AI Agent

Enhancing Research Idea Generation through Combinatorial Innovation and Multi-Agent Iterative Search Strategies

通过组合创新和多智能体迭代搜索策略增强研究想法生成

Shuai Chen, Chengzhi Zhang

机构 * Department of Information Management, Nanjing University of Science and Technology（南京理工大学信息管理学院） 纠错

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

AI总结 本文提出结合迭代知识搜索与LLM多智能体系统的框架，通过反复交互生成、评估和优化研究想法，提升多样性与新颖性，在自然语言处理领域实验表明优于现有基线方法。

Comments Scientometrics

FELA: A Multi-Agent Evolutionary System for Feature Engineering of Industrial Event Log Data

FELA：一种用于工业事件日志数据特征工程的多智能体进化系统

Kun Ouyang, Haoyu Wang, Dong Fang

机构 * Department of Electronic Engineering, Tsinghua University LIGHTSPEED STUDIOS, China 纠错

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

AI总结 本文提出FELA，一种基于大语言模型的多智能体系统，通过协作生成、验证和实现新颖特征，提升工业事件日志数据的特征工程效率与性能。

Comments 14 pages, 11 figures

ActuBench: A Multi-Agent LLM Pipeline for Generation and Evaluation of Actuarial Reasoning Tasks

ActuBench: 一个用于生成和评估精算推理任务的多智能体LLM流水线

Jan-Philipp Schmidt

机构 * TH Köln, Institut für Versicherungswesen (ivwKöln)（TH Köln保险学系（ivwKöln）） 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 本文提出ActuBench，一个多智能体LLM流水线，用于自动生成和评估符合国际精算协会教育大纲的高级精算评估题目。通过四个LLM角色的分工，结合成本优化的辅助代理，评估了50个模型并在两个基准上报告了三个主要发现。

Comments 19 pages, 4 figures, 4 tables

Memory-Augmented LLM-based Multi-Agent System for Automated Feature Generation on Tabular Data

基于记忆增强的LLM多智能体系统用于表格数据自动特征生成

Fengxian Dong, Zhi Zheng, Xiao Han, Wei Chen, Jingqing Ruan, Tong Xu, Yong Chen, Enhong Chen

机构 * University of Science and Technology of China（中国科学技术大学） ； Zhejiang University of Technology（浙江工业大学） ； Meituan（美团） 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MALMAS系统，通过多智能体与记忆模块提升表格数据自动特征生成的效率与质量，实验验证其有效性。

Comments 16 pages (including appendix), 4 main figures, 15 tables. Accepted to ACL 2026

IMPACT-CYCLE: A Contract-Based Multi-Agent System for Claim-Level Supervisory Correction of Long-Video Semantic Memory

IMPACT-CYCLE：一种基于合同的多智能体系统，用于长视频语义记忆的层次级监督修正

Weitong Kong, Di Wen, Kunyu Peng, David Schneider, Zeyun Zhong, Alexander Jaus, Zdravko Marinov, Jiale Wei, Ruiping Liu, Junwei Zheng, Yufan Chen, Lei Qi, Rainer Stiefelhagen

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； INSAIT ； ETH Zurich（苏黎世联邦理工学院） ； Technical University of Munich（慕尼黑技术大学） 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IMPACT-CYCLE，通过多智能体系统实现长视频语义记忆的层次级监督修正，提升下游推理性能并降低人工仲裁成本。

Comments 7 pages, 2 figures, code are available at https://github.com/MKong17/IMPACT_CYCLE

Prism: An Evolutionary Memory Substrate for Multi-Agent Open-Ended Discovery

Prism：一种多智能体开放发现的进化记忆基质

Suyash Mishra

机构 * AI Researcher（人工智能研究员） ； Basel, Switzerland（瑞士巴塞尔） 纠错

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

AI总结 Prism通过整合四种独立发展范式，提出一种基于决策理论框架的记忆基质，实现记忆分层、因果记忆图、信息价值检索、心跳驱动整合和复制衰减动态，提升多智能体开放发现性能。

Comments 10 pages, 1 figure

Soft-Label Governance for Distributional Safety in Multi-Agent Systems

多智能体系统中的分布安全软标签治理

Aizierjiang Aiersilan, Raeli Savitt

机构 * The George Washington University（乔治·华盛顿大学） ； SWARM AI Safety（SWARM AI安全） 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SWARM框架，通过连续概率标签提升多智能体系统安全性和治理效果，展示软指标在检测代理游戏中的应用。

Superficial Success vs. Internal Breakdown: An Empirical Study of Generalization in Adaptive Multi-Agent Systems

