AI Agent

Don't Guess, Just Ask: Resolving Ambiguity in Referring Segmentation via Multi-turn Clarification

不要猜测，只需询问：通过多轮澄清解决指代分割中的歧义

Yuting Yang, Haichao Jiang, Tianming Liang, Quan Zhang, Jian-Fang Hu

机构 * School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） ； Guangdong Province Key Laboratory of Information Security Technology（广东省信息安全技术重点实验室） ； Key Laboratory of Machine Intelligence and Advanced Computing, Ministry of Education（教育部机器智能与先进计算重点实验室） 纠错

专题命中 规划决策 ：agentic(abstract)

AI总结 提出IC-Seg框架，通过多轮对话主动澄清用户意图，并引入Hi-GRPO分层优化策略，有效解决指代分割中用户查询歧义问题。

OHP-RL: Online Human Preference as Guidance in Reinforcement Learning for Robot Manipulation

OHP-RL：在线人类偏好作为机器人操作强化学习中的指导

Yunyang Mo, Jian Li, Qiwei Wu, Yihang Kang, Renjing Xu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） 纠错

专题命中 规划决策 ：agent(abstract)

AI总结 提出OHP-RL框架，利用人类干预作为偏好信息，通过状态依赖偏好门自适应调节策略学习，在Franka机器人接触丰富的操作任务中实现高成功率、快速收敛和低人类干预。

A Closed-Form Dual-Barrier CBF Safety Filter for Holonomic Robots on Incrementally Built Occupancy Grid Maps

基于增量构建占据栅格地图的全向机器人闭式双障碍CBF安全滤波器

Himanshu Paudel, Basanta Joshi, Dhirendra Raj Madai, Alina Bartaula, Biman Rimal, Sanjay Neupane

机构 * Raspberry Pi（树莓派） ； PX4 ； CUAV Nano 7 ； Raspberry Pi 4B quadrotor（树莓派4B四旋翼无人机） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出一种闭式双障碍控制障碍函数安全滤波器，通过解析推导占据栅格地图的符号距离场，同时避免已映射障碍物并限制进入未探索区域，实现全向机器人在资源受限平台上的实时安全控制。

CollaBot: Vision-Language Guided Simultaneous Collaborative Manipulation

CollaBot: 视觉-语言引导的同步协作操作

Kun Song, Gaoming Chen, Shentao Ma, Ninglong Jin, Guangbao Zhao, Mingyu Ding, Zhenhua Xiong, Jia Pan

机构 * Department of Computer Science, The University of Hong Kong（香港大学计算机科学系） ； School of Mechanical Engineering, Shanghai Jiao Tong University（上海交通大学机械工程学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出CollaBot通用框架，通过场景分割、协作抓取和两阶段规划，实现多机器人同步协作操作大型物体，在实验中达到72%成功率。

Comments 8 pages,6 figures

MambaBEV: An EV-based 3D detection model with Mamba2

MambaBEV：基于Mamba2的BEV三维检测模型

Zihan You, Ni Wang, Hao Wang, Qichao Zhao, Jinxiang Wang

机构 * School of Instrument Science and Engineering, Southeast University, China（仪器科学与工程学院，东南大学，中国） ； Amazon Development Center Germany GmbH, Germany（亚马逊德国开发中心，德国） ； T3CAIC Technology, China（T3CAIC技术，中国） ； School of Mechanical Engineering, Southeast University, China（机械工程学院，东南大学，中国） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出MambaBEV模型，利用Mamba2状态空间模型通过TemporalMamba时序融合模块和Mamba-based DETR头增强全局上下文建模，提升自动驾驶中大型物体的3D检测精度。

Comments ICPR2026

Detecting Planetary Oblateness in the Era of JWST: A Case Study of Kepler-167e

在JWST时代探测行星扁率：以Kepler-167e为例

Quanyi Liu, Wei Zhu, Yifan Zhou, Zhecheng Hu, Zitao Lin, Fei Dai, Kento Masuda, Sharon X. Wang

专题命中 规划决策 ：planning(abstract)

AI总结 开发高效计算扁率行星凌星光变曲线的算法，以JWST观测Kepler-167e为例，证明单次凌星可高置信度探测土星级扁率或设定严格上限，并讨论探测冷巨行星环、卫星和大气成分的潜力。

