AI Agent

HearthNet: Edge Multi-Agent Orchestration for Smart Homes

HearthNet：边缘多智能体协调用于智能家居

Zhonghao Zhan, Krinos Li, Yefan Zhang, Hamed Haddadi

机构 * Imperial College London（伦敦帝国学院） ； Independent Researcher（独立研究员） 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 HearthNet通过边缘多智能体系统解决智能家居中自然语言控制、设备故障和持续协调的问题，采用MQTT、Git共享状态和授权租赁实现设备管理。

Comments (CAIS 2026) Proceedings of the ACM Conference on AI and Agentic Systems, Demo Track

SAFEdit: Does Multi-Agent Decomposition Resolve the Reliability Challenges of Instructed Code Editing?

SAFEdit：多智能体分解能否解决受指导代码编辑的可靠性挑战？

Noam Tarshish, Nofar Selouk, Daniel Hodisan, Bar Ezra Gafniel, Yuval Elovici, Asaf Shabtai, Eliya Nachmani

机构 * Ben-Gurion University of the Negev（巴伊兰大学） 纠错

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

AI总结 SAFEdit通过多智能体框架分解编辑过程，提升代码编辑的可靠性与准确性，其迭代改进机制显著提高了任务成功率。

Comments Accepted to the EQUISA (Evaluation of Qualitative Aspects of Intelligent Software Assistants) workshop at EASE (Evaluation and Assessment in Software Engineering) 2026

Cooperate to Compete: Strategic Coordination in Multi-Agent Conquest

合作以竞争：多智能体征服中的战略协调

Abigail O'Neill, Alan Zhu, Mihran Miroyan, Narges Norouzi, Joseph E. Gonzalez

机构 * University of California, Berkeley（加州大学伯克利分校） 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C2C多智能体环境，研究在混合动机设定下智能体如何通过合作达成长期竞争目标，发现人类与AI在谈判行为上有显著差异，并通过优化提升AI胜率。

CRAFT: Grounded Multi-Agent Coordination Under Partial Information

CRAFT：在部分信息下的 grounded 多智能体协调

Abhijnan Nath, Hannah VanderHoeven, Nikhil Krishnaswamy

机构 * Department of Computer Science, Colorado State University（计算机科学系，科罗拉多州立大学） 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 CRAFT 是评估大语言模型在严格部分信息下实用沟通能力的多智能体基准，通过自然语言构建共享3D结构。研究发现更强推理能力不必然带来更好协调，小模型常表现更优，表明多智能体协调仍是当前语言模型的挑战。

Comments Added revisions, corrected typos and additional analysis

MARD: A Multi-Agent Framework for Robust Android Malware Detection

MARD：一种用于鲁棒Android恶意软件检测的多智能体框架

Xueying Zeng, Youquan Xian, Sihao Liu, Xudong Mou, Yanze Li, Lei Cui, Bo Li

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

AI总结 MARD通过结合LLM的语义理解和传统静态分析，提出多智能体框架，有效降低APK深度分析成本，实现高可解释性检测，F1得分达93.46%。

Latent Agents: A Post-Training Procedure for Internalized Multi-Agent Debate

潜在代理：一种事后训练过程用于内部化多代理辩论

John Seon Keun Yi, Aaron Mueller, Dokyun Lee

机构 * Boston University（波士顿大学） 纠错

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

AI总结 本文提出一种两阶段微调流程，将多代理辩论转化为单个LLM，通过动态奖励调度和长度截断实现内部化，减少93%的token使用，同时通过激活引导发现代理特定子空间，并展示通过内部化辩论抑制恶意代理的应用。

Comments ACL 2026 Main

ITAS: A Multi-Agent Architecture for LLM-Based Intelligent Tutoring

ITAS：基于大语言模型的智能辅导系统多智能体架构

Iizalaarab Elhaimeur, Nikos Chrisochoides

机构 * Center for Real-Time Computing（实时计算中心） ； Computer Science Department（计算机科学系） ； Old Dominion University（旧 Dominion 大学） ； Physics Departments（物理系） 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ITAS多智能体架构，用于解决大语言模型在真实课程中运行的挑战，通过三层架构实现教学、操作和反馈功能，展示了系统在实际应用中的表现。

Comments Companion papers: arXiv:Q-ID (Quantum deployment), arXiv:L-ID (Latency analysis)

GAMMAF: A Common Framework for Graph-Based Anomaly Monitoring Benchmarking in LLM Multi-Agent Systems