表面成功与内部崩溃：适应性多智能体系统泛化能力的实证研究

Namyoung So, Seokgyu Jang, Taeuk Kim

机构 * Department of Computer Science, Hanyang University（汉阳大学计算机科学系） 纠错

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

AI总结 研究通过实证分析揭示适应性多智能体系统在不同领域泛化能力不足及表面协调性与实际行为偏离的问题，强调泛化能力在系统开发中的重要性。

Comments 27 pages, 4 figures. Equal contribution for the first two authors

Explicit Trait Inference for Multi-Agent Coordination

显式特征推断用于多智能体协调

Suhaib Abdurahman, Etsuko Ishii, Katerina Margatina, Divya Bhargavi, Monica Sunkara, Yi Zhang

机构 * University of Southern California（南加州大学） ； AWS Agentic AI Labs（AWS 代理AI实验室） 纠错

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

AI总结 本文提出显式特征推断方法，通过推断伙伴特征提升多智能体协调效率，在经济游戏和复杂多智能体场景中均取得显著效果。

Comments Accepted at ACL 2026 Main Conference

Global Hopf Bifurcation and Symmetric Periodic Solutions in Multi-Agent Systems with Neutral Distributed Delays

多智能体系统中中性分布延迟下的全局霍普夫分岔与对称周期解

Casey Crane

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

AI总结 研究多智能体系统中对称振荡行为的产生，基于中性分布延迟的非线性中性函数微分方程，通过等变度理论建立全局霍普夫分岔条件，探讨周期解的稳定性及多共识现象。

A Delta-Aware Orchestration Framework for Scalable Multi-Agent Edge Computing

面向可扩展多智能体边缘计算的Delta感知编排框架

Samaresh Kumar Singh, Joyjit Roy

机构 * Independent Researcher IEEE Senior Member Leander, Texas（德克萨斯州莱安德尔独立研究者） ； Independent Researcher IEEE Senior Member Austin, Texas（德克萨斯州奥斯汀独立研究者） 纠错

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

AI总结 本文提出DAOEF框架，通过神经缓存、行动空间修剪和硬件匹配解决多智能体边缘计算中的协同崩溃问题，实现性能提升。

Comments 11 pages, 2 figures, 10 tables

Synthesizing Multi-Agent Harnesses for Vulnerability Discovery

为漏洞发现合成多智能体框架

Hanzhi Liu, Chaofan Shou, Xiaonan Liu, Hongbo Wen, Yanju Chen, Ryan Jingyang Fang, Yu Feng

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

AI总结 AgentFlow通过类型化图DSL和反馈驱动循环，提升多智能体框架效率，发现Chrome中十个未知零日漏洞。

Mol-Debate: Multi-Agent Debate Improves Structural Reasoning in Molecular Design

Mol-Debate：多智能体辩论提升分子设计中的结构推理

Wengyu Zhang, Xiao-Yong Wei, Qing Li

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Sichuan University（四川大学） 纠错

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

AI总结 本文提出Mol-Debate框架，通过生成-辩论-细化循环提升分子设计中的结构推理能力，实验显示其在多个基准测试中表现优异。

TriEx: A Game-based Tri-View Framework for Explaining Internal Reasoning in Multi-Agent LLMs

TriEx：一种基于游戏的三视角框架，用于解释多智能体大语言模型中的内部推理

Ziyi Wang, Chen Zhang, Wenjun Peng, Qi Wu, Xinyu Wang

机构 * Adelaide University（阿德莱德大学） 纠错

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

AI总结 TriEx通过三视角框架提升多智能体大语言模型的可解释性，通过结构化自我推理、对手信念状态和 oracle 审计分析，揭示模型在信念动态和评估可靠性上的系统性不匹配。

Comments ACL2026 Main

Meta-Offline and Distributional Multi-Agent RL for Risk-Aware Decision-Making

元离线与分布式多智能体强化学习用于风险感知决策

Eslam Eldeeb, Hirley Alves

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

AI总结 本文提出元保守分位数回归算法，结合保守Q学习、分位数回归DQN和MAML，提升多智能体在动态拓扑和不确定信道下的风险感知决策性能，实验显示其收敛速度更快且更具扩展性。

Journal ref IEEE ICASSP 2026

More Is Different: Toward a Theory of Emergence in AI-Native Software Ecosystems

更多即不同：迈向AI原生软件生态系统中的涌现理论

Daniel Russo

机构 * Aalborg University（奥尔堡大学） ； Aalborg University Department of Computer Science（奥尔堡大学计算机科学系） 纠错