Comments 17 pages, 8 figures. Published in Astronomical Journal

Med-R2: An Adversarial Benchmark for Evidence-Grounded Reasoning in Medical VLMs

Med-R2: 面向医学视觉语言模型中基于证据推理的对抗性基准

Wen Ma, Fucheng Niu, Zhiting Fan, Zikai Xiao, Jiaxiang Liu, Zuozhu Liu

机构 * Zhejiang University（浙江大学） ； Guangdong Institute of Intelligence Science and Technology（广东智能科学技术研究院） 纠错

专题命中 规划决策 ：workflow(abstract)

AI总结 提出 Med-R2 Bench，一个分层对抗性基准，通过逐步QA任务和对抗扰动评估医学VLM在临床工作流中的视觉证据推理鲁棒性。

On the Statistical Interpretation of Discoveries in LHC Data

关于LHC数据中发现的统计解释

S. V. Chekanov, E. J. Weik

专题命中 规划决策 ：planning(abstract)

AI总结 本研究在模型无关框架下探讨大型强子对撞机（LHC）的发现标准，重点关注新物理的统计特征，并提出考虑多重分布中“look-elsewhere效应”的局部与全局显著性之间的保守关系。

Comments 9 pages, 2 figures

Using the target trial framework for combining information: external comparator analyses and other applications

使用目标试验框架进行信息整合：外部对照分析及其他应用

Lawson Ung, Miguel A. Hernán, Issa J. Dahabreh

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出在目标试验框架中增加目标人群及其抽样模型的明确规范，以支持多源信息整合的因果分析，并强调数据映射过程中识别和处理数据源间不一致性的重要性。

Divergence-aware adaptive prediction framework for accelerating CFD simulations of unsteady flows

面向非定常流CFD模拟加速的散度感知自适应预测框架

Xiangrui Zou, Zhuoqun Zhao, Guillermo Barragán, Soledad Le Clainche

专题命中 规划决策 ：workflow(abstract)

AI总结 提出一种散度感知的自适应CFD代理框架，通过闭环工作流耦合CFD求解器与POD-DL代理，在线监控预测可靠性并自动触发更新，实现非定常流的长时程高效预测。

Foundations for Discovery: A Coordinated Fleet Approach to NASA Astrophysics

发现的基础：NASA天体物理学的协调舰队方法

Regina Caputo, Francesca M. Civano, Knicole D. Colón, Brian Humensky, David T. Leisawitz, Avi M. Mandell, Conor A. Nixon, Georgia A. de Nolfo, Jeremy S. Perkins, Elisa V. Quintana, Judith L. Racusin, Joshua E. Schlieder, Albert Y. Shih, Amy A. Simon, Jacob Slutsky, Tonia M. Venters, Jennifer J. Wiseman, Allison A. Youngblood

专题命中 规划决策 ：planning(abstract)

AI总结 本文分析Astro2020科学优先事项和NASA未来天体物理学任务架构，提倡采用协调的1-2B美元任务舰队，以补充旗舰级天文台，最大化科学投资回报。

Comments 32 pages, 10 figures

Stability Constrained Optimization in High IBR-Penetrated Power Systems-Part I: Constraint Development and Unification

高IBR渗透电力系统中的稳定性约束优化——第一部分：约束开发与统一

Zhongda Chu, Fei Teng

专题命中 规划决策 ：planning(abstract)

AI总结 本文针对高逆变器接口可再生能源渗透电力系统，研究了同步、电压和频率稳定性问题，将稳定性条件解析表达为运行约束，并提出统一框架将阻抗稳定性指标转化为线性或二阶锥形式，便于嵌入优化应用。

Meta-Agent: From Task Descriptions to Verified Multi-Agent Systems

Meta-Agent：从任务描述到经过验证的多智能体系统

Andy Xu, Yu-Wing Tai

机构 * Dartmouth College（达特茅斯学院） 纠错

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

AI总结 提出Meta-Agent两阶段框架，通过任务规划、网络搜索、代码生成和验证机制，自动从自然语言任务描述构建并执行可靠的多智能体系统，在编码、上下文学习和开放推理任务中提升成功率、错误恢复和工作流稳定性。

