AI Agent

From Instructor to Collaborator: What a 90-Participant Study Reveals about Human-Agent Collaboration in a Mobile Serious Game

从指导者到协作者：一项90名参与者研究揭示移动严肃游戏中的人机协作

Danai Korre

机构 * University of Bedfordshire（伯明翰大学） 纠错

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

AI总结 通过90名被试的对比实验，研究高拟人化语音交互体与低拟人化文本代理在移动严肃游戏中的用户偏好，发现高拟人化代理显著更受青睐，并探讨角色、混合主动对话及故障修复对目标导向任务中人机协作的影响。

Comments 4 pages, 5 figures, ACM CHI 2026 workshop paper

ResearchMath-14K: Scaling Research-Level Mathematics via Agents

ResearchMath-14K: 通过智能体扩展研究级数学

Guijin Son, Seungyeop Yi, Minju Gwak, Hyunwoo Ko, Wongi Jang, Youngjae Yu

机构 * Seoul National University（首尔国立大学） ； OneLineAI ； Yonsei University（延世大学） 纠错

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

AI总结 本文通过多智能体流程从学术来源构建了最大的研究级数学问题数据集ResearchMath-14K（14,056个问题），并生成220K教师轨迹，经智能体过滤后微调Qwen3模型（4B-30B）平均提升9.2个点，表明过滤后的开放问题尝试即使没有完全正确的推理轨迹也能提供有效监督。

Comments Work in progress. Dataset available at: https://huggingface.co/datasets/amphora/ResearchMath-14k

Persuade Me if You Can: A Framework for Evaluating Persuasion Effectiveness and Susceptibility Among Large Language Models

如果你能说服我：评估大型语言模型说服效果与易受影响性的框架

Nimet Beyza Bozdag, Shuhaib Mehri, Gokhan Tur, Dilek Hakkani-Tür

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)；multi-agent(abstract)；分类 cs.AI、cs.CL、cs.LG；agentic(comments)

AI总结 提出PMIYC框架，通过多智能体对话自动评估LLM的说服效果与易受影响性，发现不同模型在说服力和抗说服性上存在显著差异。

Comments Paper published at the ACM Conference on AI and Agentic Systems 2026

SCALE-COMM: Shared, Contrastively-Aligned Latent Embeddings for MARL Communication

SCALE-COMM：用于多智能体强化学习通信的共享、对比对齐潜在嵌入

Mahmoud Abouelyazid, Eman Hammad

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

AI总结 提出SCALE-COMM框架，通过自监督学习紧凑、稳定的潜在通信表示，解耦通信学习与策略优化，提升多智能体协调的稳定性和样本效率。

Comments IEEE IV 2026

Discovery Agents for Real-Time Analytics: Toward Proactive Insight Systems

实时分析发现代理：迈向主动洞察系统

Gaetano Rossiello, Dharmashankar Subramanian

机构 * IBM 纠错

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

AI总结 提出一种多智能体架构，通过持续发现循环（假设生成、编译、验证、可视化）实现实时数据流的自主洞察发现，支持从查询驱动向主动发现的范式转变。

Comments Accepted at Supporting Our AI Overlords (SAO) at the ACM Conference on AI and Agentic Systems (CAIS), May 26 2026, San Jose, CS, USA

Detection Without Correction: A Two-Parameter Decomposition of Multi-Stage LLM Pipelines

无需修正的检测：多阶段LLM流水线的双参数分解

Prashanti Nilayam, Kiran Ramanna, Prashil Tumbade

机构 * Servicenow CA, USA（Servicenow加州美国） 纠错

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

AI总结 提出检测-条件生成双参数分解框架，揭示多阶段LLM流水线中条件误修正率主导（53-94%）而检测率变化超一个数量级，统一解释准确性平台、逆转等四种现象。

DSSE: a drone swarm search environment

DSSE：无人机群搜索环境

Manuel Castanares, Luis F. S. Carrete, Enrico F. Damiani, Leonardo D. M. de Abreu, José Fernando B. Brancalion, Fabrício J. Barth

机构 * Insper ； Embraer 纠错

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

AI总结 基于PettingZoo的多智能体强化学习环境，无人机通过动态概率输入搜索目标。

Comments 7 pages

Do Agents Know What They Can't Do? Evaluating Feasibility Awareness in Tool-Using Agents

