AI Agent

Exploring Urban Mobility Trends using Cellular Network Data

通过蜂窝网络数据探索城市出行趋势

Oluwaleke Yusuf, Adil Rasheed, Frank Lindseth

专题命中 规划决策 ：planning(abstract)

AI总结 本文利用蜂窝网络数据研究城市出行模式，分析Trondheim的时空动态，提出数据预处理框架，探讨交通模式对比及公共交通使用情况，为可持续交通系统提供依据。

Comments 13 pages, 14 figures

Journal ref Proc. Net-Zero Built Environment Conference (2025) 1661-1674

RCVaR: an Economic Approach to Estimate Cyberattacks Costs using Data from Industry Reports

RCVaR：一种通过行业报告数据估算网络攻击成本的经济方法

Muriel Figueredo Franco, Fabian Künzler, Jan von der Assen, Chao Feng, Burkhard Stiller

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出RCVaR方法，通过整合行业报告数据，量化企业网络攻击风险及成本，改进传统概率模拟方法，提升网络安全规划与风险管理效率。

CoGrid & the Multi-User Gymnasium: A Framework for Multi-Agent Experimentation

CoGrid 与多用户Gymnasium：多智能体实验的框架

Chase McDonald, Cleotilde Gonzalez

机构 * Department of Social and Decision Sciences（社会与决策科学系） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文介绍CoGrid和多用户Gymnasium两个工具，用于多智能体实验，支持人机协作研究社会决策与认知问题，提供开源工具和案例研究。

Comments 36 pages, 11 figures

M2-PALE: A Framework for Explaining Multi-Agent MCTS--Minimax Hybrids via Process Mining and LLMs

M2-PALE：一种通过过程挖掘和大语言模型解释多智能体MCTS-最小化混合策略的框架

Yiyu Qian, Liyuan Zhao, Tim Miller

机构 * RMIT University（皇家墨尔本理工大学） ； University of California（加州大学） ； University of Queensland（昆士兰大学） 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M2-PALE框架，通过过程挖掘和大语言模型解释多智能体MCTS-最小化混合策略的决策过程，验证了其在跳棋环境中的有效性。

IMACT-CXR: An Interactive Multi-Agent Conversational Tutoring System for Chest X-Ray Interpretation

IMACT-CXR：一种用于胸部X光解读的交互式多智能体对话教学系统

Tuan-Anh Le, Anh Mai Vu, David Yang, Akash Awasthi, Hien Van Nguyen

机构 * University of Houston（德克萨斯大学休斯敦分校） ； Emory University（埃默里大学） 纠错

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

AI总结 IMACT-CXR通过整合空间标注、注视分析、知识检索和图像基础推理，构建了一个基于AutoGen的工作流，帮助学员提升胸部X光解读能力，实现了精准的教学反馈与知识强化。

Comments Accepted at IEEE ISBI 2026. This version corresponds to the accepted manuscript

TopoDIM: One-shot Topology Generation of Diverse Interaction Modes for Multi-Agent Systems

TopoDIM：多智能体系统中多样化交互模式的一键拓扑生成

Rui Sun, Jie Ding, Chenghua Gong, Tianjun Gu, Yihang Jiang, Juyuan Zhang, Liming Pan, Linyuan Lü

机构 * University of Science and Technology of China（中国科学技术大学） ； East China Normal University（华东师范大学） 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 TopoDIM通过一键生成拓扑结构，实现多智能体系统中多样化交互模式，提升任务性能和token效率，实验表明其在token消耗和性能提升方面优于现有方法。

Comments ACL Findings Camera Ready

MARS$^2$: Scaling Multi-Agent Tree Search via Reinforcement Learning for Code Generation

MARS$^2$：通过强化学习提升多智能体树搜索用于代码生成

Pengfei Li, Shijie Wang, Fangyuan Li, Yikun Fu, Kaifeng Liu, Kaiyan Zhang, Dazhi Zhang, Yuqiang Li, Biqing Qi, Bowen Zhou

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Harbin Institute of Technology（哈尔滨工业大学） ； Tsinghua University（清华大学） 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 MARS$^2$通过多智能体协作与树搜索结合，提升强化学习在代码生成中的性能，实验表明其在多种模型和训练设置下均有效。

