AI Agent

Build, Judge, Optimize: A Blueprint for Continuous Improvement of Multi-Agent Consumer Assistants

构建、评判与优化：多智能体消费者助手持续改进的蓝图

Alejandro Breen Herrera, Aayush Sheth, Steven G. Xu, Zhucheng Zhan, Charles Wright, Marcus Yearwood, Hongtai Wei, Sudeep Das, Danny Nightingale, Meg Watson, Charles Pollnow

机构 * Metis ； DoorDash 纠错

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

AI总结 本文提出评估和优化对话购物助手的实用蓝图，通过生产级AI杂货助手示例，介绍多维评估标准和校准的LLM评判流程，并提出两种互补的提示优化策略。

Scaling Video Understanding via Compact Latent Multi-Agent Collaboration

通过紧凑潜在多智能体协作实现视频理解的扩展

Kerui Chen, Jinglu Wang, Jianrong Zhang, Ming Li, Yan Lu, Hehe Fan

机构 * Microsoft Research Asia（微软亚洲研究院） ； Zhejiang University（浙江大学） ； Guanming Lab（冠明实验室） 纠错

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

AI总结 本文提出MACF框架，通过解耦智能体感知预算与全局视频复杂度，实现可扩展的视频理解，保持视觉保真度，并在多种视频理解基准上优于现有方法。

Comments 12 pages

NonZero: Interaction-Guided Exploration for Multi-Agent Monte Carlo Tree Search

NonZero：基于交互的多智能体蒙特卡洛树搜索探索

Sizhe Tang, Zuyuan Zhang, Mahdi Imani, Tian Lan

机构 * The George Washington University（乔治华盛顿大学） ； Northeastern University（东北大学） 纠错

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

AI总结 NonZero通过交互引导的提议规则，在低维非线性表示中进行代理引导选择，提升多智能体MCTS的可扩展性与探索效率。

Comments Accepted by ICML 2026 as Spotlight

NOMAD: A Multi-Agent LLM System for UML Class Diagram Generation from Natural Language Requirements

NOMAD：一种多智能体LLM系统，用于从自然语言需求生成UML类图

Polydoros Giannouris, Sophia Ananiadou

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

AI总结 NOMAD通过分解UML生成为多个角色专用子任务，提升可解释性并支持针对性验证。通过北风案例和人工UML练习评估，NOMAD在生成质量上优于基线模型，并揭示了细粒度属性提取的持续挑战。

Self-Adaptive Multi-Agent LLM-Based Security Pattern Selection for IoT Systems

自适应多智能体LLM基于的安全模式选择用于物联网系统

Saeid Jamshidi, Foutse Khomh, Carol Fung, Kawser Wazed Nafi

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

AI总结 本文提出ASPO方法，结合LLM推理与确定性执行，在MAPE-K控制循环中实现自适应安全模式选择，通过减少极端情况执行成本，提升资源效率和安全性。

DySRec: Dynamic Context-Aware Psychometric Scale Recommendation via Multi-Agent Collaboration

DySRec：通过多智能体协作的动态上下文感知心理量表推荐

Yanzeng Li, Xiaoning Cao, Jialun Zhong, Jianpeng Hu, Jiangshan Tan, Ningning Liu, Feng Xiang, Shasha Han

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

AI总结 本文提出DySRec系统，通过多智能体协作动态推荐心理量表，整合异构信号并计算量表-上下文匹配度，提升动态评估和决策透明性。

Comments 4 pages, 2 figures

Distributed Precoding for Cell-free Massive MIMO in O-RAN: A Multi-agent Deep Reinforcement Learning Framework

基于O-RAN的细胞自由大规模MIMO分布式预编码：一种多智能体深度强化学习框架

Mohammad Hossein Shokouhi, Vincent W. S. Wong

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

AI总结 本文提出一种多智能体深度强化学习框架，用于细胞自由大规模MIMO的分布式预编码，通过有限的信息交换降低干扰，提升整体吞吐量。

LLM-Based Agentic Negotiation for 6G: Addressing Uncertainty Neglect and Tail-Event Risk

基于大语言模型的6G智能协商：解决不确定性忽视和尾事件风险

Hatim Chergui, Farhad Rezazadeh, Mehdi Bennis, Merouane Debbah, Christos Verikoukis

机构 * i2CAT Foundation（i2CAT基金会） ； Technical University of Catalonia（技术大学巴塞罗那） ； University of Oulu（奥卢大学） ； Research Institute for Digital Future（数字未来研究院） ； Khalifa University（卡利法大学） ； ISI/ATH and University of Patras（ISI/ATH和帕特拉斯大学） 纠错