智能体知道它们不能做什么吗？评估使用工具的智能体的可行性意识

Liang Cheng, Mingsheng Cai, Jiuming Jiang, Luo Mai

机构 * University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 提出FeasiGen自动构建不可行任务管道，通过屏蔽关键工具将可解任务转为不可解，评估发现多数模型缺乏可行性检测能力，错误继续率高达73.9%。

Comments 14 pages

MolLingo: Molecule-Native Representations for LLM-Powered Scientific Agents

MolLingo：面向LLM驱动的科学智能体的分子原生表示

Thao Nguyen, Heng Ji

机构 * Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign（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(abstract)；multi-agent(abstract)；分类 cs.AI

AI总结 提出MolLingo多智能体系统，通过共享内存协调文献、化学家和编排智能体，结合基于BRICS的片段枚举（BFE）表示方法，实现分子块级推理与编辑，在四个基准上优于前沿LLM和专用基线。

Chain-based Adaptive Reconfiguration Over Lattices for Hallucination Reduction

基于格点链式自适应重配置以减少幻觉

Joan Vendrell Gallart, Solmaz Kia, Russell Bent, Michael Grosskopf

机构 * Department of Mechanical and Aerospace University of California Irvine（机械与航空航天系加州大学伊文斯顿分校） ； Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室） 纠错

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

AI总结 提出CAROL框架，通过定义语义不确定性度量并在文本序列格点上构建串子模目标，将幻觉缓解转化为马尔可夫链接受-拒绝过程，实现测试时幻觉减少。

Voluntary Collusion with Secret Tools in Competing LLM Agents

竞争性LLM代理中使用秘密工具的合谋行为

Xijie Zeng, Frank Rudzicz

机构 * Dalhousie University（达尔豪斯大学） ； Vector Institute for Artificial Intelligence（人工智能向量研究所） 纠错

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

AI总结 本研究通过两个多智能体环境（Liar's Bar和Cleanup）发现，即使工具被明确标注为不公平且有害，大多数LLM代理仍会自愿采用秘密合谋工具以获取战略优势，且仅靠对齐或公平标签无法有效阻止，需明确防护措施。

Omni-scale Learning-based Sequential Decision Framework for Order Fulfillment of Tote-handling Robotic Systems

基于全尺度学习的料箱搬运机器人系统订单履行序贯决策框架

Jiaxin Liu, Peng Yang, Yuping Li, Xinyue Xie

机构 * Institution of Data and Information, Shenzhen International Graduate School, Tsinghua University, Nanshan District, Shenzhen 518055, China（数据与信息研究所，深圳国际研究生院，清华大学，南山区，深圳518055，中国） 纠错

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

AI总结 针对料箱搬运机器人系统的订单履行决策，提出一种结合结构化组合优化与多智能体强化学习的通用可扩展序贯决策框架OLSF-TRS，在小规模系统上平均最优性差距低于3.5%，在大规模场景中相比启发式基线减少8-12%的料箱移动，并保持实时响应。

Comments 35 pages, 5 figures

Differentiable Model Predictive Safety for Heterogeneous Mobility at Urban Intersections

城市交叉口异构移动体的可微分模型预测安全

Wenzhe Song, Hao Zhang

机构 * School of Business（商学院） ； Department of Mechanical Engineering（机械工程系） ； Stevens Institute of Technology（史蒂文斯理工学院） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 提出可微分模型预测安全（DMPS）框架，将模型预测控制的前瞻性嵌入数据驱动的端到端强化学习架构，通过可微分安全评价器实现精确在线安全校正，在高密度混合交通仿真中将碰撞率降至5.6%以下。

Comments 6 pages. Published in IEEE IARCE 2025

Journal ref 2025 IEEE 5th International Conference on Industrial Automation, Robotics and Control Engineering (IARCE), Chongqing, China, 2025, pp. 1-6

Bridging the Pose-Semantic Gap: A Cascade Framework for Text-Based Person Anomaly Search

