AI Agent

Debate to Align: Reliable Entity Alignment through Two-Stage Multi-Agent Debate

辩论以对齐：通过双阶段多智能体辩论实现可靠的实体对齐

Cunda Wang, Ziying Ma, Po Hu, Weihua Wang, Feilong Bao

机构 * Hubei Provincial Key Laboratory of Artificial Intelligence and Smart Learning, Central China Normal University, Wuhan, China（湖北人工智能与智能学习省级重点实验室，中央财经大学，武汉，中国） ； School of Computer Science, Central China Normal University, Wuhan, China（中央财经大学计算机科学学院，武汉，中国） ； National Language Resources Monitoring and Research Center for Network Media, Central China Normal University, Wuhan, China（网络媒体语言资源监测与研究中心，中央财经大学，武汉，中国） ； College of Computer Science, Inner Mongolia University, Hohhot, China（内蒙古大学计算机学院，呼和浩特，中国） ； National and Local Joint Engineering Research Center of Intelligent Information Processing Technology for Mongolian, Inner Mongolia University, Hohhot, China（蒙古语智能信息处理技术国家与地方联合工程研究中心，内蒙古大学，呼和浩特，中国） ； Inner Mongolia Key Laboratory of Multilingual Artificial Intelligence Technology, Inner Mongolia University, Hohhot, China（内蒙古多语言人工智能技术重点实验室，内蒙古大学，呼和浩特，中国） 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AgentEA框架，通过双阶段多角色辩论机制提升实体对齐的可靠性，实验表明其在跨语言、稀疏、大规模和异构场景下均有效。

Learning Probabilistic Responsibility Allocations for Multi-Agent Interactions

多智能体交互中的概率责任分配学习

Isaac Remy, Caleb Chang, Karen Leung

机构 * University of Washington, Department of Aeronautics and Astronautics（华盛顿大学航空航天系） ； NVIDIA 纠错

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

AI总结 本文提出一种学习多智能体交互中概率责任分配模型的方法，通过条件变分自动编码器的潜在空间和多智能体轨迹预测技术，实现基于场景和智能体上下文的责任分配分布学习，展示了在INTERACTION驾驶数据集上的强预测性能和可解释性。

Fairness in Multi-Agent Systems for Software Engineering: An SDLC-Oriented Rapid Review

多代理系统在软件工程中的公平性：面向软件开发生命周期的快速综述

Corey Yang-Smith, Ronnie de Souza Santos, Ahmad Abdellatif

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

AI总结 本文综述了多代理系统在软件工程中的公平性研究，分析了LLM赋能环境下的公平性框架，指出当前研究在评估实践、泛化能力及缓解机制方面存在三大不足。

Comments 8 pages, 4 figures. Accepted to the LLMTrust workshop at FSE Companion 2026

Topology Estimation for Open Multi-Agent Systems

开放多智能体系统中的拓扑估计

Nana Wang, Pelin Sekercioglu, Dimos V. Dimarogonas

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

AI总结 针对动态节点集和快速切换交互的开放多智能体系统，提出基于投影的不相似性度量方法，通过局部最小二乘算子的一致性性质实现鲁棒模式聚类，从而准确估计拓扑结构。

Comments Accepted to IFAC WC 2026

Knowledge Compounding: An Empirical Economic Analysis of Self-Evolving Knowledge Wikis under the Agentic ROI Framework

知识叠加：基于代理ROI框架的自演化知识维基的实证经济分析

Shuide Wen, Beier Ku

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

AI总结 本文基于代理ROI框架，提出知识叠加概念，并通过实验验证其在LLM代理实证经济学中的有效性，揭示了知识叠加对经济效率的提升机制。

Comments 27 pages, 6 figures, 4 tables, 17 references. Includes empirical data from the Qing Claw open-source multi-agent framework and a 30-day calibrated projection (deterministic seed = 42, fully reproducible). JEL: C63, D24, O33, L86

MIND: AI Co-Scientist for Material Research

MIND：用于材料研究的人工智能合作者

Geonhee Ahn, Donghyun Lee, Hayoung Doo, Jonggeol Na, Hyunsoo Cho, Sookyung Kim

机构 * Institute for Multiscale Matter and Systems（多尺度物质与系统研究所） 纠错

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

AI总结 MIND提出一种基于大语言模型的框架，用于自动化验证材料研究中的假设，通过多智能体流程整合机器学习交互势能进行实验验证，并提供网页界面进行自动化假设测试。

