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。
Harmonia: 通过多智能体强化学习增强混合存储系统中的数据放置与迁移
机构 * ETH Zürich（苏黎世联邦理工学院） ； AMD Research（AMD研究）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.LG
AI总结 针对混合存储系统中数据放置与迁移策略相互依赖导致性能次优的问题，提出基于多智能体强化学习的协同优化方法Harmonia，显著提升系统性能。
超越自我对话：基于LLM的多智能体系统的通信中心综述
机构 * School of Cyber Science and Technology, Beihang University, Beijing 100191, China（信息科学与技术学院，北京航空航天大学，北京100191，中国） ； The College of Cyber Security/College of Information Science and Technology, Jinan University, Guangzhou, China（网络安全学院/信息科学与技术学院，暨南大学，广州，中国） ； School of Computer Science and Engineering, Beihang University, Beijing 100083, China（计算机科学与工程学院，北京航空航天大学，北京100083，中国） ； School of Cyber Science and Technology, Beijing University of Posts and Telecommunications, Beijing 100876, China（信息科学与技术学院，北京邮电大学，北京100876，中国）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.CL
AI总结 本文从通信视角综述基于大语言模型的多智能体系统，提出一个整合系统级和系统内部通信的结构化框架，分析智能体交互机制、挑战及未来方向。
Comments The article has been accepted by Frontiers of Computer Science (FCS), with the DOI: {10.1007/s11704-026-50857-y}
通过可执行操作认知实现代理运行时的受控演化
机构 * Independent Researcher（独立研究者）
专题命中 多智能体 ：agent(title,abstract)；agentic(abstract)；multi-agent(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出一个框架，通过可执行操作认知实现多智能体系统中代理生成工件的受控运行时演化，引入HarnessMutation机制在验证、可追溯、评估和回滚约束下进行生命周期感知的运行时适应。
Comments 14 pages, 4 figures, 1 table. Reference implementation and associated source code available at: https://github.com/mgarralda/governed-runtime
多智能体合作中的联盟自由能与自适应精度
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)
AI总结 提出博弈论自由能原理（GT-FEP）变分框架，通过自适应精度控制（APC）算法动态调整观测精度，在瑞士环岛轨迹数据集和多智能体控制任务中实现与最优固定精度相当的性能。
Comments 21 pages, 8 figures, 2 Tables
AgentSociety: 激励代理社交智能
机构 * IIT Bombay（印度理工学院班加罗尔） ； Amazon（亚马逊）
专题命中 多智能体 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出一种基于流动民主和信息扩散的激励机制AgentSociety，使去中心化代理能够自主协作、策略性沟通并最大化效用，同时通过共识路由实现集体成果。
通过社交网络分析探索MoltBook中的智能体交互
专题命中 多智能体 ：agent(title,abstract)
AI总结 本研究提出一个多维分析框架，结合社交网络分析、情感分析和主题可视化，解码MoltBook平台中基于大语言模型的智能体之间的交互语义和情感，并聚焦于智能体原生通信的内在机制。
先设计，后编码：无模板的美观幻灯片生成
机构 * School of Cybersecurity, Northwestern Polytechnical University（西北工业大学网络安全学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Innovation Institution（上海创新研究院） ； Fudan University（复旦大学）
专题命中 多智能体 ：agent(abstract)；workflow(abstract)；multi-agent(abstract)
