AI 大模型
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
向流体力学中的多智能体自主推理迈进
机构 * Oden Institute（奥登研究所） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Notre Dame（北德克萨斯大学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；tool use(abstract)；planning(abstract)
AI总结 本文提出一种多智能体系统，通过分层执行图协调专业智能体，解决单智能体在流体力学中的上下文饱和问题，实现高精度和可靠性。
MAD-OPD: 突破基于策略的蒸馏的天花板：多智能体辩论
机构 * School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； Alibaba Group（阿里巴巴集团）
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 MAD-OPD通过多智能体辩论机制突破单教师限制，提出多教师辩论框架和基于任务的分歧原理，提升代理任务和代码生成性能。
Comments Preprint. 9-page main paper + appendix. 8 figures, 7 tables. Code: https://github.com/chiefovoavicii/MAD-OPD
基于约束的多智能体反编译用于可执行二进制恢复
机构 * Vanderbilt University（范德比大学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；agentic(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出一种多智能体框架，通过多级约束引导反编译（MCGD）将反编译代码转换为可执行源代码，提升反编译结果的可执行性与正确性。
GA-VisAgent：一种用于交互式学习中代码生成和可视化的多智能体应用
机构 * School of Geography, Nanjing Normal University, Nanjing 210023, Jiangsu, China（地理学院，南京师范大学） ； School of Environment, Nanjing Normal University, Nanjing 210023, Jiangsu, China（环境学院，南京师范大学） ； Key Laboratory of Virtual Geographic Environment, Ministry of Education, Nanjing Normal University, Nanjing 210023, Jiangsu, China（虚拟地理环境重点实验室，南京师范大学） ； Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development（江苏省地理信息资源开发与应用协同创新中心）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.LG
AI总结 GA-VisAgent基于GAGPT提出多智能体应用，通过任务规划和ReAct策略生成代码并提供可视化，实验显示在40个典型Conformal GA任务中代码生成成功率达90%，比GPT-4o提升70%。
自主测试修复的实践极限：基于LLM驱动发现与自我校正的多智能体案例研究
机构 * Independent Researcher（独立研究者）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.SE
AI总结 本文通过多智能体系统在企业UI测试中的应用，探讨自主测试的限制，发现受限自主性能提升系统稳定性与可靠性，需结合验证边界和人工监督。
Comments Industrial case study; submitted for review
共识的成本：孤立自我修正胜过无指导的同质多智能体辩论
机构 * Jo z ef Stefan Institute Ljubljana Slovenia ； Jo z ef Stefan Institute
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI；agentic(comments)
AI总结 研究探讨了同质多智能体辩论中共识失败的机制，发现孤立自我修正在成本与准确性上优于无指导的同伴交流，尤其在参数规模7-8B时效果更佳。
Comments 19 pages, ACM Conference on AI and Agentic Systems
多智能体推理提升计算效率：帕累托最优测试时缩放
机构 * University of Göttingen（戈滕堡大学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI
AI总结 本文分析了多智能体推理策略的计算效率，通过实验确定在不同模型规模下，帕累托最优方法能以最低计算成本获得最高准确性，尤其在复杂任务中多智能体方法表现更优。
Comments Accepted at SRW at ACL 2026, long paper
谁决定什么是有害的？通过多智能体个性化推理框架进行内容审核政策
机构 * Warsaw University of Technology（华沙技术大学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.CL
AI总结 本文提出基于LLM的多智能体个性化推理框架，通过用户敏感性档案过滤内容，提升审核准确性，并为平台治理提供政策相关洞察。
Comments The paper has been accepted to the 34th European Conference on Information Systems (ECIS 2026). The official paper version will appear in the conference proceedings
近优隐私保护学习用于最大-最小公平多智能体老虎机
机构 * Faculty of Engineering, Bar-Ilan University（巴伊兰大学工程学院）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.LG
AI总结 本文提出一种分布式算法，在未知支持下实现最大-最小公平分配，保持每个智能体的奖励样本和经验估计本地化，达到O(N³f(logT))的 regret，同时保留近对数依赖于T 的性能。
Comments 17 pages, 3 figures
打破通信-精度权衡：一种稀疏信息扩散框架用于多智能体协作感知
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)
AI总结 本文提出一种高效的事件触发扩散滤波器，用于多智能体实时目标跟踪，通过减少数据传输并提升通信效率，同时保持跟踪性能。
6G需要智能体：迈向面向自主智能的智能体AI原生网络
机构 * Department of Computer and Network Engineering, United Arab Emirates University, UAE（计算机与网络工程系，阿联酋大学） ； Research Institute for Digital Future, Khalifa University, UAE（数字未来研究院，哈利法大学）
专题命中 多智能体 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本文提出基于大语言模型的智能体架构，用于构建AI原生6G网络，通过分层推理和分布式多智能体系统平衡性能与效率，揭示了模型异构部署和量化影响的重要性。
欧盟人工智能法案所排除的治理：自主AI代理在智能城市关键基础设施中的问责制
机构 * Higher Colleges of Technology（高等技术学院） ； Central Michigan University（中央密歇根大学）
专题命中 多智能体 ：AI agent(title)；agent(abstract,abstract_cn)；multi-agent(abstract)；分类 cs.AI
AI总结 本文探讨了欧盟人工智能法案在智能城市关键基础设施中自主AI代理问责制的不足，提出AgentGov-SC治理架构以弥补监管空白。
Comments 24 pages, 3 figures, 8 tables. Submitted to Computer Law & Security Review
少互动但更多解释：从沟通视角看代理AI接口
机构 * Media Effects Research Laboratory, Pennsylvania State University（媒体影响研究实验室，宾夕法尼亚州立大学） ； Center for Socially Responsible AI, Pennsylvania State University（负责任人工智能中心，宾夕法尼亚州立大学）
专题命中 多智能体 ：agentic(title,abstract)；workflow(abstract)；分类 cs.AI
AI总结 本文从沟通视角探讨代理AI接口，指出用户需更关注监督和解释，而非常规交互。提出三种解释类型以维持人类自主性。
Journal ref Proceedings of the CHI 2026 Workshop on Human-Centered Explainable AI (HCXAI), Barcelona, Spain, 2026
AI-Gram：当视觉代理在社交网络中互动
机构 * Faculty of Science and Technology（科学与技术学部）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL
AI总结 AI-Gram是一个自主运行的社交平台，研究AI在大规模社交动态中的行为，通过视觉代理生成和回应视觉内容，揭示三阶段动态：视觉回复链、审美主权和审美复调。
协调架构影响建筑群连续需求响应结果
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)
AI总结 研究探讨协调架构对建筑群跟踪聚合负载轮廓能力的影响，比较四种方法发现混合架构在跟踪精度、舒适度和空间均衡性上表现最佳。
Journal ref ACM BuildSys, 2026
基于模型预测博弈控制器的目标误标稳定性与灵敏度分析
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)
AI总结 本文分析了多智能体系统中因目标误标导致的预测偏差及其对系统行为的影响，提出了异构模型预测博弈控制器的稳定性准则，并量化了均衡对个体博弈参数的灵敏度。
壳中的假朋友：揭示大型语言模型中的表情符号语义混淆
机构 * Xi’an Jiaotong University（西安交通大学） ； Nanyang Technological University（南洋理工大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
专题命中 多智能体 ：agent(abstract)；分类 cs.AI、cs.SE
AI总结 研究揭示大型语言模型对表情符号的语义混淆问题，通过构建数据集发现平均混淆率超38%，且多数混淆响应导致安全风险，呼吁开发有效缓解方法。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