Comments Accepted by ACL 2026

Where are the Humans? A Scoping Review of Fairness in Multi-agent AI Systems

人类在哪里？多智能体人工智能系统中公平性的综述

Simeon Allmendinger, Luca Deck, Lucas Mueller

机构 * University of Bayreuth（巴耶鲁斯大学） ； Fraunhofer FIT（弗劳恩霍夫 FIT 研究所） 纠错

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

AI总结 本文通过综述23项研究，揭示多智能体人工智能系统中公平性研究的五个典型方法，指出其缺乏规范基础和对智能体自主性和系统交互动态的忽视，并提出公平性应贯穿开发全过程。

Comments In proceedings of European Conference on Information Systems (ECIS) 2026

One Step is Enough: Multi-Agent Reinforcement Learning based on One-Step Policy Optimization for Order Dispatch on Ride-Sharing Platforms

一步即可：基于一步策略优化的多智能体强化学习用于网约车平台订单调度

Zijian Zhao, Sen Li

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

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

AI总结 本文提出基于一步策略优化的多智能体强化学习方法，通过消除价值函数估计误差，提升网约车平台订单调度效率，实验表明其在简化网络结构下表现优异。

Consensus and Synchronization of Multi-agent Systems over Finite Fields -- Graph Topologies

有限域上多智能体系统的一致性与同步

Kristian Hengster-Movrić, Šimon Lehký, Farnaz Adib Yaghmaie

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

AI总结 本文研究了有限状态空间多智能体系统的协作协议，提出两种新算法生成通信拓扑，验证了方法的有效性。

Comments This work was co-funded by the European Union under the project ROBOPROX (reg. no. CZ.02.01.01/00/22_008/0004590)

TRACE: A Conversational Framework for Sustainable Tourism Recommendation with Agentic Counterfactual Explanations

TRACE：一种用于可持续旅游推荐的对话框架，配备代理反事实解释

Ashmi Banerjee, Adithi Satish, Wolfgang Wörndl, Yashar Deldjoo

机构 * Technical University of Munich（慕尼黑技术大学） ； Polytechnic University of Bari（巴里理工学院） 纠错

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

AI总结 TRACE通过多代理架构促进可持续旅游，利用反事实解释和LLM生成问题，提升用户环保意识，实验证明其在推荐质量与交互响应上的有效性。

Journal ref Proceedings of the 49th International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR '26), July 20--24, 2026, Melbourne, VIC, Australia

Autonomous Evolution of EDA Tools: Multi-Agent Self-Evolved ABC

自主进化EDA工具：多智能体自进化ABC

Cunxi Yu, Haoxing Ren

机构 * NVIDIA Research（NVIDIA研究） ； University of Maryland（马里兰大学） 纠错

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

AI总结 本文提出首个自进化逻辑综合框架，利用大语言模型代理自主改进ABC逻辑综合系统源代码，通过多套基准测试验证其在大规模代码层面的自主进化能力。

Comments 7 pages; To appear at DAC 2026

CBCL: Safe Self-Extending Agent Communication

CBCL：安全的自扩展代理通信

Hugo O'Connor

机构 * Anuna Research（Anuna研究） 纠错

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

AI总结 CBCL通过约束消息和扩展到确定性上下文无关语言，确保代理通信的安全性和可扩展性，采用形式化方法验证其安全性。

Comments 10 pages. Accepted at IEEE LangSec Workshop 2026 (camera-ready). Reference implementation, Lean 4 formalization, and verified parser: https://codeberg.org/anuna/cbcl-rs ; Nostr transport binding: https://codeberg.org/anuna/cbcl-nostr

Coalition Formation in LLM Agent Networks: Stability Analysis and Convergence Guarantees

在LLM代理网络中的联盟形成：稳定性分析与收敛保证

Dongxin Guo, Jikun Wu, Siu-Ming Yiu

机构 * Department of Compute Science, The University of Hong Kong（香港大学计算机科学系） ； Brain Investing Limited（Brain Investing有限公司） ； Stellaris AI Limited（Stellaris AI有限公司） 纠错

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

AI总结 本文提出首个基于享乐博弈理论的LLM联盟形成框架，分析了LLM代理的有限理性特性，并通过实验验证了CoalT协议在联盟稳定性上的优越性。

Comments 15 pages including supplementary material, 2 figures, 5 tables

Agent-Based Optimal Control for Image Processing

基于代理的最优控制用于图像处理

Alessio Oliviero, Simone Cacace, Giuseppe Visconti

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

AI总结 本文利用多代理系统解决图像处理任务，通过最优控制方法平衡颜色场的总变化与图像的保真度，采用对偶分裂和乘数法求解，实验验证了方法在高维数据中的有效性。

Comments 22 pages, 11 figures

Discovering Novel LLM Experts via Task-Capability Coevolution

通过任务能力共进化发现新型大语言模型专家

Andrew Dai, Boris Meinardus, Ciaran Regan, Yingtao Tian, Yujin Tang

机构 * Sakana AI 纠错

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

AI总结 本文提出AC/DC框架，通过模型合并和合成数据生成实现大语言模型与任务的共进化，发现超越大模型能力的新型LLM，无需显式优化基准，在多智能体最佳N选择中提升性能。