Agent Primitives: Reusable Latent Building Blocks for Multi-Agent Systems

Agent Primitives: 面向多智能体系统的可复用潜在构建模块

Haibo Jin, Peng Kuang, Ye Yu, Xiaopeng Yuan, Haohan Wang

机构 * School of Information Sciences, University of Illinois at Urbana-Champaign, IL, USA（伊利诺伊大学厄巴纳-香槟分校信息科学学院） ； Siebel School of Computing and Data Science, University of Illinois at Urbana-Champaign, IL, USA（伊利诺伊大学厄巴纳-香槟分校Siebel计算与数据科学学院） 纠错

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

AI总结 提出Agent Primitives，一组可复用的潜在构建模块，通过KV缓存内部通信和自动组合，提升多智能体系统的鲁棒性、效率和跨任务复用性。

Comments 16 pages

From Multi-Agent Systems and the Semantic Web to Agentic AI: A Unified Narrative of the Web of Agents

从多智能体系统和语义网到智能体AI：智能体网络的统一叙事

Tatiana Petrova, Boris Bliznioukov, Aleksandr Puzikov, Radu State

机构 * SEDAN - SnT ； University of Luxembourg（卢森堡大学） 纠错

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

AI总结 本文提出智能体网络（WoA）经历了从平台端协调（第一代）、数据端标注（第二代）到模型端解释（第三代）的语义努力迁移，并分析了各代失败模式及当前开放问题。

MimirRAG: A Multi-Agent RAG Framework for Financial Data Retrieval with Metadata Integration

MimirRAG：一种集成元数据的金融数据检索多智能体RAG框架

Magnus Samuelsen, Wilmer Nyström, Somnath Mazumdar, Mansoor Hussain, Mikkel Strange

机构 * Copenhagen Business School（哥本哈根商学院） 纠错

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

AI总结 提出MimirRAG多智能体RAG框架，通过元数据集成、表格感知分块和智能体工作流，在金融数据检索中实现89.3%准确率，优于基线。

MDIA: A Multi-Agent Diagnostic Intelligence Pipeline on HealthBench Professional

MDIA：HealthBench Professional上的多智能体诊断智能流水线

Roberto Cruz, David Rey-Blanco

机构 * TietAI 纠错

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

AI总结 提出MDIA多智能体诊断系统，通过7节点专业路由临床推理图架构，在非微调LLM上实现HealthBench Professional基准性能提升3.72个百分点，归因于系统架构设计而非提示工程。

Comments 33 pages, 10 figures

Multi-Agent Specification-based Metamorphic Testing of FMU-Based Simulations

基于多智能体规范的FMU仿真蜕变测试

Ashir Kulshreshtha, Abdullah Mughees, Gaadha Sudheerbabu, Tanwir Ahmad, Kristian Klemets, Dragos Truscan, Mikael Manngård

机构 * University of Turku, Finland（图尔库大学，芬兰） ； Novia University of Applied Sciences, Finland（诺维亚应用科学大学，芬兰） 纠错

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

AI总结 针对FMU仿真模型中缺乏显式预期输出导致传统测试方法受限的问题，提出一种基于LLM的多智能体工作流，从规范和接口中自动提取蜕变关系并生成测试用例，在润滑油冷却系统FMU上验证了其有效性。

Comments Author version. 9 pages. Accepted for publication in the 10th International Workshop on Metamorphic Testing (MET 2026) of the IEEE Conference on Computers, Software, and Applications (COMPSAC2026), June 7-10, 2026 Madrid, Spain

Scaling up Energy-Aware Multi-Agent Reinforcement Learning for Mission-Oriented Drone Networks with Individual Reward

面向任务驱动无人机网络的能量感知多智能体强化学习扩展与个体奖励

Changling Li, Ying Li

机构 * Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） ； Department of Computer Science, Colby College（科尔比学院计算机科学系） 纠错

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

AI总结 提出基于个体奖励函数的能量感知多智能体强化学习模型，利用深度Q网络解决无人机网络动态环境和电池容量限制下的轨迹规划问题，实验表明在任务密度高时成功率接近100%，且扩展性优于共享奖励模型。

Comments IEEE Internet of Things Journal

Journal ref volume=12, number=8, year=2025, pages=10640-10654

Understanding Conversational Patterns in Multi-agent Programming: A Case Study on Fibonacci Game Development

多智能体编程中的对话模式理解：以斐波那契游戏开发为例

Srijita Basu, Viktor Kjellberg, Simin Sun, Bengt Haraldsson, Md. Abu Ahammed Babu, Wilhelm Meding, Farnaz Fotrousi, Miroslaw Staron

