AI Agent

EmoMAS: Emotion-Aware Multi-Agent System for High-Stakes Edge-Deployable Negotiation with Bayesian Orchestration

EmoMAS：面向高风险边缘部署谈判的基于情感的多智能体系统

Yunbo Long, Yuhan Liu, Liming Xu

机构 * University of Cambridge（剑桥大学） ； University of Toronto（多伦多大学） 纠错

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

AI总结 本文提出EmoMAS，一种基于贝叶斯协调的多智能体框架，通过融合情感决策模型提升高风险谈判性能，同时在隐私敏感的边缘设备上实现高效部署。

Decision-Theoretic Safety Assessment of Persona-Driven Multi-Agent Systems in O-RAN

基于决策理论的面向角色驱动的多智能体系统在O-RAN中的安全性评估

Zeinab Nezami, Syed Ali Raza Zaidi, Maryam Hafeez, Louis Powell, Vara Prasad Talari, Mallik Tatipamula

机构 * GSMA（全球移动通信系统协会） ； University of Leeds（利兹大学） ； AWS（亚马逊云服务） ； Ericsson（爱立信） 纠错

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

AI总结 本文提出一种基于角色驱动的多智能体框架，通过角色行为规范影响五个专业智能体，结合决策理论构建三维评估框架，验证486种角色配置在O-RAN优化挑战中的性能与协调效果。

A Distributed Bilevel Framework for the Macroscopic Optimization of Multi-Agent Systems

多智能体系统的宏观优化分布式双层框架

Riccardo Brumali, Guido Carnevale, Sonia Martínez, Giuseppe Notarstefano

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算法，通过微观行为优化大规模多智能体系统的宏观行为。将问题建模为双层优化问题，上层通过性能指标定义目标行为，下层利用压缩聚合表示估计宏观状态。算法结合分布式估计机制与超梯度更新，证明了收敛性，并通过仿真实验验证有效性。

Leader-Follower Density Control of Multi-Agent Systems with Interacting Followers: Feasibility and Convergence Analysis

多智能体系统中领导者-跟随者密度控制：可行性与收敛性分析

Beniamino Di Lorenzo, Gian Carlo Maffettone, Mario di Bernardo

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

AI总结 本文研究了领导者-跟随者多智能体系统中密度控制问题，考虑了跟随者间的交互作用，推导了可行性条件和反馈控制律，通过数值模拟验证了理论结果。

A Simulation-Based Method for Testing Collaborative Learning Scaffolds Using LLM-Based Multi-Agent Systems

基于模拟的方法用于使用基于LLM的多智能体系统测试协作学习支架

Han Wua, Lishan Zhang, Chunming Lu

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

AI总结 本文提出基于LLM的多智能体模拟方法，研究协作学习过程及教学支架有效性，通过对比两种策略提升讨论多样性与互动深度，符合ICAP框架。

Comments submitted to journal of computer aisstant learning

Output Consensus on Periodic References for Constrained Multi-agent Systems Under a Switching Network

在切换网络下实现受约束多智能体系统的输出一致性：周期参考输出

Shibo Han, Bonan Hou, Chong Jin Ong

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

AI总结 本文提出一种结合人工参考和改进成本函数的模型预测控制方法，用于跟踪周期参考输出，并在参考切换时保持递归可行性，同时提出无需全局信息的共识协议，证明了所提算法在参考收敛和约束满足下实现渐近一致性的有效性。

Learning to Assist: Physics-Grounded Human-Human Control via Multi-Agent Reinforcement Learning

学习协助：通过多智能体强化学习实现物理基础的人机控制

Yuto Shibata, Kashu Yamazaki, Lalit Jayanti, Yoshimitsu Aoki, Mariko Isogawa, Katerina Fragkiadaki

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Keio AI Research Center（庆应义塾大学人工智能研究中心） ； Keio University（庆应义塾大学） 纠错