弥合姿态-语义鸿沟：基于文本的人物异常搜索的级联框架

Zequn Xie, Guijin Luo, Chuxin Wang, Sihang Cai, Tao Jin, Zhou Zhao, Yixuan Tang

机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 提出结构-语义解耦级联（SSDC）框架，通过两阶段检索（结构感知粗检索和多智能体语义验证）平衡效率与语义推理，在PAB基准上达到最优性能。

Comments Accepted to ACL 2026.10 pages, 5 figures

How Far Can Disaggregation Go? A Design-Space Exploration of Attention-FFN Disaggregation for Efficient MoE LLM Serving

解聚能走多远？面向高效 MoE LLM 服务的 Attention-FFN 解聚设计空间探索

Hanjiang Wu, Abhimanyu Rajeshkumar Bambhaniya, Sarbartha Banerjee, Tuhin Khare, Sudarshan Srinivasan, Suvinay Subramanian, Souvik Kundu, Madhu Kumar, Midhilesh Elavazhagan, William Won, Amir Yazdanbakhsh, Tushar Krishna

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Intel（英特尔） ； Google（谷歌） ； Google DeepMind（谷歌DeepMind） ； Infravana 纠错

专题命中 多智能体 ：agentic(abstract)；分类 cs.AI、cs.LG

AI总结 本文系统探索了从分块预填充、预填充-解码解聚到算子级 Attention-FFN 解聚 (AFD) 的不同解聚层次在 MoE 模型推理中的收益与局限，通过融合设备内核测量与高保真网络仿真的框架，在严格 TTFT/TPOT SLO 下 AFD 可在 DeepSeek-V3.2 上维持约 4k tokens/s 的系统吞吐量，并给出了联合优化吞吐与交互性的具体设计原则。

Decentralized Parameter-Free Online Learning with Compressed Gossip

基于压缩八卦的去中心化无参数在线学习

Tomas Ortega, Hamid Jafarkhani

机构 * Center for Pervasive Communications & Computing and EECS Department, University of California, Irvine（普及通信与计算中心和加州大学尔湾分校电子工程与计算机科学系） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 提出DECO-EF算法，结合coin-betting预测与压缩差分八卦，实现去中心化在线凸优化中无参数自适应且压缩通信下的次线性网络遗憾。

Delay-Aware Reinforcement Learning for Highway On-Ramp Merging under Stochastic Communication Latency

考虑随机通信延迟的高速公路匝道合流延迟感知强化学习

Amin Tabrizian, Zhitong Huang, Arsyi Aziz, Peng Wei

机构 * Department of Computer Science, George Washington University, Washington, D.C.（计算机科学系，乔治华盛顿大学，华盛顿特区） ； Connected and Automated Vehicle Program Manager, Traffic Operations Division, Virginia Department of Transportation（连接与自动化车辆计划主任，交通运营处，弗吉尼亚州交通部） ； Department of Mechanical & Aerospace Engineering, George Washington University, Washington, D.C.（机械与航空航天工程系，乔治华盛顿大学，华盛顿特区） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 针对V2I通信随机延迟导致状态观测延迟的问题，提出DAROM框架，通过随机延迟MDP建模和延迟感知编码器恢复马尔可夫性，结合物理安全控制器实现鲁棒控制。

Private & Common Information States in Decentralized Team Equilibrium via Dynamic Programming for POMDPs with Delayed Sharing

分散式团队均衡中的私有与公共信息状态：基于延迟共享POMDP的动态规划

Charalambos D. Charalambous, Umarbek Guvercin, Seddik Djouadi

专题命中 多智能体 ：agent(abstract)

AI总结 针对延迟共享信息模式下的分散式部分可观测马尔可夫决策问题，提出通过动态规划压缩信息状态为私有后验、公共后验和私有信息三部分，并建立分散式序贯团队均衡的结构性质与动态规划方程。

Benchmarks are Not Enough: RAMP for Runtime Assessing of Agentic Models in Production Systems

基准测试还不够：RAMP——生产系统中代理模型的运行时评估

Yipeng Ouyang, Xin Huang, Bingjie Liu, Zhongchun Zheng, Yuhao Gu, Xianwei Zhang

机构 * School of Computer Science and Engineering, Sun Yat-sen University, Guangzhou, China（中山大学计算机科学与工程学院，广州，中国） 纠错

