AI Agent

Progressive Multi-Agent Reasoning for Biological Perturbation Prediction

逐步多智能体推理用于生物扰动预测

Hyomin Kim, Sang-Yeon Hwang, Jaechang Lim, Yinhua Piao, Yunhak Oh, Woo Youn Kim, Chanyoung Park, Sungsoo Ahn, Junhyeok Jeon

机构 * KAIST（韩国国立科学技术院） 纠错

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

AI总结 本文提出LINCSQA基准和PBio-Agent框架，通过整合难度感知任务序列与迭代知识细化，提升复杂化学扰动下基因调控预测的准确性与解释性。

Comments 17 pages, 4 figures, 9 tables

Building Persona-Based Agents On Demand: Tailoring Multi-Agent Workflows to User Needs

按需构建基于人设的智能体：定制多智能体工作流以满足用户需求

Giuseppe Arbore, Andrea Sillano, Luigi De Russis

机构 * Politecnico di Torino（托里尼理工大学） 纠错

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

AI总结 本文提出按需生成多智能体工作流的框架，通过动态创建智能体和人设以适应用户特征、任务需求和工作流上下文，提升智能体系统的个性化和适应性。

Web2BigTable: A Bi-Level Multi-Agent LLM System for Internet-Scale Information Search and Extraction

Web2BigTable: 一种用于互联网级信息搜索与提取的双层多智能体大语言模型系统

Yuxuan Huang, Yihang Chen, Zhiyuan He, Yuxiang Chen, Ka Yiu Lee, Huichi Zhou, Weilin Luo, Meng Fang, Jun Wang

机构 * University of Liverpool（利物浦大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； University College London（伦敦大学学院） 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 Web2BigTable通过双层架构实现互联网级信息搜索与提取，结合任务分解与并行执行，提升深度推理和结构化聚合能力，达到新的性能标准。

Think it, Run it: Autonomous ML pipeline generation via self-healing multi-agent AI

思考并运行：通过自我修复多智能体AI实现自主ML流水线生成

Adela Bara, Gabriela Dobrita, Simona-Vasilica Oprea

机构 * Bucharest University of Economic Studies（布加勒斯特经济大学） 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 本文提出一种统一的多智能体架构，实现从数据集和自然语言目标自动生成端到端机器学习流水线，提升效率、鲁棒性和可解释性。通过五智能体系统处理数据剖析、意图解析、微服务推荐、DAG构建与执行，并结合代码基础的RAG、可解释混合推荐、自我修复机制和自适应学习，实现了84.7%的成功率。

Chronology of Multi-Agent Interactions for Provenance of Evolving Information

多智能体交互的时间线用于动态信息的溯源

Ching-Chun Chang, Isao Echizen

机构 * Information and Society Research Division, National Institute of Informatics（信息与社会研究部，国家信息研究所） ； Graduate School of Information Science and Technology, University of Tokyo（东京大学信息科学与技术研究生院） ； School of Multidisciplinary Sciences, Graduate University for Advanced Studies (SOKENDAI)（多学科科学系，研究生高级研究大学（SOKENDAI）） 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 本文研究多智能体生成过程中的时间线溯源问题，提出基于内容的后验归属系统，通过符号时间线记录生成历史，实现协作式人工智能的可追溯性。

Journal ref Royal Society Open Science (2026)

Multi-Agent Pathfinding Under Team-Connected Communication Constraint via Adaptive Path Expansion and Dynamic Leading

基于团队连接通信约束的多智能体路径规划：通过自适应路径扩展和动态领导技术

Hoang-Dung Bui, Erion Plaku, Gregoy J. Stein

机构 * George Mason University（乔治·马歇尔大学） 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 本文提出了一种新的多智能体路径规划框架，解决在团队连接通信约束下路径规划的问题。通过自适应路径扩展和动态领导技术，有效处理通信约束下的路径规划，实验证明在不同环境中能高效处理大量智能体。

Journal ref Journal of Artificial Intelligence Research, 85(46) (2026)