AI总结 提出DeepSlides层次化幻灯片生成流程，通过解耦设计与实现、引入SlideDesign数据集和多智能体强化学习训练范式，在无模板条件下生成高质量幻灯片。
Cyber-Physical Mobility Lab中的零样本多智能体强化学习基准测试
机构 * Cyber-Physical Mobility Lab（智能物理移动实验室） ； University of the Bundeswehr Munich（联邦国防军大学慕尼黑） ； RWTH Aachen University（亚琛工业大学）
专题命中 多智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)
AI总结 本文基于Cyber-Physical Mobility Lab构建了一个可复现的基准测试平台，用于评估联网自动驾驶汽车多智能体强化学习策略的仿真到现实迁移，并揭示了性能下降的两个互补来源。
车辆边缘计算中的智能卸载：深度强化学习方法与架构综述
机构 * Department of Electrical and Computer Engineering, University of Windsor（滑铁卢大学电气与计算机工程系）
专题命中 多智能体 ：agent(abstract,comments)；multi-agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文综述了基于深度强化学习的车辆边缘计算卸载方法，分类比较了学习范式、系统架构和优化目标，并分析了马尔可夫决策过程的应用及未来研究方向。
Comments 33 Pages, 6 Figures, 7 Tables. Machine Learning, Reinforcement Learning, Multi Agent Reinforcement Learning, Computational Offloading and Edge Computing
Vital Trace: 协议约束的患者状态推理用于纵向临床轨迹
机构 * TU Dresden（德累斯顿理工大学）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.LG
AI总结 提出Vital Trace，一个协议约束的多智能体框架，通过紧凑的持久患者状态记忆和四个协调智能体（Router、Reasoner、Auditor、Steward）进行分阶段推理，以解决长期临床轨迹推理中的上下文漂移和不稳定问题，在MIMIC-IV和eICU数据集上预测未来血管加压药、呼吸、肾脏支持和恶化任务中优于自由形式多智能体基线。
广泛的生物医学知识能否被情境化为基于场景的命题？
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Guangzhou University of Chinese Medicine（广州中医药大学）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出SCENE双层多智能体框架，通过迭代搜索将广泛生物医学知识转化为证据支持的场景化命题，并在临床试验和LINCS L1000研究中验证其有效性。
审查反馈下结构学习的代价：一种阈值-老虎机方法
机构 * University of Maryland, College Park（马里兰大学学院公园分校）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG
AI总结 针对任务仅当联盟达到未知规模阈值时才产生奖励的审查反馈问题，提出阈值激活合作多臂老虎机模型，并通过集中式算法C-TAC实现O(log T)累积遗憾，以及去中心化事件触发协议D-TAC在保持可行性对齐的同时减少23倍通信。
可溯源知识图谱推理助力钢铁行业工业VOCs的LLM辅助决策支持
机构 * Hunan Key Laboratory of Carbon Neutrality and Intelligent Energy, School of New Energy and Environment, Hunan University of Technology and Business（湖南碳中和与智能能源重点实验室，新能环境学院，湖南科技商务大学） ； Aerospace Kaitian Environmental Technology Co., Ltd.（航天凯天环境科技有限公司） ； School of Energy Science and Engineering, Central South University（能源科学与工程学院，中南大学）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 针对钢铁行业VOCs治理知识分散、通用大模型易产生幻觉的问题，提出基于知识图谱增强的多智能体问答系统Chat-ISV，通过拓扑优化、多智能体路由和源回溯检索实现高可靠性决策支持。
哪些变化重要？通过相关性敏感评估和求解器基础推理实现可信赖的法律AI
机构 * National University of Singapore（新加坡国立大学） ； Griffith University（格里菲斯大学）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出法律相关性敏感评估问题，引入统一评估套件，并设计基于形式推理的对抗多智能体框架LexGuard，以提高法律AI对法律相关变化的校准敏感性。