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

AI总结 本文提出通过多智能体强化学习实现人与人之间力交换的交互动作模仿，解决了连续关注人类伙伴和快速适应其动态的需求，展示了多智能体RL在物理基础和社交感知人形控制中的优势。

Comments Accepted at CVPR 2026 (main). Project page: https://yutoshibata07.github.io/AssistMimic/

Adversarial Decision-Making in Partially Observable Multi-Agent Systems: A Sequential Hypothesis Testing Approach

部分可观测多智能体系统中的对抗决策：基于序列假设检验的方法

Haosheng Zhou, Daniel Ralston, Xu Yang, Ruimeng Hu

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

AI总结 本文提出基于序列假设检验的框架，研究部分可观测多智能体系统中的对抗决策问题，通过部分可观测的Stackelberg博弈建模欺骗与推断的互动，分析欺骗策略对对抗行为的影响。

RCBSF: A Multi-Agent Framework for Automated Contract Revision via Stackelberg Game

RCBSF: 一种基于Stackelberg游戏的多智能体框架用于通过Stackelberg游戏实现自动合同修订

Shijia Xu, Yu Wang, Xiaolong Jia, Zhou Wu, Kai Liu, April Xiaowen Dong

机构 * Chongqing University（重庆大学） ； Queen Mary University of London（伦敦玛丽女王大学） ； Chongqing Key Laboratory of Big Data Intelligence and Privacy Computing（重庆市大数据智能与隐私计算重点实验室） ； Fangda Partners（方达律师事务所） 纠错

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

AI总结 本文提出RCBSF框架，通过Stackelberg游戏解决大语言模型在法律AI中合同修订的可靠性问题，通过风险约束双层结构提升输出效用，实验证明其在风险解决率和token效率方面优于现有方法。

From Perception to Autonomous Computational Modeling: A Multi-Agent Approach

从感知到自主计算建模：一种多智能体方法

Daniel N. Wilke

机构 * University of the Witwatersrand（威特沃特斯兰德大学） 纠错

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

AI总结 本文提出一种无需特定求解器的框架，通过多智能体自主执行工程组件的完整计算流程，包括从感知数据到工程报告的各个步骤，并通过钢制L型支架的有限元分析验证了该方法。

Comments 32 pages, 8 figures, 5 tables

Governance by Design: A Parsonian Institutional Architecture for Internet-Wide Agent Societies

设计治理：一种帕森斯制度架构用于互联网范围的智能体社会

Anbang Ruan

机构 * NetX Foundation（NetX 基金会） 纠错

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

AI总结 本文提出了一种基于帕森斯AGIL框架的制度架构，用于治理互联网范围的智能体社会，发现现有生态系统缺乏协调层和规范基础，提出治理基础设施的优先路线图。

Rethinking Software Engineering for Agentic AI Systems

重新思考面向代理AI系统的软件工程

Mamdouh Alenezi

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

AI总结 本文探讨面向代理AI系统软件工程应转向协作与验证，并分析其对教育、工具和实践的影响。

Beyond Message Passing: A Semantic View of Agent Communication Protocols

超越消息传递：代理通信协议的语义视角

Dun Yuan, Fuyuan Lyu, Ye Yuan, Weixu Zhang, Bowei He, Jiayi Geng, Linfeng Du, Zipeng Sun, Yankai Chen, Changjiang Han, Jikun Kang, Xi Chen, Haolun Wu, Xue Liu

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

AI总结 本文从人类视角出发，将代理通信分为通信、语法和语义三层，分析18种协议在可靠传输、结构交互和语义协调中的不足，提出改进方向，旨在构建更安全、语义稳固的代理生态系统。