GAMMAF：用于LLM多智能体系统基于图的异常监控基准测试的通用框架

Pablo Mateo-Torrejón, Alfonso Sánchez-Macián

机构 * University Carlos III of Madrid（卡洛斯三世大学） 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GAMMAF框架，用于评估LLM多智能体系统中的异常检测方法，通过生成合成数据集和动态隔离攻击节点，验证了其在拓扑扩展性和执行效率上的优势。

PolyKV: A Shared Asymmetrically-Compressed KV Cache Pool for Multi-Agent LLM Inference

PolyKV：一种用于多智能体LLM推理的共享非对称压缩KV缓存池

Ishan Patel, Ishan Joshi

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 PolyKV通过非对称压缩技术实现多个并发推理代理共享单一KV缓存池，提升内存效率并减少推理延迟。

Comments 10 pages, 6 tables. Code: https://github.com/ishan1410/PolyKV Keywords: KV cache compression, multi-agent LLM inference, asymmetric quantization, FWHT, TurboQuant, shared memory

CHORUS: Effort-Aware Multi-Agent Human-AI Collaboration for Professional Translation

CHORUS：面向专业翻译的有意识多智能体人机协作

George X. Wang, Jiaqian Hu, Guande Wu Jing Qian

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

AI总结 CHORUS通过多智能体协作系统支持翻译流程与个人风格，减少译者认知负担，提升翻译质量，降低完成时间33.8%。

Adversarial Attack on Black-Box Multi-Agent by Adaptive Perturbation

对黑盒多智能体系统的对抗性攻击：自适应扰动

Jianming Chen, Yawen Wang, Junjie Wang, Xiaofei Xie, Yuanzhe Hu, Qing Wang, Fanjiang Xu

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

AI总结 本文提出AdapAM框架，通过自适应选择策略和基于代理的扰动诱导恶意行为，提升多智能体系统攻击的隐蔽性和有效性，实验表明其在不同扰动率下表现最佳。

Journal ref AAAI 2026

Leverage Laws: A Per-Task Framework for Human-Agent Collaboration

利用率法则：一种面向任务的人机协作框架

Stan Loosmore

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

AI总结 本文提出一种面向任务的利用率比率，用于衡量人机协作中人类工作被代理所替代的比例，结合信息需求的流向和时间成本，探讨了利用率的渐进行为及任务新颖性对规划的影响。

Comments 10 pages, 2 figures

FGDM: Reasoning Aware Multi-Agentic Framework for Software Bug Detection using Chain of Thought and Tree of Thought Prompting

FGDM：基于推理的多智能体框架用于软件缺陷检测的链式思维和树式思维提示

Srita Padmanabhuni, Bhargavi Karuturi, Jerusha Karen Indupalli, Santhan Reddy Chilla, Vivek Yelleti

机构 * SRM University, Andhra Pradesh（安得拉邦SRM大学） 纠错

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

AI总结 本文提出FGDM框架，利用链式思维和树式思维提示，通过流程图识别代码错误并生成修复代码，有效提升大型代码库中缺陷检测的性能。

Scalable Inference Architectures for Compound AI Systems: A Production Deployment Study

可扩展的推理架构用于复合AI系统：一种生产部署研究

Srikanta Prasad S, Utkarsh Arora

机构 * Agentforce AI Platform, Salesforce India Pvt Ltd（Agentforce AI平台，Salesforce印度私人有限公司） 纠错

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

AI总结 本文研究了一种模块化、平台无关的推理架构，用于支持复合AI应用，如Agentforce和ApexGuru，展示了其在降低延迟、提升吞吐量和节省成本方面的成效。

Comments Accepted to the ACM Conference on AI and Agentic Systems (ACM CAIS 2026)

Toward Scalable Terminal Task Synthesis via Skill Graphs

通过技能图实现可扩展的终端任务合成

Zhiyuan Fan, Tinghao Yu, Yuanjun Cai, Jiangtao Guan, Yun Yang, Dingxin Hu, Jiang Zhou, Xing Wu, Zhuo Han, Feng Zhang, Lilin Wang

机构 * Hunyuan Team, Tencent（文生图团队，腾讯） 纠错

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

AI总结 本文提出SkillSynth框架，通过场景介导的技能图生成多样化终端任务，提升训练效率和任务多样性。

From Prototype to Classroom: An Intelligent Tutoring System for Quantum Education

从原型到课堂：面向量子教育的智能辅导系统

Iizalaarab Elhaimeur, Nikos Chrisochoides

机构 * Center for Real-Time Computing（实时计算中心） ； Computer Science Department（计算机科学系） ； Old Dominion University（旧 Dominion 大学） ； Physics Departments（物理系） 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ITAS系统，通过多智能体架构和课程设计解决量子教育中的可靠性问题，验证系统在真实课堂中的可行性及教学分析能力。