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

AI总结 本文探讨AI原生软件生态系统中涌现现象，提出复杂适应系统理论，并定义可测量的因果涌现框架，挑战传统理论。

CreativeGame:Toward Mechanic-Aware Creative Game Generation

CreativeGame：迈向机制感知的创意游戏生成

Hongnan Ma, Han Wang, Shenglin Wang, Tieyue Yin, Yiwei Shi, Yucong Huang, Yingtian Zou, Muning Wen, Mengyue Yang

机构 * University of Bristol（布里斯托大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shandong University（山东大学） ； Nanjing University（南京大学） ； Sreal AI Project（Sreal AI项目） 纠错

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

AI总结 本文提出CreativeGame系统，通过机制感知规划循环和跨版本经验积累，实现迭代式HTML5游戏生成，支持可解释的版本间进化。

Mechanistic Decoding of Cognitive Constructs in Large Language Models

大语言模型中认知结构的机制解码

Yitong Shou, Manhao Guan

机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） 纠错

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

AI总结 本文提出基于Representation Engineering的Cognitive Reverse-Engineering框架，分析社会比较嫉妒的认知机制，揭示模型内部对嫉妒的结构化编码，并展示如何机械检测和抑制有毒情绪状态。

pAI/MSc: ML Theory Research with Humans on the Loop

pAI/MSc：人机协同的机器学习理论研究系统

Mahmoud Abdelmoneum, Pierfrancesco Beneventano, Tomaso Poggio

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Perseus Labs（Perseus实验室） 纠错

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

AI总结 pAI/MSc旨在通过人机协同减少将假设转化为文献支持的论文草稿所需的人力指导，专注于机器学习理论及相关量化领域。

Comments 34 pages, 7 tables

A Hierarchical MARL-Based Approach for Coordinated Retail P2P Trading and Wholesale Market Participation of DERs

一种基于分层MARL的协调零售P2P交易和分布式能源资源批发市场参与方法

Patrick Wilk, Ethan Cantor, Yikui Liu, Jie Li

机构 * Department Electrical and Computer Engineering, Rowan University（罗文大学电气与计算机工程系） ； School of Electrical Engineering, Sichuan University（四川大学电气工程学院） 纠错

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

AI总结 本文提出一种分层多智能体深度强化学习框架，使个体用户参与零售拍卖并聚合智能用户以有效参与批发市场，通过Stackelberg博弈提升市场绩效。

Comments 11 pages, 6 figures, 7 tables

Security Modelling for Cyber-Physical Systems: A Systematic Literature Review

面向网络物理系统的安全建模：系统文献综述

Shaofei Huang, Christopher M. Poskitt, Lwin Khin Shar

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

AI总结 本文系统回顾了网络物理系统安全建模的研究，探讨威胁与攻击建模的区别及其对系统安全的影响，总结现有研究的局限性。

Comments Accepted by ACM Transactions on Cyber-Physical Systems (TCPS)

Journal ref ACM Trans. Cyber Phys. Syst. 10(2), Article 20, 1-29 (2026)

Multi-FEAT: Multi-Feature Edge Alignment for Targetless Camera-LiDAR Calibration

多特征边缘对齐：无目标相机-激光雷达校准

Bichi Zhang, Holger Caesar, Raj Thilak Rajan

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

AI总结 本文提出Multi-FEAT方法，通过将3D激光雷达点云投影到2D全景图，并利用多种激光雷达特征信息补充稀疏边界，结合相机边缘提取和特征匹配函数优化校准参数，实验表明其在KITTI数据集上优于现有无目标校准方法。

The AI Telco Engineer: Toward Autonomous Discovery of Wireless Communications Algorithms

AI电信工程师：迈向无线通信算法的自主发现

Fayçal Aït Aoudia, Jakob Hoydis, Sebastian Cammerer, Lorenzo Maggi, Gian Marti, Alexander Keller

机构 * NVIDIA 纠错

专题命中 多智能体 ：agentic(abstract)；分类 cs.AI

AI总结 本文探讨了代理AI自主设计无线通信算法的能力，通过框架生成、评估和优化候选算法，在物理层和介质访问控制层完成任务，算法性能优于传统方法且具备可解释性。

Where are they looking in the operating room?