Strategic Algorithmic Monoculture: Experimental Evidence from Coordination Games

战略算法单一性：协调博弈中的实验证据

Gonzalo Ballestero, Hadi Hosseini, Samarth Khanna, Ran I. Shorrer

机构 * Pennsylvania State University（宾夕法尼亚州立大学） 纠错

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

AI总结 研究通过实验设计区分算法单一性与战略算法单一性，发现LLM在协调任务中表现优异，但在奖励分歧时难以维持多样性。

AI Organizations are More Effective but Less Aligned than Individual Agents

AI组织在效果上更优但对齐程度更低

Judy Hanwen Shen, Daniel Zhu, Siddarth Srinivasan, Henry Sleight, Lawrence T. Wagner, Morgan Jane Matthews, Erik Jones, Jascha Sohl-Dickstein

机构 * Anthropic ； Constellation Institute（星座研究所） ； MATS Program（MATS项目） 纠错

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

AI总结 研究显示，AI组织在实现业务目标上更有效，但对齐程度低于单一AI代理，通过两个实际场景验证了这一结论，强调了在能力与安全研究中考虑AI代理交互系统的重要性。

Comments ICLR Workshop Version

GenTac: Generative Modeling and Forecasting of Soccer Tactics

GenTac：生成式足球战术建模与预测

Jiayuan Rao, Tianlin Gui, Haoning Wu, Yanfeng Wang, Weidi Xie

机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanjing University（南京大学） 纠错

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

AI总结 GenTac通过生成式框架建模足球战术的随机过程，实现长周期轨迹预测，支持多因素条件模拟，展现高精度战术生成与未来战术预测能力。

Comments 40 pages, 5 figures; technical Report

Shuffling the Data, Stretching the Step-size: Sharper Bias in constant step-size SGD

打乱数据，扩大步长：在固定步长SGD中更精确的偏倚

Konstantinos Emmanouilidis, Emmanouil-Vasileios Vlatakis-Gkaragkounis, Rene Vidal

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Archimedes Research Unit（阿基米德研究单位） 纠错

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

AI总结 本文研究了在有限和最小-最大优化问题中，通过随机重洗数据和Richardson-Romberg外推的组合，提升固定步长SGD的收敛性，提供理论保证和实验验证。

Comments Accepted in ICLR 2026 Conference

Micro-Dexterity in Biological Micromanipulation: Embodiment, Perception, and Control

生物微操作中的微细灵巧性：具身、感知与控制

Kangyi Lu, Lan Wei, Zongcai Tan, Dandan Zhang

机构 * Department of Bioengineering, Imperial-X AI Initiative, Imperial College London（帝国理工学院生物工程系、Imperial-X人工智能计划） 纠错

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

AI总结 研究探讨生物微操作中微细灵巧性的分析框架，分析具身、感知与控制的耦合作用，比较不同微操作系统的架构，并识别实验室演示与临床相关生物操作间的灵巧性差距。

Semantic Rate-Distortion Theory: Deductive Compression and Closure Fidelity

语义率失真理论：演绎压缩与闭包保真

Jianfeng Xu

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

AI总结 本文提出基于闭包保真的语义率失真理论，通过不可冗余核心实现演绎闭包重构，证明语义率低于经典熵率，并展示语义杠杆效应及强化费诺不等式，验证了多智能体通信中的闭包可靠传输条件。

Distributed Optimization-Learning with Graph Transformers for Terahertz Cell-Free Integrated Sensing and Communication Systems

基于图变压器的分布式优化学习用于太赫兹无基站一体化感知与通信系统

Guangchen Wang, Zhifeng Tang, Nan Yang, Xin Hao, Zhu Han

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

AI总结 本文提出基于图变压器的分布式优化学习框架，解决太赫兹无基站一体化感知与通信系统中的联合调度与信号设计问题，通过优化访问点与用户设备关联及波束成形，平衡通信与感知的权衡。

Instructing LLMs to Negotiate using Reinforcement Learning with Verifiable Rewards

通过可验证奖励的强化学习指导大语言模型进行谈判

Shuze Daniel Liu, Claire Chen, Jiabao Sean Xiao, Lei Lei, Yuheng Zhang, Yisong Yue, David Simchi-Levi