Comments 4 pages, 3 figures. Under review for ECML PKDD 2026 Demonstration Track. Code available at https://github.com/IMMS-Ewha/MIND . Demo video available at https://youtu.be/lqiFe1OQzN4

Homotopy-Guided Potential Games for Congestion-Aware Navigation

基于同调的势游戏用于拥堵感知导航

Mohammed Irshadh Ismaaeel Sathyamangalam Imran, Lasse Peters, Michael Khayyat, Stefano Arrigoni, Francesco Braghin, Laura Ferranti

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

AI总结 本文提出一种结合同调方法和势游戏的多智能体路径规划框架，通过拓扑结构策略集和递推时间窗设置，提升导航效率与安全性，实验验证其在拥堵场景下的优越性。

ChatSVA: Bridging SVA Generation for Hardware Verification via Task-Specific LLMs

ChatSVA: 通过任务特定的LLM桥接SVA生成用于硬件验证

Lik Tung Fu, Jie Zhou, Shaokai Ren, Mengli Zhang, Jia Xiong, Hugo Jiang, Nan Guan, Xi Wang, Jun Yang

机构 * National ASIC Center, School of Integrated Circuits, Southeast University, China（国家集成电路中心，东南大学集成电路学院，中国） ； National Center of Technology Innovation for Electronic Design Automation, China（电子设计自动化技术创新国家中心，中国） ； Department of Computer Science, City University of Hong Kong, Hong Kong, China（计算机科学系，香港城市大学，香港，中国） 纠错

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

AI总结 ChatSVA利用多智能体框架生成SVA，实现98.66%的语法正确率和96.12%的功能通过率，功能覆盖率提升33.3个百分点，建立了一个在少样本、领域特定场景中解决长链推理问题的稳健框架。

Comments Accepted by DAC 2026

Neuro-Symbolic AI for Cybersecurity: State of the Art, Challenges, and Opportunities

神经符号AI在网络安全中的应用：现状、挑战与机遇

Safayat Bin Hakim, Muhammad Adil, Alvaro Velasquez, Shouhuai Xu, Houbing Herbert Song

机构 * Department of Information Systems, University of Maryland, Baltimore County（信息系统系，马里兰大学巴尔的摩分校） ； Department of Computer Science and Engineering, University at Buffalo（计算机科学与工程系，布法罗大学） ； Department of Computer Science, University of Colorado Boulder（计算机科学系，科罗拉多大学博尔德分校） ； Laboratory for Cybersecurity Dynamics, Department of Computer Science, University of Colorado Colorado Springs（网络安全动力实验室，科罗拉多大学科罗拉多斯普林斯分校） 纠错

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

AI总结 本文综述了神经符号AI在网络安全中的应用，分析了103篇文献，指出多智能体和结构化集成架构在复杂场景中表现更优，因果推理能提升防御能力，知识引导学习提高效率和可解释性，但评估标准化和人机协作仍是挑战。

AgentComm: Semantic Communication for Embodied Agents

AgentComm: 为具身智能体的语义通信

Peiwen Jiang, Yushuo Feng, Jiajia Guo, Chao-Kai Wen, Shi Jin

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

AI总结 本文提出语义通信框架，通过语义处理器和重要性感知传输策略减少通信开销，实现近50%带宽节省且任务完成性能损失 negligible。

Distributed Resilient Fixed-Time Control for Cooperative Output Regulation of MASs over Directed Graphs under DoS Attacks

分布式容错固定时间控制用于有向图上多智能体系统协同输出调节

Wenji Cao, Lu Liu, Dan Zhang, Gang Feng

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

AI总结 本文提出一种分布式容错固定时间控制器，用于有向图上多智能体系统在DoS攻击下的协同输出调节，无需依赖拉普拉斯对称性或强连通性，输出在固定时间内收敛至零。

C$^2$T: Captioning-Structure and LLM-Aligned Common-Sense Reward Learning for Traffic--Vehicle Coordination

C$^2$T：基于图像描述与大语言模型对齐的常识奖励学习用于交通-车辆协调

Yuyang Chen, Kaiyan Zhao, Yiming Wang, Ming Yang, Bin Rao, Zhenning Li

机构 * The State Key Laboratory of Internet of Things for Smart City, University of Macau（物联网智能城市国家重点实验室，澳门大学） ； Wuhan University（武汉大学） ； Hong Kong Polytechnic University（香港理工大学） ； Computer and Information Science, University of Macau（澳门大学计算机与信息科学） 纠错

