AI Agent

Aegis: Automated Error Generation and Attribution for Multi-Agent Systems

Aegis：多智能体系统的自动化错误生成与归因

Fanqi Kong, Ruijie Zhang, Huaxiao Yin, Guibin Zhang, Xiaofei Zhang, Ziang Chen, Zhaowei Zhang, Xiaoyuan Zhang, Song-Chun Zhu, Xue Feng

机构 * Peking University Beijing Institute of General Artificial Intelligence（北京大学北京通用人工智能研究院） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； Tsinghua University（清华大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 本文提出Aegis框架，通过自动化生成大规模多智能体系统错误数据，提升错误归因能力，实验表明其模型性能可与专有模型媲美。

A Network Transformation Mapping Approach to Synchronization of Multi-Agent Systems With Disconnected Switching Topologies

一种网络变换映射方法用于具有断开切换拓扑的多智能体系统同步

Haotian Xu, Bohui Wang, Shuai Liu, Chao Shen, Xiangyu Meng, Guanghui Wen

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

AI总结 本文提出一种网络变换映射方法，用于处理多智能体系统在断开切换拓扑下的同步问题，通过划分可达与不可达部分，设计同步速度以保证渐近同步。

A Decoupled Human-in-the-Loop System for Controlled Autonomy in Agentic Workflows

解耦的人机协同系统用于代理工作流中的受控自主性

Edward Cheng, Jeshua Cheng

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

AI总结 本文提出解耦的人机协同系统架构，通过显式接口和结构化执行模型分离人类交互管理与应用流程，提供四维框架实现上下文感知的人类参与，支持代理通信协议层面的HITL实现，为工作流的可扩展治理和渐进自主性奠定基础。

Comments 8 pages, 2 figures

A pragmatic approach to regulating AI agents

对AI代理的务实监管方法

Philipp Hacker, Matthias Holweg

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

AI总结 本文探讨了AI代理在法律框架下的监管挑战，提出将代理视为AI系统进行监管，并建立问责机制以确保其自主性受人类责任约束。

PrivacyAssist: A User-Centric Agent Framework for Detecting Privacy Inconsistencies in Android Apps

PrivacyAssist：一种以用户为中心的代理框架，用于检测Android应用程序中的隐私不一致

Tran Thanh Lam Nguyen, Edoardo Di Tullio, Barbara Carminati, Elena Ferrari

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

AI总结 PrivacyAssist通过多代理LLM平台检测用户授权权限与开发者声明的敏感数据收集共享实践之间的不一致，提供简洁解释和实时警告以支持明智安装决策。

MAS-SZZ: Multi-Agentic SZZ Algorithm for Vulnerability-Inducing Commit Identification

MAS-SZZ：多智能体SZZ算法用于漏洞引发提交识别

Sicong Cao, Jinxuan Xu, Le Yu, Jing Yang, Xingwei Lin, Linlin Zhu, Fu Xiao

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

AI总结 本文提出MAS-SZZ算法，通过多智能体协作识别漏洞引发提交，通过结构化向前提示策略定位漏洞相关代码，提升漏洞检测准确性。

Representation Homogeneity and Systemic Instability in AI-Dominated Financial Markets: A Structural Approach

表示同质性和系统性不稳定性在AI主导的金融市场中的表现：一种结构方法

Yimeng Qiu, Qiwei Han

机构 * Draft Version（草稿版本） 纠错

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

AI总结 本文研究了AI交易代理对市场状态信息表示相似性如何导致金融市场系统性不稳定。通过构建结构多代理市场模型，分析表示同质性与预测重叠的关系，揭示低波动时期隐藏杠杆积累机制，为宏观审慎政策提供结构基础。

TeachMaster: Generative Teaching via Code

TeachMaster: 通过代码生成教学内容

Yuheng Wang, Runde Yang, Lin Wu, Jie Zhang, Jingru Fan, Tianle Zhou, Ruoyu Fu, Huatao Li, Ruijie Shi, Siheng Chen, Weinan E, Chen Qian

机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） 纠错

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

AI总结 本文提出Generative Teaching paradigm，通过多智能体框架TeachMaster实现教学内容的自动化生成，提升生产效率并降低教育视频制作成本。

Comments Accepted to ACL 2026; https://www.teachmaster.cn/

Why Are We Moral? An LLM-based Agent Simulation Approach to Study Moral Evolution

为什么我们有道德？一种基于大语言模型的智能体模拟方法研究道德进化

Zhou Ziheng, Huacong Tang, Mingjie Bi, Yipeng Kang, Wanying He, Fang Sun, Yizhou Sun, Ying Nian Wu, Demetri Terzopoulos, Fangwei Zhong