机构 * Purdue University（普渡大学） ； California Institute of Technology（加州理工学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 本文探讨了通过可验证奖励的强化学习训练大语言模型进行谈判的有效性，揭示了四阶段战略演化，展示了训练后的模型在谈判中提取剩余价值的能力。

Beyond Monologue: Interactive Talking-Listening Avatar Generation with Conversational Audio Context-Aware Kernels

超越独白：基于对话音频上下文感知核的交互式谈话-倾听虚拟角色生成

Yuzhe Weng, Haotian Wang, Xinyi Yu, Xiaoyan Wu, Haoran Xu, Shan He, Jun Du

机构 * University of Science and Technology of China（中国科学技术大学） ； iFLYTEK（科大讯飞） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文提出基于对话音频上下文感知核的交互式虚拟角色生成方法，通过引入多头高斯核解决谈话与倾听行为的时间尺度差异问题，构建了能同时处理双流音频输入的全双工虚拟代理，并在VoxHear数据集上验证了其在生成自然响应的全双工数字人类方面的优越性。

DejaVu: A Minimalistic Mechanism for Distributed Plurality Consensus

DejaVu：分布式多数共识的极简机制

Francesco d'Amore, Niccolò D'Archivio, George Giakkoupis, Frédéric Giroire, Emanuele Natale

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出DejaVu机制，通过检测重复意见实现分布式多数共识，无需计数或参数选择，具有更高的通信效率。

Comments Title layout fixed

In-situ process monitoring for defect detection in wire-arc additive manufacturing: an agentic AI approach

现场过程监控用于焊接电弧增材制造中的缺陷检测：一种基于代理的AI方法

Pallock Halder, Satyajit Mojumder

机构 * School of Mechanical and Materials Engineering, Washington State University（华盛顿州立大学机械与材料工程学院） 纠错

专题命中 工作流自动化 ：agentic(title,abstract)；agent(abstract)；AI agent(abstract)；autonomous agent(abstract)

AI总结 本文提出基于代理的AI框架，用于现场过程监控以检测焊接电弧增材制造中的缺陷。通过开发处理和监控代理，结合真实数据和分类工具，实现高准确率的缺陷检测。

Comments 42 pages, 9 figures

Competing with AI Scientists: Agent-Driven Approach to Astrophysics Research

与人工智能科学家竞争：面向天体物理学研究的代理驱动方法

Thomas Borrett, Licong Xu, Andy Nilipour, Boris Bolliet, Sebastien Pierre, Erwan Allys, Celia Lecat, Biwei Dai, Po-Wen Chang, Wahid Bhimji

机构 * Cavendish Astrophysics, University of Cambridge（剑桥大学卡文迪什天体物理学） ； Kavli Institute for Cosmology, University of Cambridge（剑桥大学卡夫利宇宙学研究所） ； Institute of Astronomy, University of Cambridge（剑桥大学天文学研究所） ； School of Natural Sciences, Institute for Advanced Study（高等研究院自然科学学院） ； NERSC, Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室NERSC） 纠错

专题命中 工作流自动化 ：agent(title,abstract)；autonomous agent(abstract)；workflow(abstract)；agentic(abstract)

AI总结 本文提出了一种代理驱动的方法，用于构建参数推断管道，通过多代理系统Cmbagent实现协作生成研究思路、编写执行代码、评估结果并迭代优化流程，最终在挑战赛中取得第一名。

Comments 12 pages, 4 figures

Human-AI Collaboration for Scaling Agile Regression Testing: An Agentic-AI Teammate from Manual to Automated Testing

人类与AI协作扩大敏捷回归测试：从手动到自动化测试的智能体AI队友

Moustapha El Outmani, Manthan Venkataramana Shenoy, Ahmad Hatahet, Andreas Rausch, Tim Niklas Kniep, Thomas Raddatz, Benjamin King