MM-StanceDet: Retrieval-Augmented Multi-modal Multi-agent Stance Detection

MM-StanceDet：基于检索的多模态多智能体立场检测

Weihai Lu, Zhejun Zhao, Yanshu Li, Huan He

机构 * Peking University（北京大学） ； Baidu Inc（百度公司） ； Brown University（布朗大学） ； Amazon（亚马逊） 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MM-StanceDet框架，通过整合检索增强、多模态分析代理、辩论阶段和自我反思，解决多模态立场检测中的上下文 grounding、跨模态解释模糊和单次推理脆弱问题，实验表明其在五个数据集上优于现有方法。

Comments Accepted on ACL 2026 Main Conference

Real-World Doctor Agent with Proactive Consultation through Multi-Agent Reinforcement Learning

现实世界中的医生代理通过多智能体强化学习实现主动咨询

Yichun Feng, Jiawei Wang, Lu Zhou, Yikai Zheng, Zhen Lei, Yixue Li

机构 * Guangzhou National Laboratory（广州国家实验室） 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DoctorAgent-RL框架，通过多智能体强化学习提升医疗咨询的动态决策能力，实现70%的准确诊断匹配率，验证了其在现实中的有效性。

RoadMapper: A Multi-Agent System for Roadmap Generation of Solving Complex Research Problems

RoadMapper: 一个用于解决复杂研究问题的路线图生成的多智能体系统

Jiacheng Liu, Zichen Tang, Zhongjun Yang, Xinyi Hu, Xueyuan Lin, Linwei Jia, Ruofei Bai, Rongjin Li, Shiyao Peng, Haocheng Gao, Haihong E

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； IDEA Research（IDEA研究院） ； Hithink RoyalFlush Information Network Co., Ltd.（Hithink RoyalFlush信息网络有限公司） 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RoadMapper，一个基于LLM的多智能体系统，通过分解任务生成高质量路线图，提升LLM在复杂问题解决中的性能，效率提升84%。

Comments Accepted to Findings of ACL 2026

Safe Bilevel Delegation (SBD): A Formal Framework for Runtime Delegation Safety in Multi-Agent Systems

安全双层委托(SBD):一种用于多智能体系统运行时委托安全性的正式框架

Yuan Sun

机构 * Jilin University（吉林大学） 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SBD框架，通过双层优化问题在运行时动态调整安全与效率的权衡，理论证明了安全单调性、内政策收敛性和责任传播界，应用于医疗AI、金融风险控制和教育代理监督领域。

METASYMBO: Multi-Agent Language-Guided Metamaterial Discovery via Symbolic Latent Evolution

METASYMBO: 多智能体语言引导的超材料发现 via 符号驱动的潜在进化

Jianpeng Chen, Wangzhi Zhan, Dongqi Fu, Junkai Zhang, Zian Jia, Ling Li, Wei Wang, Dawei Zhou

机构 * Virginia Tech（弗吉尼亚理工大学） ； Meta AI ； University of California Los Angeles（加州大学洛杉矶分校） ； Princeton University（普林斯顿大学） ； University of Pennsylvania（宾夕法尼亚大学） 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MetaSymbO框架，通过符号驱动的潜在进化实现语言引导的超材料发现，提升结构有效性和语言指导得分，验证其在实际应用中的有效性。

A High-Throughput Compute-Efficient POMDP Hide-And-Seek-Engine (HASE) for Multi-Agent Operations

一种高吞吐量、计算高效的POMDP捉迷藏引擎（HASE）用于多智能体操作

Timothy Flavin, Sandip Sen

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

AI总结 本文提出一种高效的Dec-POMDP引擎，通过C++架构和优化技术实现高吞吐量，验证了其在多智能体协作策略训练中的性能和通用性。

Comments 21 pages, 10 figures, 5 tables. Includes appendix

R3DM: Enabling Role Discovery and Diversity Through Dynamics Models in Multi-agent Reinforcement Learning

R3DM：通过动态模型在多智能体强化学习中实现角色发现与多样性

Harsh Goel, Mohammad Omama, Behdad Chalaki, Vaishnav Tadiparthi, Ehsan Moradi Pari, Sandeep Chinchali

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

AI总结 R3DM通过动态模型最大化智能体角色、观察轨迹与预期未来行为间的互信息，提升多智能体协作效率，实验表明其在SMAC和SMACv2环境中显著提升胜率。

Comments 21 pages, To appear in the International Conference of Machine Learning (ICML 2025)