机构 * Chalmers University of Technology ； University of Gothenburg Gothenburg Sweden ； Research \& Development, Volvo Car Corporation Gothenburg Sweden ； University of Gothenburg ； Research \& Development, Volvo Car Corporation 纠错

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 本文通过分析12种开源LLM组合中设计者与程序员智能体的对话，揭示了多智能体交互的效率、一致性和有效性三个关键维度，发现DeepSeek-R1:DeepSeek-R1对能从首次迭代起稳定收敛到正确解，而其他组合则存在发散或错误共识问题。

Comments 10 pages, 7 figures, AIware, FSE 2026

PRIMA: Operational Patterns for Resilient Multi-Agent Research with Verifiable Identity and Convergent Feedback

PRIMA: 具有可验证身份和收敛反馈的弹性多智能体研究的操作模式

Sasank Annapureddy

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

AI总结 针对长时间运行的多智能体LLM系统面临的故障模式，提出PRIMA框架，包含弹性恢复、子智能体操作规范和结构化工程交付的多阶段应用模式，并通过图同构案例验证其有效性。

Comments 11 pages. Single-author preprint. Supplementary case-study report (Graph Isomorphism algorithm proposal with three theorems, five conjectures, complete complexity analysis, and hard-instance evaluation) available at https://spockstein.github.io/prima/case-study-graph-isomorphism.html

Towards Reliable Fetal Ultrasound Interpretation with Multi-Agent Collaboration

面向可靠胎儿超声解读的多智能体协作

Xiaotian Hu, Mingxuan Liu, Junwei Huang, Kasidit Anmahapong, Yifei Chen, Yiming Huang, Xuguang Bai, Zihan Li, Hongjia Yang, Yingqi Hao, Hong Xu, Yu Jiang, Tian Tian, Yi Liao, Haibo Qu, Qiyuan Tian

机构 * Tsinghua University（清华大学） ； University of California San Diego（加州大学圣地亚哥分校） ； West China Second University Hospital, Sichuan University（四川大学西昌医学院） 纠错

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

AI总结 提出FetUSAgents多智能体系统，通过协作LLM代理和双路径证据仲裁（DPEA）整合视觉工具与临床推理，在胎儿超声VQA、报告生成等任务上超越最强基线25%以上。

A Multi-Agent LLM Framework for Rating the Quality of Surgical Feedback

用于评估手术反馈质量的多智能体LLM框架

Rafal Kocielnik, J. Everett Knudsen, Steven Y. Cen, Jasmine Lin, Cherine H. Yang, Atharva Deo, Ujjwal Pasupulety, Peter Wager, Anima Anandkumar, Andrew J. Hung

机构 * Computing + Mathematical Sciences, California Institute of Technology（加州理工学院计算与数学科学系） ； Department of Urology, Cedars-Sinai（塞斯医疗中心泌尿科） ； Keck School of Medicine, University of Southern California（美国南加州大学凯克医学院） 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 提出一个两阶段LLM框架，通过多智能体提示和手术领域知识注入发现可解释的反馈质量标准，并利用LLM作为评判者自动评分，在预测反馈有效性上优于先前方法。

Comments 25 pages, 3 figures

$π$-Play: Multi-Agent Self-Play via Privileged Self-Distillation without External Data

$\pi$-Play: 通过特权自蒸馏实现的多智能体自对弈，无需外部数据

Yaocheng Zhang, Yuanheng Zhu, Wenyue Chong, Songjun Tu, Qichao Zhang, Jiajun Chai, Xiaohan Wang, Wei Lin, Guojun Yin, Dongbin Zhao

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉学科学院） ； Meituan（美团） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

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

AI总结 提出$\pi$-Play框架，利用自对弈中生成的问答构建路径作为特权信息，结合自蒸馏实现密集反馈的多智能体协同进化，无需外部数据即可超越全监督搜索代理。

Comments 23 pages, 11 figures

Spectral Retrieval: Multi-Scale Sinc Convolution over Token Embeddings for Localized Retrieval in LLM Multi-Agent Systems

光谱检索：基于多尺度sinc卷积的令牌嵌入局部化检索在LLM多智能体系统中的应用

Andrea Morandi

机构 * Cisco（思科） 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 提出光谱检索方法，通过多尺度sinc卷积对令牌嵌入进行重排序，在无需重新训练的情况下显著提升局部化检索性能，并自然适配于LLM多智能体系统。

