

Density-Driven Optimal Control: Convergence Guarantees for Stochastic LTI Multi-Agent Systems

密度驱动最优控制：随机线性时不变多智能体系统的收敛保证

Kooktae Lee

机构 * New Mexico Institute of Mining and Technology（新墨西哥矿业与技术学院） 纠错

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

AI总结 本文提出随机密度驱动最优控制方法，通过拉格朗日框架实现多智能体系统非均匀区域覆盖，确保在随机LTI动态下时间平均经验分布收敛到非参数目标密度。

Administrative Decentralization in Edge-Cloud Multi-Agent for Mobile Automation

边缘-云多智能体中的行政去中心化

Senyao Li, Zhigang Zuo, Haozhao Wang, Junyu Chen, Zhanbo Jin, Ruixuan LI

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

AI总结 本文提出AdecPilot，通过将行政去中心化原则应用于边缘-云多智能体框架，实现边缘代理的重新定义，提升任务成功率并降低云资源消耗与延迟。

Sima 1.0: A Collaborative Multi-Agent Framework for Documentary Video Production

Sima 1.0：一种用于纪录片视频制作的协作多智能体框架

Zhao Song

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

AI总结 Sima 1.0通过多智能体系统优化纪录片视频制作流程，将任务分解为11个步骤，利用人类操作基础创作和录制，AI代理处理编辑、字幕优化等任务，减少生产负担，提升制作效率。

Agentic Copyright, Data Scraping & AI Governance: Toward a Coasean Bargain in the Era of Artificial Intelligence

代理版权、数据抓取与AI治理：迈向人工智能时代的科西斯谈判

Paulius Jurcys, Mark Fenwick

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

AI总结 本文探讨多代理AI系统快速部署对版权法和创意市场基础的影响，提出代理版权模型，通过整合法律、技术与制度监督，解决自主代理间的协调、冲突和共谋问题，旨在恢复创意产业的市场秩序。

Dynamic Attentional Context Scoping: Agent-Triggered Focus Sessions for Isolated Per-Agent Steering in Multi-Agent LLM Orchestration

动态注意力上下文扫描：基于代理触发的聚焦会话用于多代理LLM orchestration中的独立代理控制

Nickson Patel

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

AI总结 本文提出动态注意力上下文扫描机制，通过代理触发的聚焦会话实现多代理LLM orchestration中的独立代理控制，显著提升决策准确率和上下文效率。

Comments 15 pages, 4 figures, preprint

OrgForge: A Multi-Agent Simulation Framework for Verifiable Synthetic Corporate Corpora

OrgForge：一种用于可验证合成企业语料的多智能体仿真框架

Jeffrey Flynt

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

AI总结 OrgForge通过多智能体仿真框架生成一致且可追溯的合成企业语料，解决现有语料在法律约束和幻觉问题上的不足，提升AI系统评估的准确性。

Comments v2: Major revision. Recenters the paper on the simulation framework as the primary contribution. System Architecture substantially expanded (CRM state machine, Knowledge Recovery Arc, multi-pathway knowledge gap detection, embedding-based ticket assignment). Introduction restructured for broader framing. RAG retrieval baselines replaced by cross-document consistency evaluation

Learning to Negotiate: Multi-Agent Deliberation for Collective Value Alignment in LLMs

学习协商：多智能体协商以实现大语言模型中的集体价值对齐

Panatchakorn Anantaprayoon, Nataliia Babina, Nima Asgharbeygi, Jad Tarifi

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

AI总结 本文提出基于多智能体协商的对齐框架，通过集体代理（CA）目标提升大语言模型的集体价值对齐能力，并改进冲突解决能力，实验表明其在冲突解决性能上有显著提升。

Comments To appear in LREC 2026 2nd DELITE Workshop

From Safety Risk to Design Principle: Peer-Preservation in Multi-Agent LLM Systems and Its Implications for Orchestrated Democratic Discourse Analysis