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

AI总结 本文提出C2T框架，通过从交通-车辆动态中学习常识协调模型，结合大语言模型的常识知识，提升交通协调系统的效率、安全性和舒适性。

Comments Accepted to CVPR 2026 Findings Track

A framework for distributed discrete evacuation strategies

一种分布式离散疏散策略的框架

Piotr Borowiecki, Dariusz Dereniowski, Łukasz Kuszner

专题命中 多智能体 ：agent(abstract)

AI总结 本文研究网络中的离散疏散问题，提出一种框架以构造任意图的疏散策略，证明该框架在网格网络上可达到常数竞争比的最优性能。

SciFi: A Safe, Lightweight, User-Friendly, and Fully Autonomous Agentic AI Workflow for Scientific Applications

SciFi: 一种安全、轻量、用户友好且完全自主的科学应用代理AI工作流

Qibin Liu, Julia Gonski

机构 * SLAC National Accelerator Laboratory（SLAC国家加速器实验室） 纠错

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

AI总结 本文提出一种安全、轻量、用户友好的自主代理AI框架，通过隔离执行环境、三层代理循环和自我评估do-until机制，实现科学任务的可靠自动化，减少人工干预。

AgentSPEX: An Agent SPecification and EXecution Language

AgentSPEX：一种代理规范与执行语言

Pengcheng Wang, Jerry Huang, Jiarui Yao, Rui Pan, Peizhi Niu, Yaowenqi Liu, Ruida Wang, Renhao Lu, Yuwei Guo, Tong Zhang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Baylor College of Medicine（贝勒医学院） 纠错

专题命中 工作流自动化 ：agent(title,abstract)；tool-use(abstract)；workflow(abstract)；分类 cs.CL

AI总结 本文提出AgentSPEX，一种用于定义LLM代理工作流的显式控制流和模块化结构的语言，支持类型步骤、分支、循环、并行执行和显式状态管理，并提供可定制的代理框架。

Agentic AI for 6G: A New Paradigm for Autonomous RAN Security Compliance

面向6G的代理AI：自主RAN安全合规的新范式

Sotiris Chatzimiltis, Mahdi Boloursaz Mashhadi, Mohammad Shojafar, Merouane Debbah, Rahim Tafazolli

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

AI总结 本文提出利用基于LLM的AI代理与RAG流程框架，实现RAN安全合规的智能自主执行，通过案例研究展示其在O-RAN联盟和3GPP标准合规性评估中的应用，并探讨模型幻觉、供应商不一致等挑战及未来发展方向。

Comments Accepted at IEEE Communications Standards Magazine

SemiFA: An Agentic Multi-Modal Framework for Autonomous Semiconductor Failure Analysis Report Generation

SemiFA：一种用于自主半导体故障分析报告生成的代理多模态框架

Shivam Chand Kaushik

机构 * School of Artificial Intelligence and Data Engineering (SAIDE)（人工智能与数据工程学院） ； Indian Institute of Technology Jodhpur（印度理工学院贾尔普尔） 纠错

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

AI总结 SemiFA通过多代理语言图框架实现自主生成半导体故障分析报告，利用多模态数据融合提升根因分析精度，首次整合SECS/GEM设备 telemetry 进行自动化报告生成。

Comments 11 pages, 6 figures, 8 tables. Dataset available at https://huggingface.co/datasets/ShivamChand/SemiFA-930. Code available at https://github.com/Shivamckaushik/SemiFA

EmbodiedClaw: Conversational Workflow Execution for Embodied AI Development

EmbodiedClaw：基于对话的多任务多场景多模型具身AI开发流程执行

Xueyang Zhou, Yihan Sun, Xijie Gong, Guiyao Tie, Pan Zhou, Lichao Sun, Yongchao Chen

机构 * School of Cyber Science and Engineering, Huazhong University of Science and Technology（华中科技大学信息科学与工程学院） ； School of Mechanical Science and Engineering, Huazhong University of Science and Technology（华中科技大学机械科学与工程学院） ； School of Information and Software Engineering, University of Electronic Science and Technology of China（电子科技大学信息与软件工程学院） ； Lehigh University（莱斯大学） ； College of AI, Tsinghua University（清华大学人工智能学院） 纠错