Automated Detection and Classification of Delusion-related Content in Naturalistic Audio Diaries Using Multi-Agent Language Models

使用多智能体语言模型自动检测和分类自然音频日记中的妄想相关内容

Feng Chen, Justin Tauscher, Changye Li, Meliha Yetisgen, Alex Cohen, Adam Kuczynski, Angelina Pei-Tzu Tsai, Benjamin Buck, Dror Ben-Zeev, Trevor Cohen

机构 * Department of Biomedical Informatics and Medical Education, University of Washington, Seattle, WA, USA（生物医学信息学与医学教育系，华盛顿大学，西雅图，华盛顿州，美国） ； Department of Psychiatry and Behavioral Sciences, University of Washington, Seattle, WA, USA（精神病学与行为科学系，华盛顿大学，西雅图，华盛顿州，美国） ； Department of Psychology, Louisiana State University, Baton Rouge, LA, USA（心理学系，路易斯安那州立大学，巴吞鲁日，路易斯安那州，美国） ； Department of Psychiatry, University of North Carolina at Chapel Hill, Chapel Hill, NC, USA（精神病学系，北卡罗来纳大学教堂山分校，教堂山，北卡罗来纳州，美国） 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 提出一种多智能体LLM流水线，从自然音频日记中自动检测和分类妄想信念、情感和行为反应，通过多数投票实现稳健性能。

Comments Accepted by CLPych 2026

Market Regime Council for Dynamic Credit Assignment in Multi-Agent LLM Decision Systems

市场制度委员会：多智能体LLM决策系统中的动态信用分配

Yunhua Pei, Zerui Ge, Jin Zheng, John Cartlidge

机构 * University of Bristol, UK（布里斯托大学） 纠错

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

AI总结 提出市场制度委员会（MRC），一种基于Shapley值进行在线智能体加权、贝叶斯自适应混合和制度依赖乘数的多智能体决策系统，在加密货币投资中实现高夏普比率和累计收益。

Comments 35 pages, 13 figures, preprint

Multi-Agent Coordination Adaptation via Structure-Guided Orchestration

基于结构引导编排的多智能体协调适应

Haoran Li, Shulun Chen, Shaoyuan Sun, Hanchen Wang

机构 * Nanjing University（南京大学） ； University of Technology Sydney（悉尼科技大学） ； University of New South Wales（新南威尔士大学） 纠错

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

AI总结 提出MACA框架，通过概率视角将多智能体协调视为结构与编排的联合后验推断，利用任务和预算条件结构先验指导策略编排，实现高效自适应协调，性能平均提升8.42%且令牌消耗减少43.19%。

Comments 21 pages

A Token/KV-Cache Communication Media Selection and Resource Allocation Strategy for Multi-Agent Collaboration

面向多智能体协作的令牌/KV缓存通信介质选择与资源分配策略

Lipeng Dai, Luping Xiang, Kun Yang

机构 * State Key Laboratory of Novel Software Technology, Nanjing University, Nanjing, 210008, China（新型软件技术国家重点实验室，南京大学，南京） ； Institute of Intelligent Networks and Communications (NINE), Nanjing University (Suzhou Campus), Suzhou, 215163, China（智能网络与通信研究院（NINE），南京大学（苏州校区），苏州） 纠错

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

AI总结 针对多智能体协作中异构交互介质带来的端到端延迟权衡问题，提出一种联合通信介质选择与无线资源分配的优化方法，并设计低复杂度算法以最小化延迟。

HyLaT: Efficient Multi-Agent Communication via Hybrid Latent-Text Protocol

HyLaT: 通过混合潜在-文本协议实现高效多智能体通信

Xinyi Mou, Siyuan Wang, Zejun Li, Yulan He, Zhongyu Wei

机构 * Fudan University（复旦大学） ； The Chinese University of Hong Kong（香港中文大学） ； King’s College London（伦敦国王学院） ； The Alan Turing Institute（艾伦·图灵研究所） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 针对多智能体通信中的三元困境，提出混合潜在-文本协议HyLaT，通过潜在通道传输认知信号提升效率，自然语言表达关键信号保证可解释性，并设计两阶段训练框架，显著降低通信开销同时保持任务性能。