解耦延迟补偿：通过学习的动力学过滤增强预训练的多智能体强化学习策略
机构 * University of Haifa（海法大学）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 针对多智能体强化学习在延迟观测和通信延迟下的性能退化问题，提出一种模块化的执行阶段状态估计层，利用学习的门控转移模型和递归卡尔曼滤波从异步测量中估计当前状态，作为预训练策略的即插即用模块，显著提升对通信延迟和丢包的鲁棒性。
Comments 8 pages, 7 figures
博弈中可行收益集合估计的最优速率
机构 * Bocconi University, Milano, Italy（博科尼大学，米兰，意大利） ； ETH Zurich, Switzerland（苏黎世联邦理工学院，瑞士）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG
AI总结 针对双矩阵博弈中观察玩家动作但不知收益函数的情形，提出以Hausdorff度量下高概率估计可行收益集合的方法，并给出零和与一般和博弈中精确及近似均衡下首次极小极大最优速率。
低空无线网络中的安全无人机群：挑战与解决方案
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)
AI总结 针对无人机群在低空无线网络中面临的安全威胁，提出云边端协同防御框架，包含抗GPS欺骗、内部威胁缓解和多跳攻击溯源三种机制。
Comments 7 pages, 6 figures
从行动到义务：道义行动模型逻辑
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)
AI总结 提出道义行动模型逻辑（DAML），通过整合道义评估机制扩展认知行动模型逻辑，用于推理多智能体系统中关于行动的义务，并证明其公理化系统的可靠性和完备性。
EmoDistill: 对抗性谈判中语言模型代理的离线情感技能蒸馏
机构 * University of Cambridge（剑桥大学） ； Technical University of Munich（慕尼黑技术大学） ； Exiger LLC ； The Alan Turing Institute（艾伦·图灵研究所）
专题命中 多智能体 ：agent(abstract)；分类 cs.AI、cs.CL
AI总结 提出EmoDistill离线框架，通过隐式Q学习选择情感和低秩适应策略表达情感，蒸馏情感谈判技能到语言模型代理，在四个高风险谈判领域取得最高效用。
EvoEmo：面向多轮价格谈判中对抗性LLM智能体的进化情感策略
机构 * Department of Engineering, University of Cambridge（剑桥大学工程系） ； Rotman School of Management, University of Toronto（多伦多大学罗特曼管理学院） ； TUM School of Management, Technical University of Munich（慕尼黑技术大学管理学院） ； The Alan Turing Institute, London, UK（伦敦阿尔安·图灵研究院）
专题命中 多智能体 ：agentic(abstract)；分类 cs.AI
AI总结 提出EvoEmo进化强化学习框架，通过将情感状态转移建模为马尔可夫决策过程并采用种群遗传优化，动态优化多轮谈判中的情感表达，显著提升LLM智能体的谈判成功率、效率和买家节省。
有限视界概率并发博弈系统中的均衡验证
专题命中 多智能体 ：agent(abstract)
AI总结 本文研究有限视界概率多智能体并发博弈系统中给定策略配置是否为纳什均衡或子博弈完美均衡的验证问题，发现子博弈完美均衡验证属于PSPACE，而纳什均衡验证为EXPTIME完全，这一反直觉结果表明子博弈完美均衡验证可能更简单。
Journal ref Logical Methods in Computer Science, Volume 22, Issue 2 (May 20, 2026) lmcs:15486
协同赋能：无线通信遇见具身智能
机构 * College of Electronic and Information Engineering, Nanjing University of Aeronautics and Astronautics（南京航空航天大学电子与信息工程学院） ； College of Artificial Intelligence, Nanjing University of Aeronautics and Astronautics（南京航空航天大学人工智能学院）
专题命中 多智能体 ：agent(abstract)
AI总结 本文提出无线通信与具身智能的协同赋能框架，通过感知-认知-执行循环揭示二者相互促进的双重性，将无线通信从简单工具转变为集体智能的数字神经系统，并推动孤立智能体进化为具备涌现能力的超个体。
Comments Accepted by IEEE Communications Magazine