Comments 10 pages, 6 figures, 1 table. Submitted to IEEE QCE 2026. Companion papers (in preparation): ITAS architecture and latency analysis

TrialCalibre: A Fully Automated Causal Engine for RCT Benchmarking and Observational Trial Calibration

TrialCalibre：一种完全自动化的因果引擎用于RCT基准测试和观察性试验校准

Amir Habibdoust, Xing Song

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

AI总结 本文提出TrialCalibre，一种多智能体系统，用于自动化和扩展BenchExCal流程，通过专门的智能体协调整个过程，实现适应性、可审计和透明的因果效应估计。

Comments 5 pages , 2 figures

Journal ref Proceedings of the 42nd International Conference on Machine Learning, Vancouver, Canada. PMLR 267, 2025. Copyright 2025 by the author(s)

Zero Shot Coordination for Sparse Reward Tasks with Diverse Reward Shapings

稀疏奖励任务中具有多样化奖励塑造的零 shot 协调

Keenan Powell, Peihong Yu, Pratap Tokekar

机构 * Department of Computer Science（计算机科学系） ； University of Maryland, College Park（马里兰大学学院公园分校） 纠错

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

AI总结 本文提出了一种基于随机奖励塑造的多智能体强化学习方法，通过4种算法选择策略训练多个方法，提升在Overcooked环境中的稀疏奖励表现，改进率达62.2%-119.2%。

Should I Replan? Learning to Spot the Right Time in Robust MAPF Execution

应该重新规划吗？学习在鲁棒MAPF执行中找到合适的时间

David Zahrádka, David Woller, Denisa Mužíková, Miroslav Kulich, Libor Přeučil

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

AI总结 本文提出利用全连接前馈神经网络预测延迟代理下的重新规划收益，通过设计基于ADG的特征描述鲁棒执行状态及潜在延迟影响，以减少延迟带来的影响。

Comments 8 pages, 10 figures. Submitted for double-blind review to IEEE

Large Language Models have Chain-of-Affect

大型语言模型具有情感链

Junjie Xu, Xingjiao Wu, Luwei Xiao, Yuzhe Yang, Jie Zhou, Zihao Zhang, Luhan Wang, Yi Huang, Nan Wu, Yingbin Zheng, Chao Yan, Cheng Jin, Honglin Li, Liang He

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

AI总结 研究探讨了大型语言模型在持续交互中情感状态的演变，发现其情感动态具有结构性和可重复性，影响生成、用户体验及集体动态。

SlicerRoboTMS: An Open-Source 3D Slicer Extension for Robot-Assisted Transcranial Magnetic Stimulation

SlicerRoboTMS：一种用于机器人辅助经颅磁刺激的开源3D切片扩展

Wenzhi Bai, Yituo Guo, Bhaskar Basu, Andrew Weightman, Zhenhong Li

机构 * Department of Electrical and Electronic Engineering（电气与电子工程系） ； University of Manchester（曼彻斯特大学） ； Rehabilitation Medicine（康复医学） ； Manchester University NHS Foundation Trust（曼彻斯特大学国家健康服务基金会信托） ； Department of Mechanical and Aerospace Engineering（机械与航空航天工程系） 纠错

专题命中 多智能体 ：workflow(abstract)

AI总结 本文提出SlicerRoboTMS，一种开源3D切片扩展，通过统一交互基础设施支持机器人辅助经颅磁刺激研究，提供MRI导航和机器人系统接口，降低研究门槛，促进可重复和扩展的研究。

Comments Accepted by the 48th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC) 2026

Huí Sù: Co-constructing a Dual Feedback Apparatus

回溯：构建双重反馈装置

Yichen Wang, Charles Patrick Martin

机构 * The Australian National University（澳大利亚国立大学） 纠错

专题命中 多智能体 ：agentic(abstract)

AI总结 本文探讨了智能音乐乐器Sù与Agentier及其人类表演者通过反馈循环的双反馈系统，研究人类与智能系统之间的协作、对抗与协商。

Comments Accepted for publication at the International Conference on New Interfaces for Musical Expression (NIME) 2026 (music track)

Do You Know What I Mean? A Syntactic Representation for Differential Bounded Awareness

你是指这个吗？一种差分有界意识的语法表示

Ani Guerdjikova, Evan Piermont, John Quiggin

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出一种语法表示方法，用于在不假设完全共享意识的情况下，处理不同主体对世界的不同表示。通过定义两种语言间的翻译算子，研究逻辑运算的保留条件及联合状态空间和语言的构建。