专题命中 多智能体 ：agent(title,abstract)

AI总结 本文通过基于大语言模型的智能体模拟方法，探讨道德进化中的合作与互惠机制，发现普遍互惠道德在不同条件下表现稳定，而利己行为被强烈排斥，同时认知因素在道德演化中起关键作用。

Comments Accepted at ACL 2026 Main Conference. 51 pages including appendix

Toward a Safe Internet of Agents

迈向安全的智能体互联网

Juan A. Wibowo, George C. Polyzos

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

AI总结 本文提出安全智能体系统的框架，通过分层分析揭示智能体安全的核心原则，为构建安全可靠的智能体AI提供指导。

Comments 44 pages

Financial Market as a Self-Organized Ecosystem: Simulation via Learning with Heterogeneous Preferences

金融市场作为自组织生态系统：通过具有异质偏好的学习进行模拟

Ryuji Hashimoto, Ryosuke Takata, Masahiro Suzuki, Yuki Tanaka, Kiyoshi Izumi

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

AI总结 本文研究了金融市场中学习与异质偏好共同作用对集体动态的影响，通过多智能体强化学习框架展示异质偏好驱动策略分化，从而产生现实市场动态。

Comments arXiv admin note: substantial text overlap with arXiv:2511.05207

The Chameleon's Limit: Investigating Persona Collapse and Homogenization in Large Language Models

Chameleon的极限：探究大型语言模型中的人格崩溃与同质化

Yunze Xiao, Vivienne J. Zhang, Chenghao Yang, Ningshan Ma, Weihao Xuan, Jen-tse Huang

机构 * CMU（卡内基梅隆大学） ； UChicago（芝加哥大学） ； MIT（麻省理工学院） ； UTokyo（东京大学） ； RIKEN AIP（理化学研究所AIP分部） ； JHU（约翰霍普金斯大学） 纠错

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

AI总结 研究发现大型语言模型中存在人格崩溃现象，导致代理行为模式趋同。通过提出覆盖度、均匀度和复杂度指标，揭示模型在不同维度和领域的人格表现差异，并释放工具支持群体评估。

On the Convergence of Jacobian-Free Backpropagation for Optimal Control Problems with Implicit Hamiltonians

隐式哈密顿量最优反馈控制的雅可比自由反向传播收敛性研究

Eric Gelphman, Deepanshu Verma, Nicole Tianjiao Yang, Stanley Osher, Samy Wu Fung

机构 * Department of Applied Mathematics and Statistics, Colorado School of Mines（应用数学与统计学系，科罗拉多矿业学院） ； Department of Mathematical Sciences, Clemson University（数学科学系，克莱姆森大学） ； Department of Mathematics, University of Tennessee Knoxville（数学系，田纳西大学肯尼思维尔分校） ； Department of Mathematics, University of California Los Angeles（数学系，加州大学洛杉矶分校） 纠错

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

AI总结 本文研究了隐式哈密顿量最优控制问题中雅可比自由反向传播的收敛性，证明了在随机小批量设置下其收敛到期望最优控制目标的 stationary 点，并展示了在高维问题中的可扩展性。

Comments 19 Pages, 6 figures, 1 table. Submitted to IEEE Transactions on Automatic Control and is pending review

From Static to Interactive: Authoring Interactive Visualizations via Natural Language

从静态到交互：通过自然语言实现交互式可视化

Can Liu, Jaeuk Lee, Tianhe Chen, Zhibang Jiang, Xiaolin Wen, Yong Wang

机构 * Nanyang Technological University（南洋理工大学） ； Ajou University（阿乔大学） ； Providence Health & Services（普罗维登斯健康与服务） 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Athanor方法，利用多模态大语言模型和自然语言指令将静态可视化转为交互式，通过三种创新设计提升用户交互体验。

Verification of Correlated Equilibria in Concurrent Reachability Games

并发可达游戏中相关均衡的验证

Senthil Rajasekaran, Jean-François Raskin, Moshe Y. Vardi

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

AI总结 本文研究了并发可达游戏中相关均衡的验证问题，提出子博弈完美相关均衡的概念，并分析了其计算复杂性，发现尽管相关均衡更一般，但其验证问题在标准复杂性假设下更难。

DECOFFEE: Decentralized Reinforcement Learning for Time-critical Workload Offloading and Energy Efficiency across the Computing Continuum

