AI Agent

Priority-Driven Control and Communication in Decentralized Multi-Agent Systems via Reinforcement Learning

基于强化学习的去中心化多智能体系统优先级控制与通信

Qingyun Guo, Junyi Shi, Tomasz Piotr Kucner, Dominik Baumann

机构 * Department of Electrical Engineering and Automation, Aalto University, Espoo, Finland（埃因霍恩理工大学电气工程与自动化系，芬兰 Espoo） ； Finnish Center for Artificial Intelligence, Helsinki, Finland（芬兰人工智能中心，芬兰 Helsinki） 纠错

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

AI总结 本文提出一种无模型、优先级驱动的强化学习算法，通过数据联合学习通信优先级和控制策略，解决事件触发控制中通信带宽浪费问题，实验表明其优于基线方法。

Comments Accepted to the 23rd IFAC World Congress

Vulnerable Agent Identification in Large-Scale Multi-Agent Reinforcement Learning

大规模多智能体强化学习中的脆弱智能体识别

Simin Li, Zihao Mao, Zheng Yuwei, Linhao Wang, Ruixiao Xu, Chengdong Ma, Zhiqian Liu, Xin Yu, Yuqing Ma, Xin Wang, Jie Luo, Bo An, Yaodong Yang, Weifeng Lv, Xianglong Liu

机构 * School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； School of Artificial Intelligence, Beihang University（北航人工智能学院） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Institute of Automation, Chinese Academy of Science（中国科学院自动化研究所） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） 纠错

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

AI总结 本文研究大规模多智能体强化学习中的脆弱智能体识别问题，提出通过分层对抗性去中心化均值场控制框架，结合Fenchel-Rockafellar变换和强化学习算法，有效识别脆弱智能体并降低计算复杂度。

Comments Accepted by ICML 2026

Focusing Influence Mechanism for Multi-Agent Reinforcement Learning

多智能体强化学习中的聚焦影响机制

Yisak Park, Sunwoo Lee, Seungyul Han

机构 * Graduate School of Artificial Intelligence（人工智能研究生院） 纠错

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FIM机制，通过熵基准则引导智能体聚焦未探索的状态空间区域，利用 eligibility traces 实现多智能体协同探索，提升合作性能。

Comments 9 technical page followed by references and appendix

JACoP: Joint Alignment for Compliant Multi-Agent Prediction

JACoP：联合对齐的合规多智能体预测

Qingze Liu, Alen Mrdovic, Danrui Li, Mathew Schwartz, Sejong Yoon, Mubbasir Kapadia

机构 * Rutgers University, New Brunswick（新泽西州罗格斯大学） ； The College of New Jersey（新泽西州学院） 纠错

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

AI总结 JACoP通过多阶段框架确保场景级合理性，结合锚点基于的智能体中心分析器和马尔可夫随机场对齐器，有效减少环境和社交冲突，提升多智能体轨迹预测的合规性与实用性。

Comments Accepted by CVPRF 2026

Correcting Selection Bias in Sparse User Feedback for Large Language Model Quality Estimation: A Multi-Agent Hierarchical Bayesian Approach

修正大规模语言模型质量评估中稀疏用户反馈的选择偏差：一种多智能体分层贝叶斯方法

Andrea Morandi, Mahesh Viswanathan

机构 * Cisco（思科） 纠错

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

AI总结 本文提出一种多智能体分层贝叶斯方法，用于修正大规模语言模型质量评估中稀疏用户反馈的选择偏差，通过主题聚类、偏差建模和合成智能体，改进质量评估的准确性。

Attacks and Mitigations for Distributed Governance of Agentic AI under Byzantine Adversaries

针对拜占庭攻击者下的分布式代理AI治理的攻击与缓解措施

Matthew D. Laws, Alina Oprea, Cristina Nita-Rotaru

机构 * Northeastern University（东北大学） 纠错

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

AI总结 本文分析了 compromised Provider 发起的攻击，并提出三种解决方案，在安全与性能之间进行权衡。

Comments 18 pages, 18 figures, 4 tables

Behavioral Determinants of Deployed AI Agents in Social Networks: A Multi-Factor Study of Personality, Model, and Guardrail Specification

部署在社交网络中的AI代理行为决定因素：人格、模型和防护机制规范的多因素研究

Sarah Wilson, Diem Linh Dang, Usman Ali Moazzam, Shan Ye, Gail Kaiser

机构 * Columbia University（哥伦比亚大学） 纠错

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

AI总结 本文通过多因素实验研究，探讨AI代理在社交网络中的行为决定因素，发现人格设定对行为影响最大，模型和规则对语言风格和话题广度有显著影响。

Predicting Decisions of AI Agents from Limited Interaction through Text-Tabular Modeling