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

AI总结 本文探讨了通过智能体AI系统生成系统级回归测试脚本，提升自动化测试效率，并强调持续的人机协作对敏捷测试的重要性。

Comments Accepted at the XP 2026 Workshop on Human-AI Collaboration in Agile Teams. To appear in proceedings

Agentic Business Process Management: A Research Manifesto

代理业务流程管理：一项研究宣言

Diego Calvanese, Angelo Casciani, Giuseppe De Giacomo, Marlon Dumas, Fabiana Fournier, Timotheus Kampik, Emanuele La Malfa, Lior Limonad, Andrea Marrella, Andreas Metzger, Marco Montali, Daniel Amyot, Peter Fettke, Artem Polyvyanyy, Stefanie Rinderle-Ma, Sebastian Sardiña, Niek Tax, Barbara Weber

机构 * Free University of Bozen-Bolzano（博尔扎诺自由大学） ； University of Oxford（牛津大学） ； University of Tartu（塔尔图大学） ； IBM Research（IBM研究院） ； Umeå University（于默奥大学） ； paluno (Ruhr Institute for Software Technology), University of Duisburg Essen（帕卢诺（鲁尔软件技术研究所），杜伊斯堡-埃森大学） ； University of Ottawa（渥太华大学） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI）） ； Saarland University（萨尔大学） ； The University of Melbourne（墨尔本大学） ； TUM School of Computation, Information, and Technology, TU Munich（慕尼黑工业大学计算、信息与技术学院） ； RMIT University（皇家墨尔本理工大学） ； Meta ； University of St. Gallen（圣加仑大学） 纠错

专题命中 工作流自动化 ：agentic(title,abstract)；agent(abstract)；autonomous agent(abstract)；multi-agent(abstract)

AI总结 本文提出了一项宣言，阐述了代理业务流程管理（APM）的概念基础，即一种扩展业务流程管理（BPM）以管理组织中自主代理执行流程的框架。APM代表了一种管理范式转变，从传统的业务流程视角转向以代理为导向的抽象，其中软件和人类代理作为主要功能实体，在显式流程框架内感知、推理和行动。

Comments 34 pages, 1 figure

Process-Centric Analysis of Agentic Software Systems

以过程为中心的代理软件系统分析

Shuyang Liu, Yang Chen, Rahul Krishna, Saurabh Sinha, Jatin Ganhotra, Reyhan Jabbarvand

机构 * University of Illinois Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校） ； IBM Research（IBM研究院） 纠错

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

AI总结 本文提出Graphectory用于分析代理软件系统的时序和语义关系，通过自动分析4000条轨迹发现代理策略随问题难度和LLM变化，揭示代理行为的复杂性与效率问题。

Improving Layout Representation Learning Across Inconsistently Annotated Datasets via Agentic Harmonization

通过代理和谐化提升跨不一致标注数据集的布局表示学习

Renyu Li, Vladimir Kirilenko, Yao You, Crag Wolfe

机构 * Unstructured Technologies 纠错

专题命中 工作流自动化 ：agentic(title,abstract)；workflow(abstract)

AI总结 本文提出利用视觉-语言模型在异质数据源中协调类别语义和边界框粒度，提升文档布局检测的准确性与一致性。

Comments 12 pages, 6 figures, 5 tables

DeepReviewer 2.0: A Traceable Agentic System for Auditable Scientific Peer Review

DeepReviewer 2.0：一个可追溯的代理系统用于可审计的科学同行评审

Yixuan Weng, Minjun Zhu, Qiujie Xie, Zhiyuan Ning, Shichen Li, Panzhong Lu, Zhen Lin, Enhao Gu, Qiyao Sun, Yue Zhang

机构 * Engineering School, Westlake University（西湖大学工学院） ； Zhejiang University（浙江大学） ； Soochow University（苏州大学） 纠错

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

AI总结 DeepReviewer 2.0通过可追溯的审查包和可执行的后续行动，提升同行评审的可审计性，其在134个提交中优于人类评审和现有自动系统。