Comments ICLR 2026

AIPC: Agent-Based Automation for AI Model Deployment with Qualcomm AI Runtime

AIPC：基于代理的AI模型部署自动化方法

Jianhao Su, Zhanwei Wu, ShengTing Huang, Weidong Feng

机构 * Qualcomm Technologies, Inc（高通技术公司） 纠错

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

AI总结 本文提出AIPC，一种基于代理的AI模型部署自动化方法，通过标准化阶段和验证循环减少部署难度，适用于Qualcomm AI Runtime的AI模型部署。

Comments 19 pages, 1 figure, technical report

Agentic Explainability at Scale: Between Corporate Fears and XAI Needs

规模化代理可解释性：在企业恐惧与XAI需求之间

Yomna Elsayed, Cecily Jones

机构 * Credo AI 纠错

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

AI总结 本文探讨企业规模化部署代理AI时面临的风险与治理挑战，提出设计时和运行时的可解释性技术，并展示一个初步原型以缓解企业部署大规模代理的担忧。

Comments Presented at Human-centered Explainable AI Workshop (HCXAI) @ CHI 2026, Barcelona, Spain, 2026

Context Kubernetes: Declarative Orchestration of Enterprise Knowledge for Agentic AI Systems

上下文Kubernetes：面向代理AI系统的企业知识声明式编排

Charafeddine Mouzouni

机构 * OPIT -- Open Institute of Technology（开放技术研究所） 纠错

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

AI总结 本文提出Context Kubernetes架构，通过声明式知识架构-as-code和三层权限模型，解决企业知识在代理AI系统中的安全编排问题，实验表明其在治理和安全性方面优于传统方法。

Comments 24 pages, 8 tables, 1 figure, 8 experiments (5 correctness + 3 value). Open-source prototype: https://github.com/Cohorte-ai/context-kubernetes

Demonstration of Pneuma-Seeker: Agentic System for Reifying and Fulfilling Information Needs on Tabular Data

肺气追寻者：用于表格数据上信息需求具象化与实现的代理系统

Muhammad Imam Luthfi Balaka, Raul Castro Fernandez

机构 * The University of Chicago（芝加哥大学） 纠错

专题命中 工作流自动化 ：agentic(title)；分类 cs.AI

AI总结 本文提出Pneuma-Seeker系统，通过将用户信息需求转化为显式关系规范，支持迭代细化、目标数据发现和溯源执行，利用LLM作为透明交互分析伙伴。

Comments ACM CAIS 2026 (Demo)

Physics-informed tritium fuel cycle modelling workflow for fusion reactors

融合反应堆中性子燃料循环建模工作流程

Rémi Delaporte-Mathurin, Ross MacDonald, James Dark, Milan Rother, Tasnim Zulfiqar, Kevin B. Woller

专题命中 工作流自动化 ：workflow(title)

AI总结 本文提出一种基于开源PathSim/PathView平台的多保真度物理引导框架，用于融合反应堆中性子燃料循环建模。通过三种互补的建模方法，结合零维停留时间模型、中间保真度组件模型和高保真度多维中性子传输模型，实现了对燃料循环的系统级描述和验证。

Finch: Benchmarking Finance & Accounting across Spreadsheet-Centric Enterprise Workflows

Finch：跨电子表格中心企业工作流的金融与会计基准测试

Haoyu Dong, Pengkun Zhang, Yan Gao, Xuanyu Dong, Yilin Cheng, Mingzhe Lu, Zikun Zhu, Adina Yakefu, Shuxin Zheng

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

AI总结 Finch通过真实企业工作流评估AI代理，包含数据录入、结构化、格式化等任务，涵盖预算、交易等多领域，展示了AI在复杂企业工作流中的挑战。

Comments ACL 2026 Findings

Scouting By Reward: VLM-TO-IRL-Driven Player Selection For Esports

通过奖励进行 scouting：由 VLM-TO-IRL 驱动的电子竞技玩家选拔

Qing Yan, Wenyu Yang, Yufei Wang, Wenhao Ma, Linchong Hu, Yifei Jin, Anton Dahbura