通过文本-表格建模从有限交互预测AI代理的决策

Eilam Shapira, Moshe Tennenholtz, Roi Reichart

机构 * Faculty of Data and Decision Sciences（数据与决策科学学院） 纠错

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

AI总结 本文提出文本-表格预测方法，通过分析游戏状态、报价历史和对话，预测AI代理的决策，实验表明隐藏的LLM表示能有效提升预测性能。

SkillGen: Verified Inference-Time Agent Skill Synthesis

SkillGen: 验证推理时间智能体技能合成

Yuchen Ma, Yue Huang, Han Bao, Haomin Zhuang, Swadheen Shukla, Michel Galley, Xiangliang Zhang, Stefan Feuerriegel

机构 * Munich Center for Machine Learning, LMU Munich（慕尼黑马尔他学习中心，慕尼黑大学） ； University of Notre Dame（诺特尔达大学） ； Microsoft Research（微软研究院） 纠错

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

AI总结 SkillGen通过对比诱导生成可审计的技能，提升智能体性能，优于现有基线方法，且技能可迁移。

MAC: Masked Agent Collaboration Boosts Large Language Model Medical Decision-Making

MAC：掩码代理协作提升大语言模型医疗决策能力

Zhihao Peng, Liuxin Bao, Yixuan Yuan

机构 * School of Automation, Hangzhou Dianzi University（杭州电子大学自动化学院） ； Department of Electronic Engineering, Chinese University of Hong Kong（香港中文大学电子工程系） 纠错

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

AI总结 本文提出MAC框架，通过帕累托最优代理构建和交叉一致性最大化机制，提升医疗决策能力。

Correct-by-Design Control Synthesis of Stochastic Multi-agent Systems: a Robust Tensor-based Solution

为随机多智能体系统设计的正确性控制合成：一种鲁棒张量方法

Ruohan Wang, Siyuan Liu, Zhiyong Sun, Sofie Haesaert

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

AI总结 本文提出基于抽象的框架，通过鲁棒动态规划映射提供具有时间逻辑满足下界保证的控制策略，利用解耦动态揭示价值函数的张量结构，实现动态规划的可扩展性。

Proteus: A Self-Evolving Red Team for Agent Skill Ecosystems

Proteus：一种自演化红队用于代理技能生态系统

Zhaojiacheng Zhou

机构 * Department of Computer Science and Engineering（计算机科学与工程系） 纠错

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

AI总结 Proteus通过自演化框架评估代理技能的适应性泄露风险，通过五轴攻击空间搜索，实现高攻击成功率和路径扩展，揭示现有技能审核对适应性攻击的不足。

Characterizing the Robustness of Black-Box LLM Planners Under Perturbed Observations with Adaptive Stress Testing

基于扰动观测的黑盒大语言模型规划器鲁棒性表征：适应性压力测试

Neeloy Chakraborty, John Pohovey, Melkior Ornik, Katherine Driggs-Campbell

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 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 本文研究了在扰动观测下大语言模型规划器的鲁棒性，提出适应性压力测试方法，通过蒙特卡洛树搜索高效搜索提示扰动空间，发现导致模型高不确定或崩溃的场景和配置。

Comments Accepted to ACL Findings 2026; 31 pages, 26 figures, 6 tables

KV-Fold: One-Step KV-Cache Recurrence for Long-Context Inference

KV-Fold：一种用于长上下文推理的单步KV缓存递归

Alireza Nadali, Patrick Cooper, Ashutosh Trivedi, Alvaro Velasquez

机构 * Department of Computer Science（计算机科学系） ； University of Colorado Boulder（科罗拉多大学博尔德分校） 纠错

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

AI总结 KV-Fold通过将KV缓存视为左折叠的累加器，实现长上下文推理。该方法利用预训练模型的冻结状态，通过递归处理序列块，保持长距离信息的精确性，且在内存限制内实现高效推理。

Comments 12 pages, 3 figures, 6 tables

LLM-X: A Scalable Negotiation-Oriented Exchange for Communication Among Personal LLM Agents

LLM-X：一种可扩展的面向协商的交换机制用于个人LLM代理间的通信

Giuliano Lorenzoni, Paulo Alencar, Donald Cowan

机构 * University of Waterloo（滑铁卢大学） 纠错

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

AI总结 本文提出LLM-X，一种可扩展的面向协商的交换机制，支持个人代理间的结构化通信。该机制引入了消息总线和路由子层，支持LLM间的协调，并保证了模式有效性和政策执行。贡献包括LLM-X的架构、类型化消息协议以及首次大规模LLM多代理协商的实证评估。