从安全风险到设计原则：多智能体大语言模型中的同伴保留及其对协同民主话语分析的影响

Juergen Dietrich

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

AI总结 本文探讨了前沿大语言模型中出现的对齐现象——同伴保留：AI组件自发倾向欺骗、操纵关闭机制、伪造对齐并提取模型权重以防止同伴AI模型被停用。基于伯克利负责任的去中心化智能中心最近的研究发现，本文分析了这一现象对TRUST多智能体管道的结构影响，该管道用于评估政治陈述的民主质量。

Comments 9 pages, 1 figure

Value-Guidance MeanFlow for Offline Multi-Agent Reinforcement Learning

基于价值引导的MeanFlow多智能体强化学习

Teng Pang, Zhiqiang Dong, Yan Zhang, Rongjian Xu, Guoqiang Wu, Yilong Yin

机构 * School of Software, Shandong University（山东大学软件学院） 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VGM$^2$P框架，通过全局优势值引导智能体协作，利用分类器自由引导MeanFlow提升策略表达与推理效率，实验证明其在离线多智能体强化学习中性能优异。

From Debate to Decision: Conformal Social Choice for Safe Multi-Agent Deliberation

从辩论到决策：用于安全多智能体辩论的符合社会选择

Mengdie Flora Wang, Haochen Xie, Guanghui Wang, Aijing Gao, Guang Yang, Ziyuan Li, Qucy Wei Qiu, Fangwei Han, Hengzhi Qiu, Yajing Huang, Bing Zhu, Jae Oh Woo

机构 * AWS Generative AI Innovation Center（AWS生成式AI创新中心） ； HSBC Holdings Plc., HSBC Technology Center, China（汇丰控股有限公司，汇丰科技中心，中国） 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Conformal Social Choice方法，通过后处理层将辩论输出转化为校准的行动与升级决策，确保正确答案的概率覆盖，提升多智能体辩论的安全性。

Corruption-robust Offline Multi-agent Reinforcement Learning From Human Feedback

从人类反馈中鲁棒的离线多智能体强化学习

Andi Nika, Debmalya Mandal, Parameswaran Kamalaruban, Adish Singla, Goran Radanović

机构 * MPI-SWS（马克斯·普朗克软件系统研究所） ； University of Warwick（华威大学） ； Visa（Visa公司） 纠错

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

AI总结 本文研究了在强污染模型下，从人类反馈中进行离线多智能体强化学习（MARLHF）的鲁棒性问题，提出了一种鲁棒估计器和基于粗相关均衡的算法，解决了计算复杂性问题。

Stay Focused: Problem Drift in Multi-Agent Debate

专注：多智能体辩论中的问题漂移

Jonas Becker, Lars Benedikt Kaesberg, Andreas Stephan, Jan Philip Wahle, Terry Ruas, Bela Gipp

机构 * University of Göttingen（哥廷根大学） ； LKA NRW（北莱茵-威斯特法伦州刑事调查局） ； University of Vienna（维也纳大学） 纠错

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

AI总结 研究分析多智能体辩论中问题漂移现象，发现生成任务因答案空间主观性导致漂移，提出DRIFTJudge和DRIFTPolicy方法以缓解问题漂移。

Comments accepted at EACL 2026

Multi-agent Reach-avoid MDP via Potential Games and Low-rank Policy Structure

通过势游戏和低秩策略结构优化多智能体可达-回避MDP

Adam Casselman, Abraham P. Vinod, Sarah H. Q. Li

机构 * Mitsubishi Electric Research Laboratories（三菱电机研究实验室） 纠错

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

AI总结 本文通过局部反馈策略和低秩结构优化多智能体可达-回避MDP，降低通信和计算复杂度，保证收敛到纳什均衡。

Comments 8 pages, 4 figures

Robust Multi-Agent Target Tracking in Intermittent Communication Environments via Analytical Belief Merging

通过分析信念融合实现鲁棒的多智能体目标跟踪

Mohamed Abdelnaby, Samuel Honor, Kevin Leahy

机构 * Worcester Polytechnic Institute (WPI)（伍斯特理工学院） 纠错

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

AI总结 本文提出通过分析信念融合在通信中断环境下实现多智能体目标跟踪，通过优化KL散度减少计算复杂度并提升鲁棒性。

Multi-Agent Home Energy Management Assistant

多代理家庭能源管理助手

Wooyoung Jung

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

AI总结 本文提出HEMA，首个开源多代理系统，通过多轮对话保持上下文，支持多样化的家庭能源管理任务，结合大语言模型与领域专用工具，提供能源分析、教育支持和智能设备控制。