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Cornell University（康奈尔大学） 纠错

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

AI总结 本文提出一种基于逆强化学习的电子竞技玩家选拔框架，通过学习专业选手的奖励函数，利用多模态双分支架构和 GAIL 目标实现玩家风格匹配评估，提升人才发现效率。

FocalLens: Visualizing Narratives through Focalization

FocalLens：通过聚焦性可视化叙事

S M Raihanul Alam, Md Dilshadur Rahman, Md Naimul Hoque

机构 * University of Iowa（爱荷华大学） ； University of Utah（犹他大学） 纠错

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

AI总结 本文提出FocalLens，通过聚焦性可视化叙事，揭示不同角色对事件的感知与叙述，为叙事可视化提供新视角。

The AI Research Assistant: Promise, Peril, and a Proof of Concept

人工智能研究助手：前景、危险与概念验证

Tan Bui-Thanh

机构 * Department of Aerospace Engineering & Engineering Mechanics, and Oden Institute for Computational Engineering & Sciences, University of Texas at Austin（航空航天工程与工程力学系，奥登计算工程与科学研究所，德克萨斯大学奥斯汀分校） 纠错

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

AI总结 本文通过案例研究探讨人工智能在数学研究中的应用，展示人类与AI协作发现新误差表示和界限的方法，指出AI在代数运算和证明探索中的优势及需人类监督的局限。

Comments 11 pages

Quantum Metropolis-Hastings via Penalised Qubitized Walks: Spectral Filtering and Circuit Implementation

基于惩罚量子化行走的量子Metropolis-Hastings算法：谱滤波与电路实现

Miguel Carrasco-Arango, Rosa M. Badia, Artur Garcia-Saez

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出一种量子Metropolis-Hastings算法，通过惩罚量子化行走实现快速混合，探讨了谱滤波与电路实现的挑战与限制。

Comments 21 pages, 16 figures. Includes appendices with circuit constructions and additional numerical results

QLLVM: A Scalable Quantum-Classical Co-Compilation Framework based on LLVM

QLLVM: 基于LLVM的可扩展量子-经典联合编译框架

Yu Zhu, Qiming Du, Yuqiong Jin, Woji He, Hang Lian, Xin Zhou, Jinchen Xu, Zheng Shan

专题命中 工作流自动化 ：workflow(abstract)

AI总结 QLLVM基于LLVM构建量子-经典联合编译框架，实现经典程序与量子程序的统一编译，提升量子计算性能与可扩展性。

"From remembering to shaping": Narrating Shared Experiences by Co-Designing Cultural Heritage Artifacts in Collaborative VR

从记忆到塑造：通过协作VR共同设计文化遗产物品来叙述共同经历

Yushang Yang, Fanxu Meng, Fiona Fui-Hoon Nah, RAY LC

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文通过协作VR共同设计3D物品和环境，探索如何共享集体记忆，利用生成AI实现非物质记忆的具象化，揭示参与者在协作过程中如何整合提示和模型放置，以及如何通过空间操作表达个人经验和文化遗产体验。

XRZero-G0: Pushing the Frontier of Dexterous Robotic Manipulation with Interfaces, Quality and Ratios

XRZero-G0：通过接口、质量和比例推动灵巧机器人操作的前沿

James Wang, Primo Pu, Zephyr Fung, Alex Wang, Sam Wang, Bender Deng, Kevin Wang, Zivid Liu, Chris Pan, Panda Yang, Andy Zhai, Lucy Liang, Shalfun Li, Johnny Sun, Jacky Xu, Will Tian, Kai Yan, Kohler Ye, Scott Li, Qian Wang, Roy Gan, Hao Wang

机构 * X SQUARE ROBOT（X SQUARE机器人） 纠错

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出XRZero-G0系统，通过 ergonomic 接口和数据混合策略提升数据收集效率，实现高质量数据集，使机器人操作在无真实机器人数据的情况下也能达到高性能。

Comments Technical Report

Benchmarking quantum simulation with neutron-scattering experiments

用中子散射实验评估量子模拟

Yi-Ting Lee, Keerthi Kumaran, Bibek Pokharel, Allen Scheie, Colin L. Sarkis, David A. Tennant, Travis Humble, André Schleife, Abhinav Kandala, Arnab Banerjee

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文通过中子散射实验评估量子模拟，展示超导量子处理器在50个量子比特上能产生有意义的定量比较，揭示电路深度和保真度对模拟精度的影响，并扩展到一维XXZ Heisenberg模型。