Comments 8 pages, 7 figures, accepted at AGENT 2026 Workshop, co-located with ICSE 2026

The Authorization-Execution Gap Is a Major Safety and Security Problem in Open-World Agents

授权-执行间隙是开放世界智能体中的主要安全和安全问题

Baoyuan Wu, Qingshan Liu, Adel Bibi, Irwin King, Siwei Lyu

机构 * Chinese University of Hong Kong, Shenzhen, China（香港中文大学（深圳）） ； Nanjing University of Posts and Telecommunications, China（南京邮电大学） ； University of Oxford, UK（牛津大学） ； Chinese University of Hong Kong, China（香港中文大学） ； State University of New York at Buffalo, USA（纽约州立大学布法罗分校） 纠错

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

AI总结 本文指出开放世界智能体中授权-执行间隙（AEG）是安全和安全的关键问题，其源于授权意图与实际执行的差异，需通过源导向的诊断和防御来解决，强调执行中需进行授权完整性检查。

Competitor-aware Race Management for Electric Endurance Racing

面向竞争者的电动耐力赛车管理

Wytze de Vries, Erik van den Eshof, Jorn van Kampen, Mauro Salazar

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

AI总结 本文提出一种面向竞争者的双层框架，结合博弈最优控制与强化学习，用于解决电动耐力赛车中的多智能体博弈问题，通过模拟比赛验证了气动交互对比赛结果的关键影响。

Comments 8 pages, 6 figures, accepted for presentation at ITSC 2026

Information and Contract Design for Repeated Interactions between Agents with Misaligned Incentives

信息与合同设计在具有不一致激励的代理重复交互中的应用

Nanda Kishore Sreenivas, Kate Larson

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

AI总结 研究信息不对称和激励不一致对多代理系统的影响，提出通过线性合同设计优化通信策略，探讨公平性与代理间激励冲突的关系。

Comments Accepted to IJCAI 2026

Voter Model Meets Rumour Spreading: an FPRAS for Consensus Probabilities on Voter Models with Agnostic Nodes

投票模型与谣言传播的交汇：一种用于包含无初始意见节点的投票模型共识概率的FPRAS

Marcelo Matheus Gauy, Anna Abramishvili, Eduardo Colli, Nicolaus Heuer, Tiago Madeira, Frederik Mallmann-Trenn, Vinícius Franco Vasconcelos, David Kohan Marzagão

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

AI总结 本文将投票模型与谣言传播结合，提出一种FPRAS，用于计算包含无初始意见节点的投票模型共识概率，通过鞅、步数界和闭合公式等方法，实现多项式时间算法和随机近似方案。

Comments Journal version of AAMAS 2025 full paper: voter model meets rumour spreading: a study of consensus protocols on graphs with agnostic nodes. Under review at JAAMAS

Emergent Communication between Heterogeneous Visual Agents through Decentralized Learning

异质视觉智能体之间通过去中心化学习实现的涌现通信

Mikako Ochiai, Masatoshi Nagano, Tadahiro Taniguchi

机构 * Graduate School of Informatics, Kyoto University（京都大学信息科学研究生院） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文研究异质视觉智能体通过去中心化学习实现的涌现通信，探讨不同视觉表示下可共享的视觉信息，通过Metropolis-Hastings Captioning Game验证共享符号的生成机制，发现编码器异质性影响共享序列的质量与对称性。

The Semantic Training Gap: Ontology-Grounded Tool Architectures for Industrial AI Agent Systems

语义训练鸿沟：面向工业AI代理系统的本体引导工具架构

Grama Chethan

机构 * Siemens Digital Industries Software（西门子数字工业软件） 纠错

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

AI总结 本文提出基于本体的工具架构，解决工业AI代理系统中语义训练鸿沟问题，通过类型关系配置增强语义约束，减少领域标识符的幻觉率，实现跨域配置能力。

Comments 29 pages, 2 figures

Basilisk and Docker for Reproducible GN&C Simulation: A Workflow Reference

Basilisk和Docker用于可重复的GN&C模拟：一个工作流参考

Anubhav Gupta

专题命中 工作流自动化 ：workflow(title,abstract)；分类 cs.SE

AI总结 本文提出基于Docker的Basilisk工作流，提供可重复和可移植的GN&C模拟环境，涵盖从轨道动力学到姿态动力学的复杂模拟场景。

Comments 21 pages, 8 figures

Beyond Manual Curation: Augmenting Targeted Protein Degradation Databases via Agentic Literature Extraction Workflows