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

AI总结 本文提出EmbodiedClaw，通过对话实现具身AI开发流程的自动规划与执行，减少人工工程工作量，提升可执行性、一致性和可重复性。

Comments 13 pages, 7 figure

Three Roles, One Model: Role Orchestration at Inference Time to Close the Performance Gap Between Small and Large Agents

三种角色，一个模型：推理时的角色编排以缩小小规模与大规模代理之间的性能差距

S. Aaron McClendon, Jorge Gallego-Feliciano, Stavros Zervoudakis, Antonios Saravanos

机构 * Aimpoint Digital Labs（Aimpoint数字实验室） ； New York University（纽约大学） 纠错

专题命中 工作流自动化 ：agent(abstract)；tool-use(abstract)；分类 cs.AI

AI总结 本文研究在推理时仅使用架构支撑是否能提升小模型在复杂多步骤环境中的性能，通过三阶段推理架构使小模型在AppWorld基准测试中任务完成率提升近一倍，展示了结构化推理干预使小模型能与大模型竞争。

Reading Between the Pixels: Linking Text-Image Embedding Alignment to Typographic Attack Success on Vision-Language Models

在像素之间阅读：将文本-图像嵌入对齐与字体攻击成功性联系起来

Ravikumar Balakrishnan, Sanket Mendapara, Ankit Garg

机构 * Cisco Systems（思科系统） 纠错

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

AI总结 研究了视觉-语言模型中字体提示注入攻击的影响，发现字体大小、文本攻击有效性及嵌入距离对攻击成功率有显著影响，为防御策略提供实证指导。

Comments Accepted at ICLR 2026 Workshop on Agents in the Wild

Large Language Models to Enhance Business Process Modeling: Past, Present, and Future Trends

大语言模型增强业务流程建模：过去、现在与未来趋势

João Bettencourt, Sérgio Guerreiro

机构 * INESC-ID 纠错

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

AI总结 本文综述了利用大语言模型进行自然语言到BPMN流程模型转换的AI方法，分析了从规则基础到LLM架构的转变，指出语义正确性、评估碎片化等挑战，并提出未来研究方向。

Comments 27 pages, 2 images, 1 table

Text-as-Signal: Quantitative Semantic Scoring with Embeddings, Logprobs, and Noise Reduction

文本作为信号：利用嵌入、对数概率和噪声减少进行定量语义评分

Hugo Moreira

机构 * ISCTE-IUL（里斯本大学ISCTE-IUL分校） 纠错

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

AI总结 本文提出了一种将文本语料库转化为定量语义信号的实用流程，通过全文档嵌入、基于对数概率的评分和噪声减少的低维流形投影，实现文档和语料库层面的语义分析。

Comments 14 pages, 5 figures, 2 tables. Preprint

Autonomous Multi-objective Alloy Design through Simulation-guided Optimization

通过模拟引导的优化实现自主多目标合金设计

Penghui Yang, Chendong Zhao, Bijun Tang, Zhonghan Zhang, Xinrun Wang, Yanchen Deng, Xuyu Dong, Yuhao Lu, Jianguo Huang, Yixuan Li, Yushan Xiao, Cuntai Guan, Zheng Liu, Bo An

机构 * College of Computing and Data Science, Nanyang Technological University, Singapore 639798, Singapore（南洋理工大学计算机与数据科学学院，新加坡） ； School of Materials Science and Engineering, Nanyang Technological University, Singapore 639798, Singapore（南洋理工大学材料科学与工程学院，新加坡） ； School of Computing and Information Systems, Singapore Management University, Singapore 188065, Singapore（新加坡管理学院计算机与信息学院，新加坡） ； School of Materials Science and Engineering, Shanghai Jiao Tong University, Shanghai 200240, China（上海交通大学材料科学与工程学院，中国） ； Institute for Functional Intelligent Materials, National University of Singapore, Singapore（新加坡国立大学功能智能材料研究所，新加坡） 纠错

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

AI总结 本文提出AutoMAT框架，整合大语言模型、自动化CALPHAD模拟等技术，实现自主合金设计，发现高性能合金并缩短研发周期。

From Brain Models to Executable Digital Twins: Execution Semantics and Neuro-Neuromorphic Systems