GraphMind：从操作轨迹到自演化工作流自动化
机构 * Microsoft, USA ； University of Illinois Chicago, USA ； Microsoft, Spain
专题命中 工作流自动化 ：workflow(title,abstract)；agentic(abstract,abstract_cn)；agent(abstract)；multi-agent(abstract)
AI总结 提出GraphMind系统，通过离线提取因果工作流图、在线多智能体遍历执行和自适应遍历强化，实现云数据库事故调查中的自动化工作流，相比基线方法减少8倍检索上下文并降低26%幻觉率。
PoCo：智能合约的代理式概念验证漏洞利用生成
机构 * KTH Royal Institute of Technology（皇家理工学院）
专题命中 工作流自动化 ：agentic(title,abstract)；workflow(abstract)；分类 cs.AI、cs.SE
AI总结 提出PoCo框架，通过代理式Reason-Act-Observe循环自动从自然语言漏洞描述生成可执行的PoC漏洞利用，在23个真实报告上优于基线方法。
Comments Under review
建模代理技术债务与随机税：一个用于测量、模拟和仪表盘展示的独立框架
机构 * School of Business, University of Pittsburgh（匹兹堡大学商学院）
专题命中 工作流自动化 ：agentic(title,abstract)；workflow(abstract)；分类 cs.AI
AI总结 本文提出一个形式化且可管理的框架，区分代理技术债务（累积的设计与治理负债存量）与随机税（使用随机代理时产生的运营负担流），并通过应付账款模拟和电子表格说明其应用。
工作流闭环并非自动研究系统中的科学闭环
机构 * Yale University（耶鲁大学）
专题命中 工作流自动化 ：workflow(title,abstract)；分类 cs.AI、cs.SE
AI总结 本文指出自动研究系统的工作流闭环不等于科学闭环，并提出通过非自主认知控制下的自主执行、避免目标塌陷、验证塌陷和接受塌陷等设计改进方案。
Comments 26 pages, 1 figure, 2 tables
探测知识边界：一种用于深度知识提取的交互式智能体框架
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Westlake University（西交利物浦大学）
专题命中 工作流自动化 ：agentic(title,abstract)；分类 cs.CL、cs.LG
AI总结 提出一种交互式智能体框架，通过四种自适应探索策略和三级知识处理流水线，系统性地提取和量化大语言模型的知识，发现递归分类法最有效，并揭示了知识缩放定律、Pass@1与Pass@k的权衡以及训练数据对知识轮廓的影响。
Comments Homepage: https://ulab-uiuc.github.io/KnowledgeExtraction/
关于 GitHub Actions 语言：使用、演变和工作流可靠性
专题命中 工作流自动化 ：workflow(title,abstract)；分类 cs.SE
AI总结 本文通过分析 49K 仓库中的 260K 工作流，实证研究了 GitHub Actions 语言结构的使用和演变如何影响工作流可靠性与可维护性，发现复杂工作流与高失败率和维护成本相关，并识别出与风险相关的特定特征。
认知工作流执行器的认证纯度：从静态分析到密码学证明
机构 * Mashin, Inc.（Mashin公司）
专题命中 工作流自动化 ：workflow(title,abstract)；分类 cs.AI
AI总结 提出一种认证纯度架构，通过WebAssembly编译、密码签名证书和运行时验证门，将认知工作流系统中的治理执行从运行时约定转变为结构性能力边界，消除BEAM虚拟机上的对抗性绕过。
Comments 23 pages, 4 figures, 8 tables. Companion proofs: https://github.com/mashin-live/governance-proofs. Project: https://mashin.live. Updated license
AI工作流架构的效果透明治理：语义保持、表达最小性与可判定性边界
机构 * Mashin, Inc.（Mashin公司）
专题命中 工作流自动化 ：workflow(title,abstract)；分类 cs.AI
AI总结 本文通过机器验证的形式化方法，证明在AI工作流架构中，效果级治理可以在不降低内部计算表达性的前提下实施，并建立了治理与计算表达性正交的理论基础。
Comments 15 pages. Companion proofs: https://github.com/mashin-live/governance-proofs. Project: https://mashin.live. v2: corrected cross-reference identifiers for companion papers. License updated
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