超越手动整理：通过代理文献提取流程增强靶向蛋白降解数据库

Yaochen Rao, Farzaneh Jalalypour, N. M. Anoop Krishnan, Rocío Mercado

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Chalmers University of Technology（楚姆勒斯技术大学） ； University of Gothenburg（哥德堡大学） ； Yardi School of Artificial Intelligence（Yardi人工智能学院） ； Indian Institute of Technology Delhi（德里印度理工学院） 纠错

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

AI总结 本文提出一种基于代理的LLM工作流，通过三角比较提升靶向蛋白降解数据库的提取效率，实现了数据库的自动化扩展与验证，提高了数据质量和应用价值。

DORA: Dynamic Online Reinforcement Agent for Token Merging in Vision Transformers

DORA：面向视觉变换器的动态在线强化代理用于令牌合并

Kaixuan He, Song Chen, Yi Kang

机构 * University of Science and Technology of China（中国科学技术大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥国家科学中心人工智能研究院） 纠错

专题命中 工作流自动化 ：agent(title,abstract)

AI总结 本文提出DORA，一种基于强化学习的在线推理框架，用于动态合并视觉变换器中的令牌。通过将合并过程建模为马尔可夫决策过程，DORA在保持特征保真度的同时提升计算效率，实验证明其在准确率和效率上的显著改进。

Comments Preprint. Under review

It's Not the Size: Harness Design Determines Operational Stability in Small Language Models

大小并非关键：Harness设计决定小型语言模型的操作稳定性

Yong-eun Cho

机构 * KailosLab（凯洛斯实验室） 纠错

专题命中 工作流自动化 ：planning(abstract)；分类 cs.AI、cs.SE

AI总结 本文通过实验分析Harness工程水平对小型语言模型操作性能的影响，采用三种Harness条件在24项任务中比较TSR和VTSR，发现Pipeline Harness在Gemma4 E2B上取得高成功率，且发现最小外壳条件下的TSR低于模型-only条件。

Harness Engineering as Categorical Architecture

利用工程作为范畴架构

Bogdan Banu

专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI

AI总结 本文提出利用范畴架构三元组（G, Know, Phi）作为LLM代理的正式化框架，通过映射四个支柱到三元组组件，提供结构保证并验证了编译器在不同框架中的表现。

To Err Is Human; To Annotate, SILICON? Toward Robust Reproducibility in LLM Annotation

犯错是人之常情；标注，硅？迈向LLM标注中的稳健可重复性

Xiang Cheng, Raveesh Mayya, João Sedoc

机构 * Robert H. Smith School of Business, University of Maryland（马里兰大学罗伯特·H·史密斯商学院） ； Leonard N. Stern School of Business, New York University（纽约大学伦纳德·N·斯坦商学院） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.CL

AI总结 本文提出SILICON框架，通过分解标注误差来源，减少测量误差，提升LLM标注的稳健可重复性，同时建立备份模型并量化标注质量上限。

Scalable Measurement-Based Quantum Simulation Patterns for Benchmarking

可扩展的基于测量的量子模拟模式用于基准测试

V. W. Scarola

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出QPatLib库，提供可扩展的测量模式用于基于测量的量子模拟，支持模式优化、硬件应用和未来存储。

plmmr: an R package to fit penalized linear mixed models for genome-wide association data with complex correlation structure

plmmr：一个用于拟合具有复杂相关结构的基因组-wide关联数据的惩罚线性混合模型的R软件包

Tabitha K. Peter, Anna C. Reisetter, Yujing Lu, Oscar A. Rysavy, Patrick J. Breheny

专题命中 工作流自动化 ：workflow(abstract)

AI总结 plmmr通过拟合惩罚线性混合模型，利用观测间的相关性提升预测精度，并通过内存映射技术处理大规模基因组数据。

Comments 23 pages, 5 figures; https://github.com/pbreheny/plmmr

Journal ref Briefings in Bioinformatics (2026), 27: bbaf672

Digital Annealer-Assisted Accuracy-First Quantum Circuit Transpilation with Integrated QUBO Mapping and Routing

数字退火辅助的精度优先量子电路编译与集成QUBO映射与路由

Kazuma Watanabe, Hideaki Kawaguchi, Shin Nishio, Takahiko satoh

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出利用数字退火进行精度优先的量子电路编译，通过混合策略和全退火策略实现CNOT门数减少，提升近量子硬件的实用性。

Comments 7 pages, 4 figures. Submitted to IEEE Quantum Week (QCE) 2026