DECOFFEE：面向时间敏感工作负载卸载和能源效率的去中心化强化学习

Anastasios Giannopoulos, Sotirios Spantideas, Panagiotis Trakadas

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

AI总结 本文提出DECOFFEE框架，通过去中心化强化学习优化系统延迟、能耗和工作负载丢弃率，采用并行马尔可夫决策过程和改进的DQN架构提升边缘计算效率。

Comments 22 pages, 14 figures

TARMM: Scaling Delay-Critical Edge AI Offloading in 5G O-RAN via Temporal Graph Mobility Management

TARMM：通过时间图移动管理实现5G O-RAN中延迟关键边缘AI卸载的扩展

Peihao Yan, Yun Chen, Jie Lu, Qijun Wang, Huacheng Zeng

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

AI总结 本文提出TARMM，一种优化5G O-RAN用户移动管理的系统，通过时间图模型和多智能体强化学习框架，提升延迟关键边缘AI卸载的实时性和可靠性。

Distributed Multi-Sensor Control for Multi-Target Tracking Using Adaptive Complementary Fusion for LMB Densities

基于自适应互补融合的多传感器控制用于多目标跟踪

Aidan Blair, Amirali Khodadadian Gostar, Alireza Bab-Hadiashar, Xiaodong Li, Reza Hoseinnezhad

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

AI总结 本文提出了一种基于多代理坐标下降的多传感器控制方法，通过自适应互补融合提高多目标跟踪的准确性和计算效率，适用于大规模实时传感系统。

Comments This paper replaces and supersedes arXiv:2401.14085. Submitted to IEEE Transactions on Signal Processing

Distributional Robustness of Linear Contracts

线性合约的分布鲁棒性

Shiliang Zuo

专题命中 多智能体 ：agent(abstract)

AI总结 本文研究了在存在分布不确定性时，线性合约在委托-代理问题中的最优性，证明了线性合约在最坏情况下的支付收益优于非线性合约，并扩展至多方场景。

Optimal incentive scheme for ESG disclosure

ESG披露的最优激励方案

Imen Ben Tahar, Dylan Possamaï, Xiaolu Tan

专题命中 多智能体 ：agent(abstract)

AI总结 本文研究了在连续时间委托-代理模型中ESG披露的最优激励机制，通过三种工具平衡激励与支付方差，探讨了风险厌恶程度对合同设计的影响，并提出了一种约束二次规划模型。

Comments 29 pages

Strategically Robust Aggregative Games

战略鲁棒聚合博弈

Andreas Feik, Nicolas Lanzetti, Saverio Bolognani, Florian Dörfler, Dario Paccagnan

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出战略鲁棒Wardrop均衡概念，通过最优传输基的模糊集保护代理免受群体行为不确定性影响，在凸聚合博弈中证明其存在性并提供计算工具，展示鲁棒化能提升群体决策效率。

GreenDyGNN: Runtime-Adaptive Energy-Efficient Communication for Distributed GNN Training

GreenDyGNN: 动态缓存管理用于分布式GNN训练的运行时适应能效通信

Arefin Niam, Tevfik Kosar, M. S. Q. Zulkar Nine

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出GreenDyGNN，通过动态缓存管理在分布式GNN训练中降低能耗，适应运行时网络变化，实现比传统方法更高的能效。

Towards Agentic Test-Driven Quality Assurance for 6G Networks

面向6G网络的代理驱动测试驱动质量保证

Christos Tranoris, Besiana Agko, Kostis Trantzas, Irene Denazi

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

AI总结 本文提出一个代理驱动的端到端 orchestration 框架，通过意图共创与测试驱动质量保证相结合，确保SLA合规性。

Comments 8 pages

FastOMOP: A Foundational Architecture for Reliable Agentic Real-World Evidence Generation on OMOP CDM data

FastOMOP：一种用于OMOP CDM数据上可靠代理现实世界证据生成的基础架构

Niko Moeller-Grell, Shihao Shenzhang, Zhangshu Joshua Jiang, Richard JB Dobson, Vishnu V Chandrabalan

机构 * Lancashire Teaching Hospitals NHS Foundation Trust（兰开夏教学医院国家健康服务信托基金会） ； Lancaster University（兰卡斯特大学） ； EPSRC DRIVE-Health, Department of Biostatistics & Health Informatics（EPSRC DRIVE-Health，生物统计学与健康信息学部门） ； King’s College London（伦敦国王学院） ； Institute for Health Informatics（健康信息学研究所） ； University College London（伦敦大学学院） ； NIHR Biomedical Research Centre（英国国家健康服务研究院生物医学研究中心） ； University College London Hospitals NHS Foundation Trust（伦敦大学学院医院国家健康服务信托基金会） ； Health Data Research UK London（英国健康数据研究伦敦） ； South London and Maudsley NHS Foundation Trust and King’s College London（伦敦南部及莫德利国家健康服务信托基金会和伦敦国王学院） ； Department of Biostatistics & Health Informatics, Institute of Psychiatry, Psychology & Neuroscience（生物统计学与健康信息学部门，精神病学、心理学与神经科学研究所） 纠错