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

AI总结 本文提出一个无偏、风险意识的智能协商框架，通过数字孪生和极值理论中的条件风险价值（CVaR）预测尾部风险，提升6G网络切片的资源分配鲁棒性，验证了无偏方法在消除SLA违规和降低延迟方面的有效性。

Causal Foundations of Collective Agency

集体代理的因果基础

Frederik Hytting Jørgensen, Sebastian Weichwald, Lewis Hammond

机构 * Copenhagen Causality Lab and Pioneer Centre for AI, University of Copenhagen, Denmark（哥本哈根因果实验室和先锋人工智能中心，哥本哈根大学，丹麦） ； Cooperative AI Foundation, United Kingdom（协作人工智能基金会，英国） 纠错

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

AI总结 本文探讨了多智能体系统中集体代理形成的因果基础，提出通过因果游戏和因果抽象框架分析集体行为的理性与目标导向性，解决多智能体激励问题和投票机制的集体代理度评估。

Comments CLeaR 2026

Debate-Enhanced Pseudo Labeling and Frequency-Aware Progressive Debiasing for Weakly-Supervised Camouflaged Object Detection with Scribble Annotations

辩论增强的伪标签与频率感知渐进去偏对于弱监督伪装物体检测与涂鸦注释

Jiawei Ge, Jiuxin Cao, Xinyi Li, Xuelin Zhu, Chang Liu, Bo Liu, Chen Feng, Ioannis Patras

机构 * School of Cyber Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Jiangsu Provincial Key Laboratory of Computer Networking Technology（江苏省计算机网络技术重点实验室） ； Jiangsu Provincial Key Laboratory of Network and Information Security（江苏省网络与信息安全重点实验室） ； Key Laboratory of Computer Network and Information Integration of Ministry of Education of China（教育部计算机网络与信息集成重点实验室） ； Nanjing Purple Mountain Laboratories（南京紫金山实验室） ； Fintech and Big Data Laboratory of Southeast University（东南大学金融科技与大数据实验室） ； Department of Aeronautical and Aviation Engineering, The Hong Kong Polytechnic University（香港理工大学航空与航空工程系） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； School of Electronics, Electrical Engineering and Computer Science, Queen’s University Belfast（贝尔法斯特女王大学电子、电气与计算机科学学院） 纠错

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

AI总结 本文提出${D}^{3}$ETOR框架，通过辩论增强伪标签和频率感知渐进去偏方法，提升弱监督伪装物体检测的性能，实现与全监督方法的性能接近。

Learning to Act and Cooperate for Distributed Black-Box Consensus Optimization

学习行动与协作以实现分布式黑盒共识优化

Zi-Bo Qin, Feng-Feng Wei, Tai-You Chen, Wei-Neng Chen

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

AI总结 本文提出LACMAS框架，通过大语言模型提供稀疏高层指导，改进分布式黑盒共识优化中的局部适应、全局协调与通信效率。

Comments 20 pages, 5 figures

Controlling the Swarm: Sparse Actuation and Collision Avoidance under Stochastic Delay

控制群集：在随机延迟下的稀疏驱动与碰撞规避

Jiguang Yu

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

AI总结 本文提出一个统一的有限N框架，研究随机延迟下领导者-追随者粒子系统的稀疏驱动与碰撞规避问题，通过构建Lyapunov函数解决数学稳定性问题，并展示稀疏驱动在减少控制成本的同时揭示了领导者密度的非单调敏感性。

MAGRPO: Accelerated MARL Training for Fluid Antenna-Assisted Wireless Network Optimization

MAGRPO：面向流体天线辅助无线网络优化的加速多智能体强化学习训练

Wanzhe Wang, Tong Zhang, Hao Xu, Shuai Wang, Rui Wang, Kai-Kit Wong

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

AI总结 本文提出MAGRPO算法，通过改进的CTDE框架解决流体天线位置优化问题，相比MAPPO在训练效率和网络性能上均有显著提升。

Comments 13 pages,9 figures

The $\textit{Silicon Society}$ Cookbook: Design Space of LLM-based Social Simulations

硅社会食谱：基于大语言模型的社会模拟设计空间

Aurélien Bück-Kaeffer, Sneheel Sarangi, Maximilian Puelma Touzel, Reihaneh Rabbany, Zachary Yang, Jean-François Godbout

机构 * McGill University（麦吉尔大学） ； Mila - Quebec Artificial Intelligence Institute（魁北克人工智能研究所） ； Université de Montréal（蒙特利尔大学） ； Ubisoft La Forge（育碧La Forge） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 研究如何通过大语言模型构建社会模拟网络，分析关键设计选择对模拟结果的影响，揭示设计空间的非平凡几何特性。

Comments 20 pages, 12 tables, under review at COLM 2026