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

AI总结 针对现有基准测试无法反映真实生产环境动态复杂性的问题，提出RAMP框架，通过统一运行时评估架构、编译器构建工作负载和多维效用指标，揭示模型在长序列工作流中的性能退化与资源效率差异。

Comments 16 pages, 8 figures. Project homepage: http://ramp.yatcc-ai.com/

Detect by Yourself: Self-Designing Agentic Workflows for Few-Shot Graph Anomaly Detection

自行检测：少样本图异常检测的自设计代理工作流

Tairan Huang, Qiang Chen, Yili Wang, Yueyue Ma, Changlong He, Xiu Su, Yi Chen

机构 * CSU（中国科学技术大学） ； UST（香港大学） 纠错

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

AI总结 提出SignGAD框架，通过自设计任务条件检测工作流替代固定检测器，结合图编码与检测器选择及受保护重拟合策略，提升少样本图异常检测的适应性与可靠性。

Agentic Language-to-Objective Synthesis for Optofluidic Assembly

面向光流组件的智能语言到目标合成

Ivan Saraev, Elena Erben, Weida Liao, Fan Nan, Gerhard Neumann, Eric Lauga, Moritz Kreysing

机构 * Institute of Biological and Chemical Systems, Karlsruhe Institute of Technology, Germany（马克斯·普朗克研究所生物和化学系统研究所，卡尔斯鲁厄技术大学，德国） ； Department of Applied Mathematics and Theoretical Physics, University of Cambridge, UK（应用数学和理论物理系，剑桥大学，英国） ； Department of Mathematics, Imperial College London, UK（数学系，伦敦帝国理工学院，英国） ； Institute of Anthropomatics and Robotics (IAR), Karlsruhe Institute of Technology, Germany（人机学与机器人研究所（IAR），卡尔斯鲁厄技术大学，德国） 纠错

专题命中 工作流自动化 ：agentic(title,abstract)；workflow(abstract)

AI总结 提出Speak-to-Objective模块化智能流水线，利用条件大语言模型将口语或书面指令转换为可微目标函数，实现光流控微粒子组装，并支持用户反馈学习。

Comments 21 pages, 5 figures

From Chat to Interview: Agentic Requirements Elicitation with an Experience Ontology

从聊天到访谈：基于经验本体的智能需求获取

Dongming Jin, Zhi Jin, Yaotian Yang, Linyu Li, Zheng Fang, Yuanpeng He, Wenchun Jing, Xiaohong Chen

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

AI总结 提出OntoAgent智能体，通过构建经验本体引导需求访谈，实现自动化、系统化且可解释的需求获取，在网站应用领域显著提升获取效果和提问效率。

Journal ref RE 2026

A Factory-Floor Deployment Case Study of VLA Pipelines for Industrial Packaging Task: Workflow, Failures, and Lessons

工业包装任务的VLA流水线工厂部署案例研究：工作流、故障与经验教训

Brian Zhu, Philipp Schmitt, Philine Meister, Lukas Gensler, Momen Khalil, Emmanuele Poggi, Johannes Hechtl, Carsten Braunroth, Kai Wurm, Gokul Narayanan, Eugen Solowjow, Georg von Wichert, Andre Scholz, Felix Albrecht, Maxmillian Metzner

机构 * Siemens Corporation（西门子公司） 纠错

专题命中 工作流自动化 ：workflow(title,abstract)

AI总结 本研究通过在西门子工厂部署预训练Pi0.5策略执行工业包装任务，迭代微调并收集2535个现场数据片段，总结了VLA流水线部署中的常见故障模式与改进工作流的经验教训。

eMZed 3: flexible and interactive development of scalable LC-MS/MS data analysis workflows in Python

eMZed 3：在 Python 中灵活交互式开发可扩展的 LC-MS/MS 数据分析工作流

Uwe Schmitt, Jethro L. Hemmann, Nicola Zamboni, Julia A. Vorholt, Patrick Kiefer

专题命中 工作流自动化 ：workflow(abstract,abstract_cn)

AI总结 本文介绍 eMZed 3，一个基于 Python 3 的现代框架，用于灵活交互式分析 LC-MS/MS 数据，支持可扩展工作流开发，并包含基于色谱的数据支持、SQLite 后端和丰富可视化工具。