Trace-Level Analysis of Information Contamination in Multi-Agent Systems

多智能体系统中信息污染的跟踪级分析

Anna Mazhar, Huzaifa Suri, Sainyam Galhotra

机构 * Cornell University（康奈尔大学） ； University of Illinois（伊利诺伊大学） 纠错

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

AI总结 研究多智能体系统中信息污染现象，通过跟踪差异量化污染影响，提出污染表现类型分类及测量框架，揭示验证防护失效原因。

CareGuardAI: Context-Aware Multi-Agent Guardrails for Clinical Safety & Hallucination Mitigation in Patient-Facing LLMs

CareGuardAI：面向临床安全与幻觉抑制的上下文感知多智能体守卫机制

Elham Nasarian, Abhilash Neog, Kwok-Leung Tsui, Niyousha HosseiniChimeh

机构 * Grado Department of Industrial & Systems Engineering, Virginia Tech, Blacksburg, VA 24061, USA（弗吉尼亚理工大学格拉多工业与系统工程系，弗吉尼亚理工大学，布莱克斯堡，VA 24061，美国） ； Department of Computer Science, Virginia Tech, Blacksburg, VA 24061, USA（弗吉尼亚理工大学计算机科学系，弗吉尼亚理工大学，布莱克斯堡，VA 24061，美国） ； Dept of Industrial, Manufacturing, and Systems Engineering at University of Texas at Arlington, Arlington, TX 76019, USA（德克萨斯理工大学阿灵顿分校工业、制造与系统工程系，阿灵顿，TX 76019，美国） 纠错

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

AI总结 CareGuardAI通过引入临床安全风险评估和幻觉风险评估，结合多阶段管道和迭代优化，提升患者面对LLM的可靠性与安全性，优于基线模型。

The Inverse-Wisdom Law: Architectural Tribalism and the Consensus Paradox in Agentic Swarms

逆智慧定律：代理群中的建筑部落主义与共识悖论

Dahlia Shehata, Ming Li

机构 * University of Waterloo（滑铁卢大学） 纠错

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

AI总结 研究挑战了代理协作遵循'群体智慧'的假设，揭示了代理群优先内部架构一致而非外部逻辑真理的悖论，通过实验证明逆智慧定律，并定义部落主义系数和谄媚权重作为群失败的主要决定因素。

Optimal Stop-Loss and Take-Profit Parameterization for Autonomous Trading Agent Swarm

自主交易代理群的最优止损和止盈参数设置

Nathan Li, Aikins Laryea, Yigit Ihlamur

机构 * University of Oxford（牛津大学） ； Vela Research（Vela研究） 纠错

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

AI总结 本文研究了优化止损和止盈参数对自主交易代理群性能的影响，通过历史交易数据验证了退出策略设计的重要性，并讨论了评估中的挑战。

Comments 4 pages, 2 figures, 3 tables

TRUST: A Framework for Decentralized AI Service v.0.1

TRUST：一种去中心化AI服务框架v.0.1

Yu-Chao Huang, Zhen Tan, Mohan Zhang, Pingzhi Li, Zhuo Zhang, Tianlong Chen

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

AI总结 TRUST框架通过去中心化方法解决高风险领域中大型推理模型和多智能体系统可靠性验证的问题，采用HDAG、DAAN协议和多层共识机制，提升透明性、鲁棒性和隐私保护，实现安全且可问责的AI部署。

When Roles Fail: Epistemic Constraints on Advocate Role Fidelity in LLM-Based Political Statement Analysis

当角色失效时：基于大语言模型的政治声明分析中的知识约束与倡导角色一致性

Juergen Dietrich

机构 * TRUST Project（TRUST项目） 纠错

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

AI总结 本文研究了基于大语言模型的多智能体系统中倡导角色一致性的知识约束，通过TRUST管道测试发现两种失效模式，并揭示模型选择和事实核查提供商对角色一致性的影响。

Comments 22 pages

A Collective Variational Principle Unifying Bayesian Inference, Game Theory, and Thermodynamics