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

AI总结 本文提出FastOMOP架构，通过分离治理、可观测性和编排三层，解决代理系统在现实世界证据生成中的安全性和可靠性问题，验证结果显示其在不同数据集上均能保持高可靠性。

RADIANT-LLM: an Agentic Retrieval Augmented Generation Framework for Reliable Decision Support in Safety-Critical Nuclear Engineering

RADIANT-LLM：一种用于安全关键核工程中可靠决策支持的代理检索增强生成框架

Zavier Ndum Ndum, Jian Tao, John Ford, Mansung Yim, Yang Liu

机构 * Department of Nuclear Engineering, Texas A\&M University, College Station, TX, USA ； College of Performance, Visualization ； Fine Arts, Texas A\&M University, College Station, TX, USA 纠错

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

AI总结 本文提出RADIANT-LLM框架，通过多模态检索增强生成技术，结合领域知识库和代理层，提升核工程中的决策支持准确性与透明度，降低幻觉风险。

Agentic Adversarial Rewriting Exposes Architectural Vulnerabilities in Black-Box NLP Pipelines

代理对抗重写揭示了黑盒NLP流水线中的架构漏洞

Mazal Bethany, Kim-Kwang Raymond Choo, Nishant Vishwamitra, Peyman Najafirad

机构 * Department of Information Systems and Cybersecurity, University of Texas at San Antonio（信息系统与网络安全系，德克萨斯大学圣安东尼奥分校） 纠错

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

AI总结 本文提出一种双代理逃逸框架，通过语义扰动空间在无梯度反馈和严格查询预算下测试NLP流水线的鲁棒性，发现架构选择影响攻击面，并通过模式指导防御降低逃逸率。

Comments Submitted to IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY

Exact, Efficient, and Reliable Multi-Objective and Multi-Constrained IoT Workflow Scheduling in Edge-Hub-Cloud Cyber-Physical Systems

精确、高效且可靠的多目标和多约束物联网工作流调度在边缘-集线器-云协同物理系统中

Andreas Kouloumpris, Georgios L. Stavrinides, Maria K. Michael, Theocharis Theocharides

专题命中 工作流自动化 ：workflow(title,abstract)

AI总结 本文提出了一种基于连续时间混合整数线性规划的精确多目标多约束工作流调度方法，用于边缘-集线器-云协同物理系统，以优化延迟、能耗和可靠性，同时满足严格的时间和资源约束。

Comments This version of the manuscript has been accepted for publication in IEEE Internet of Things Journal after peer review (Author Accepted Manuscript). It is not the final published version (Version of Record) and does not reflect any post-acceptance improvements. The Version of Record is available online at https://doi.org/10.1109/JIOT.2026.3665298

Journal ref IEEE IoTJ 13 (2026) 18610-18628

An Agentic Framework for Intent Co-Creation in 6G NaaS: Architecture and Open-Source Model Evaluation

面向6G NaaS的意图共创作代理框架：架构与开源模型评估

Kostis Trantzas, Besiana Agko, Christos Tranoris, Irene Denazi

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

AI总结 本文提出面向6G NaaS的意图驱动端到端 orchestration 框架，通过协作意图共创作提升复杂网络环境下的自主性，评估开源大语言模型在高分辨率意图到有效订单转换中的性能差距。

Optimas: An Intelligent Analytics-Informed Generative AI Framework for Performance Optimization

Optimas: 一种基于智能分析的生成式AI框架，用于性能优化

Mohammad Zaeed, Tanzima Z. Islam, Vladimir Indic

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

AI总结 Optimas通过多代理工作流构建的端到端生成式AI框架，实现了自动化代码优化，通过性能诊断映射到文献支持的代码转换，提升了代码正确性和性能效率。

Comments 11 pages, 17 figures

CineAGI: Character-Consistent Movie Creation through LLM-Orchestrated Multi-Modal Generation and Cross-Scene Integration

CineAGI：通过LLM协同多模态生成与跨场景整合实现角色一致的电影创作

Tianyidan Xie, Zhentao Huang, Mingjie Wang, Xin Huang, Jun Zhou, Minglun Gong, Zili Yi

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

AI总结 CineAGI通过多代理叙事合成模块、角色中心流水线和分层音视频同步机制，提升电影创作的一致性和质量，实现40%的整体一致性提升。

Comments Accepted to ICME 2026