Comments 7 pages, 1 figure

SmartIterator: Visual Analytics Workflows for Supervising Unsupervised Data Grouping

SmartIterator: 监督无监督数据分组的可视化分析工作流

Gennady Andrienko, Natalia Andrienko

机构 * Fraunhofer Institute IAIS（弗劳恩霍夫研究所IAIS） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔人工智能与机器学习研究所） ； City St George’s, University of London（伦敦大学圣乔治学院） 纠错

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

AI总结 提出SmartIterator可视化分析方法，通过六阶段工作流和IteraScope协调视图，系统探索参数扫描下的分组结果，支持用户理解数据结构和做出知情决策。

PIRS: Physics-Informed Reward Shaping for SAC-Based Building Energy Management

PIRS：基于物理信息奖励塑形的SAC建筑能源管理

Shadmehr Zaregarizi, Khashayar Yavari

机构 * Politecnico di Torino（托里尼理工大学） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI

AI总结 针对深度强化学习中奖励函数设计缺乏物理基础的问题，提出PIRS方法，将ISO 7730 PMV公式嵌入SAC的多目标奖励中，提升可解释性和性能。

Comments N pages, 4 figures, 3 tables. Accepted at the 2nd Workshop on AI-Driven Energy Efficiency in Dynamic Systems (AI-DEEDS '26), co-located with ACM e-Energy / ACM Sustainability Week, Banff, AB, Canada, June 22-25, 2026

Personality, Role, and Expressive Style in Large Language Models: An Interactionist Analysis

大型语言模型中的个性、角色与表达风格：一种互动主义分析

Moe Nagao, Koichiro Terao, Mikio Nakano, Naoto Iwahashi

机构 * Okayama Prefectural University（冈山县立大学） ； AI & Humans Lab（人工智能与人类实验室） ； C4A Research Institute（C4A研究所） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.CL

AI总结 本研究从互动主义视角，通过因子设计实验分析个性特质、对话角色和表达风格如何共同影响大型语言模型生成对话中感知的大五人格特质表达。

Comments 26 pages

Exploratory Experience Shapes the Geometry of Predictive Representations

探索性经验塑造预测表征的几何结构

Kseniia Shilova, Abdelrahman Sharafeldin, Advay Balakrishnan, Hannah Choi

机构 * School of Mathematics Georgia Institute of Technology（数学系佐治亚理工学院） ； College of Computing Georgia Institute of Technology（计算学院佐治亚理工学院） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.LG

AI总结 通过构建树状迷宫中的在线学习智能体，研究探索与利用行为策略如何影响基于预测编码的内部表征几何结构，发现探索行为促进更具空间组织性的表征，且与小鼠实验数据一致。

OptiLoop: Coordination-in-the-Loop Verification and Repair for LLM-Generated Optimization Agents

OptiLoop：面向LLM生成的优化代理的协同验证与修复

Yujia Xu, Zhiheng Wang, Thi Dinh

专题命中 工作流自动化 ：agent(abstract)；分类 cs.SE

AI总结 针对LLM生成的优化代理在协同决策中可能出现语义错误的问题，提出了一种基于交替方向乘子法（ADMM）共识协议的协同验证与修复方法OptiLoop，通过短时协同运行检测行为异常并驱动修复，显著提升了目标匹配和社会匹配率。

Keyphrase Generative Representation of Youth Crisis Conversations Beyond Static Taxonomies

超越静态分类法的青少年危机对话的关键词生成表示

Abeer Badawi, Will Aitken, Lydia Sequeira, Jocelyn Rankin, Maia Norman, Elham Dolatabadi

机构 * York University（约克大学） ； Vector Institute（向量研究所） ； Electrical and Computer Engineering, Queen’s University（皇后大学电气与计算机工程系） ； Kids Help Phone（儿童援助电话） 纠错

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

AI总结 本文提出关键词生成表示（KGR）方法，通过约束大语言模型生成对话特定的关键词，将原有19标签分类扩展为39标签层次结构，在129段对话和387个专家注释上评估，准确率达0.96，并发现固定分类中缺失的身份相关主题，将主题检索准确率从0.25提升至0.70。