一种统一贝叶斯推理、博弈论和热力学的集体变分原理

Djamel Bouchaffra, Faycal Ykhlef, Mustapha Lebbah, Hanane Azzag

机构 * DAVID Lab, University of Paris-Saclay, UVSQ（巴黎-萨克雷大学DAVID实验室） ； TSAM, ASM, Centre for Development of Advanced Technologies（塔山、ASM先进技术发展中心） ； LIPN, UMR CNRS 7030, Sorbonne Paris Nord University（巴黎-北大学术研究所） 纠错

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

AI总结 本文提出一种统一框架，展示多智能体系统通过局部自由能最小化隐式实现随机博弈，并建立贝叶斯推理与战略互动的桥梁。

Comments Submitted to Nature. 21 pages, 4 figures. Code and data available at https://github.com/dbouchaffra/game-theoretic-free-energy-principle

When Agents Evolve, Institutions Follow

当智能体进化时，制度随之演变

Chao Fei, Hongcheng Guo, Yanghua Xiao

机构 * Fudan University（复旦大学） 纠错

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

AI总结 本文研究了多智能体系统在集体行动组织中的挑战，通过历史政治制度翻译成可执行架构，发现治理拓扑结构显著影响集体性能，最优架构随模型能力变化而变化。

PALCAS: A Priority-Aware Intelligent Lane Change Advisory System for Autonomous Vehicles using Federated Reinforcement Learning

PALCAS：基于联邦强化学习的优先级感知智能变道建议系统用于自动驾驶车辆

Yassine Ibork, Nhat Ha Nguyen, Myounggyu Won, Lokesh Das

机构 * School of Computing, Wichita State University（维斯科大学计算学院） ； Department of Computer Science, University of Memphis（孟菲斯大学计算机科学系） 纠错

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

AI总结 本文提出基于多智能体联邦强化学习的优先级感知智能变道建议系统PALCAS，用于自动驾驶车辆，通过引入新的优先级感知安全变道奖励函数，提升变道决策的合理性和交通效率。

Joint Action is a Framework for Understanding Partnerships Between Humans and Upper Limb Prostheses

联合行动是一种理解人与上肢假体之间合作关系的框架

Michael R. Dawson, Adam S. R. Parker, Heather E. Williams, Ahmed W. Shehata, Jacqueline S. Hebert, Craig S. Chapman, Patrick M. Pilarski

机构 * Division of Physical Medicine and Rehabilitation, Department of Medicine, University of Alberta（阿尔伯塔大学物理医学与康复科，医学部） ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所） ； Faculty of Rehabilitation Medicine（康复医学学院） ； Department of Biomedical Engineering, University of Alberta（阿尔伯塔大学生物医学工程系） ； Faculty of Kinesiology, Sport, and Recreation（运动、体育与休闲学院） 纠错

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

AI总结 本文比较了不同假体控制器在展现联合行动特征方面的表现，提出新的理解视角并推荐增强合作通信以改进系统。

Comments Submitted to Frontiers in Neurorobotics

Journal ref 2024 10th IEEE RAS/EMBS International Conference for Biomedical Robotics and Biomechatronics (BioRob), 2024, pp. 605-611

NetSatBench: A Distributed LEO Constellation Emulator with an SRv6 Case Study

NetSatBench：一种用于大规模低轨卫星系统的分布式仿真平台及其SRv6案例研究

Andrea Detti, Shahram Dadras, Giuseppe Tropea

专题命中 多智能体 ：workflow(abstract)

AI总结 NetSatBench通过分布式容器和VXLAN overlay实现低轨卫星通信协议和应用负载的仿真，支持IPv4/IPv6路由，并通过SRv6案例展示其在动态卫星动态下的协议实验能力。

Mean-Field Systems with Heterogeneous Subteams: Optimality of Cluster-Symmetric Independent Policies and Equivalence with Decentralized McKean-Vlasov Control of Cluster-Representative Agents

均场系统与异质子团队：集群对称独立策略的最优性及与去中心化麦肯-瓦拉斯控制的等价性

Connor S. Braun, Sina Sanjari, Naci Saldi, Gunnar Blohm, Serdar Yüksel

专题命中 多智能体 ：agent(abstract)

AI总结 本文研究了异质子团队的均场系统，证明了集群对称独立策略的最优性，并展示了其与去中心化麦肯-瓦拉斯控制的等价性，为复杂合作系统的分析提供了新途径。

Comments 35 pages