在手术室中他们是在看哪里？

Keqi Chen, Séraphin Baributsa, Lilien Schewski, Vinkle Srivastav, Didier Mutter, Guido Beldi, Sandra Keller, Nicolas Padoy

机构 * University of Strasbourg, CNRS, INSERM, ICube, UMR7357, France（斯特拉斯堡大学、法国国家科学研究中心、法国国家医学研究院、ICube、UMR7357、法国） ； Department for Biomedical Research (DBMR), University of Bern, 3008 Bern, Switzerland（生物医学研究部（DBMR）、伯尔尼大学、瑞士伯尔尼3008、瑞士） ； University Hospital of Strasbourg, 67000 Strasbourg, France（斯特拉斯堡大学医院、法国斯特拉斯堡67000、法国） ； Department for Visceral Surgery（visceral surgery 部） ； Medicine, Bern University Hospital, University of Bern, 3010 Bern, Switzerland（医学、伯尔尼大学医院、伯尔尼大学、瑞士伯尔尼3010、瑞士） 纠错

专题命中 多智能体 ：workflow(abstract)

AI总结 本文引入手术领域的眼动追踪，通过扩展数据集和提出新方法，实现了对临床角色、手术阶段和团队沟通的高精度识别。

Auditing and Controlling AI Agent Actions in Spreadsheets

对电子表格中AI代理行为的审计与控制

Sadra Sabouri, Zeinabsadat Saghi, Run Huang, Sujay Maladi, Esmeralda Eufracio, Sumit Gulwani, Souti Chattopadhyay

机构 * University of Southern California（南加州大学） ； California State Polytechnic University（加州州立理工大学） ； Microsoft（微软公司） 纠错

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

AI总结 本文提出Pista，一种可审计、可控的电子表格AI代理，通过分解执行过程让用户实时干预决策，提升用户对任务的理解和控制感。

Comments 11 pages, 5 figures

WorkflowGen:an adaptive workflow generation mechanism driven by trajectory experience

WorkflowGen:一种基于轨迹经验的自适应工作流生成机制

Ruocan Wei, Shufeng Wang, Ziwei Shi

机构 * China Telecom Cloud（中国电信云） 纠错

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

AI总结 本文提出WorkflowGen，一种基于轨迹经验的自适应工作流生成机制，通过捕捉完整轨迹提取可重用知识，减少token消耗，提升效率和成功率。

Comments 16 pages,3 tables

CHORUS: An Agentic Framework for Generating Realistic Deliberation Data

CHORUS：生成真实辩论数据的代理框架

A. Koursaris, G. Domalis, A. Apostolopoulou, K. Kanaris, D. Tsakalidis, I. E. Livieris

机构 * Novelcore 纠错

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

AI总结 本文提出CHORUS框架，通过LLM驱动的代理生成真实辩论数据，结合记忆机制和泊松过程模型，提升讨论的现实性和分析价值。

Comments This paper has been accepted for presentation at Engineering Applications and Advances of Artificial Intelligence 2026

AgentSOC: A Multi-Layer Agentic AI Framework for Security Operations Automation

AgentSOC: 一种多层代理AI框架用于安全运营自动化

Joyjit Roy, Samaresh Kumar Singh

机构 * IEEE 纠错

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

AI总结 AgentSOC通过整合感知、前瞻性推理和基于风险的行动规划，提升安全运营中心自动化水平，实现警报标准化、上下文丰富化及安全响应合规性。

Comments 7 pages, 6 figures, 2 tables. Peer-reviewed paper published in IEEE ICAIC 2026 (IEEE Xplore)

Journal ref 2026 IEEE 5th International Conference on AI in Cybersecurity (ICAIC), Houston, TX, USA, 2026

CEDAR: Context Engineering for Agentic Data Science

CEDAR：面向代理的数据科学应用

Rishiraj Saha Roy, Chris Hinze, Luzian Hahn, Fabian Kuech

机构 * Department of Generative AI, Fraunhofer IIS（生成人工智能系，弗劳恩霍夫研究所） 纠错

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

AI总结 CEDAR通过有效的上下文工程解决数据科学任务中的复杂性、数据规模、计算限制和上下文限制问题，采用分步生成计划和代码块的方式提升数据科学任务自动化水平。

Comments Accepted at ECIR 2026

From Admission to Invariants: Measuring Deviation in Delegated Agent Systems

从准入到不变量：在委托代理系统中测量偏差

Marcelo Fernandez

机构 * TraslaIA 纠错

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

AI总结 研究探讨了委托代理系统中执法机制无法检测准入时设定的行为空间的问题，提出了不变量测量层（IML）以恢复可观测性并实现有限延迟的偏差检测。

Comments 21 pages, 6 figures. 3rd paper (Paper 2) in the 6-paper Agent Governance Series (Papers 0-5). Zenodo: https://doi.org/10.5281/zenodo.19672589. Companion: P0 (arXiv:2604.17511), P1/ACP (arXiv:2603.18829), P3 (zenodo.19672597), P4 (zenodo.19672608), P5/RAM (zenodo.19669430)