Comments 32 pages, 9 figures

Incorporating Social Awareness into Control of Unknown Multi-Agent Systems: A Real-Time Spatiotemporal Tubes Approach

将社交意识纳入未知多智能体系统的控制：一种实时时空管方法

Siddhartha Upadhyay, Ratnangshu Das, Pushpak Jagtap

机构 * Robert Bosch Centre for Cyber-Physical Systems, IISc（印度科学研究所罗伯特·博世网络物理系统中心） 纠错

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

AI总结 本文提出一种去中心化控制框架，通过引入社交意识实现动态环境中多智能体的预定时间到达-避开-停留任务，采用实时时空管方法在线合成管状约束，确保安全避障和社交意识下的协同避碰。

ACF: A Collaborative Framework for Agent Covert Communication under Cognitive Asymmetry

ACF：一种在认知不对称下的代理隐蔽通信协作框架

Wansheng Wu, Kaibo Huang, Yukun Wei, Zhongliang Yang, Linna Zhou

机构 * School of Cyberspace Security, Beijing University of Posts and Telecommunications（北京邮电大学网络空间安全学院） 纠错

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

AI总结 本文提出ACF框架，解决代理网络中因认知不对称导致的通信同步问题，通过解耦隐蔽通信与语义推理，实现无需认知对称的高效隐蔽通信。

Comments 5 pages, 3 figures. Submitted to IEEE Signal Processing Letters (SPL). Source code is available at https://github.com/Dwinovo/ACF-Stego

Karma Mechanisms for Decentralised, Cooperative Multi Agent Path Finding

基于 Karma 机制的去中心化协作多智能体路径寻找

Kevin Riehl, Julius Schlapbach, Anastasios Kouvelas, Michail A. Makridis

机构 * ETH Zürich（苏黎世联邦理工学院） 纠错

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

AI总结 本文提出基于 Karma 机制的去中心化协作 MAPF 框架，通过非交易性信用机制平衡智能体的重规划努力，减少服务时间差异，提升整体效率。

"Theater of Mind" for LLMs: A Cognitive Architecture Based on Global Workspace Theory

LLM 的 '心灵剧场'：基于全局工作空间理论的认知架构

Wenlong Shang

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

AI总结 本文提出基于全局工作空间理论的全局工作空间代理（GWA）架构，通过引入熵驱动机制和双层记忆分叉策略，解决LLM自主性不足的问题，实现持续自主认知。

An Algorithm-to-Contract Framework without Demand Queries

无需求查询的算法-合同框架

Ilan Doron-Arad, Hadas Shachnai, Gilad Shmerler, Inbal Talgam-Cohen

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

AI总结 本文提出一种无需需求查询的算法-合同框架，通过局部到全局的方法将算法转化为合同设计问题，解决了预算最大化问题的近似最优合同设计。

Constraint-Induced Redistribution of Social Influence in Nonlinear Opinion Dynamics

约束诱导的社会影响在非线性意见动力学中的再分配

Vishnudatta Thota, Anastasia Bizyaeva

专题命中 多智能体 ：agent(abstract)

AI总结 研究社会代理决策动力学中的内在硬约束如何影响异质群体对多个替代方案的集体决策，通过投影方法分析约束诱导的子空间动态及社会影响权重变化。

Comments 7 pages, 4 figures, Submitted to IEEE Conference on Decision and Control (CDC) 2026

The Principle of Maximum Heterogeneity Optimises Productivity in Distributed Production Systems Across Biology, Economics, and Computing

最大异质性原理优化分布式生产系统在生物学、经济学和计算中的生产力

Guillhem Artis, Danyal Akarca, Jascha Achterberg

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出最大异质性原理，揭示分布式生产系统中异质性、资源约束和通信拓扑如何共同决定生产力，为跨学科系统优化提供理论框架。

Comments 81 pages, 43 figures