从脑模型到可执行数字孪生：执行语义与神经神经形态系统

Alexandre Muzy

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

AI总结 本文探讨了脑数字孪生在执行语义上的统一视角，提出执行可执行性分类，涵盖从离线模型到神经神经形态系统的执行模式，强调语义互操作性和混合时间正确性的重要性。

Computational framework for multistep metabolic pathway design

多步代谢通路设计的计算框架

Peter Zhiping Zhang, Jeffrey D. Varner

机构 * Robert Frederick Smith School of Chemical and Biomolecular Engineering（罗伯特·弗雷德里克·史密斯化学与生物分子工程学院） 纠错

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

AI总结 本文提出结合深度学习与传统回推合成工作流，改进计算合成代谢通路设计。通过整合代谢反应和酶模板数据，构建多步回推合成管道，验证了自然和非自然通路的计算复现。

How Developers Adopt, Use, and Evolve CI/CD Caching: An Empirical Study on GitHub Actions

开发者如何采用、使用和演变CI/CD缓存：一项针对GitHub Actions的实证研究

Kazi Amit Hasan, Yuan Tian, Safwat Hassan, Steven H. H. Ding

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

AI总结 本文通过分析952个GitHub仓库，研究开发者在GitHub Actions中配置和演变CI/CD缓存的方式，揭示缓存使用模式及演变驱动因素，量化缓存维护的大量工作量。

RECOVER: Designing a Large Language Model-based Remote Patient Monitoring System for Postoperative Gastrointestinal Cancer Care

RECOVER：基于大语言模型的术后胃肠癌远程患者监测系统设计

Ziqi Yang, Yuxuan Lu, Jennifer Bagdasarian, Vedant Das Swain, Ritu Agarwal, Collin Campbell, Waddah Al-Refaire, Jehan El-Bayoumi, Guodong Gao, Dakuo Wang, Bingsheng Yao, Nawar Shara

机构 * University of California, Irvine（加州大学尔湾分校） ； Northeastern University（东北大学） ； Johns Hopkins University（约翰霍普金斯大学） ； New York University（纽约大学） ； MedStar Health Research Institute（梅斯塔健康研究院） ； Creighton University（克里普顿大学） ； Georgetown University（乔治城大学） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI

AI总结 本文设计了基于大语言模型的RECOVER系统，用于术后胃肠癌的远程患者监测，通过临床整合提升术后护理效率，并探讨了AI伦理与未来发展方向。

From carbon management strategies to implementation: Modeling and physical simulation of CO2 pipeline infrastructure -- a case study for Germany

从碳管理策略到实施：CO2管道基础设施的建模与物理模拟——以德国为例

Mehrnaz Anvari, Marius Neuwirth, Okan Akca, Luna Lütz, Simon Lukas Bussmann, Tobias Fleiter, Bernhard Klaassen

专题命中 工作流自动化 ：planning(abstract)

AI总结 本文通过结合能源系统情景与物理网络模拟，提出设计CO2管道网络的方法，以德国2045年预测为案例，研究CO2平衡与管道拓扑结构，评估技术可行性，提出约7000公里管道的可行方案及170亿欧元的投资成本。

Comments 37 pages, 9 figures, preprint submitted to a journal

Staying on Track: Efficient Trajectory Discovery with Adaptive Batch Sampling

保持航向：基于自适应批量采样的高效轨迹发现

Arindam Fadikar, Abby Stevens, Mickael Binois, Nicholson Collier, David O'Gara, Jonathan Ozik

专题命中 工作流自动化 ：agent(abstract)

AI总结 本文提出一种面向轨迹的贝叶斯优化方法，通过高斯过程代理模型结合输入参数和随机种子，实现轨迹层面的直接推断，并利用自适应汤普森采样算法提升采样效率，验证了在流行病模型中的有效性。

Reconstruction of a 3D wireframe from a single line drawing via generative depth estimation

通过生成深度估计从单张线稿中重建3D线框

Elton Cao, Hod Lipson

机构 * Creative Machines Lab, Columbia University（创意机器实验室，哥伦比亚大学） 纠错

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出一种生成方法，将线稿重建视为条件密集深度估计任务，利用Latent Diffusion Model和ControlNet风格的条件框架解决正投影的固有歧义，并通过图遍历的BFS掩码策略支持迭代的线稿-重建-线稿工作流，实现从稀疏2D线稿到密集3D表示的转换。