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。
见多识广？评估面向Agent-to-Agent多模态说服的视觉语言模型易受性
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Salesforce AI Research（Salesforce AI研究）
专题命中 多智能体 ：agent(title,title_cn)；autonomous agent(abstract)；multi-agent(abstract)；分类 cs.CL
AI总结 本文研究了在多智能体多模态说服场景中，视觉语言模型对多模态内容的易受性，提出了MMPersuade框架和数据集，通过实验揭示了多模态输入在说服中的优势，以及说服对象的领域和格式依赖性，以及心理策略在不同上下文和模型架构下的效果差异。
EGTR-Review: 基于多智能体教师蒸馏的高效证据支撑科学同行评审生成
机构 * Department of Information Management, Peking University（北京大学信息管理系） ； PKU-WUHAN Institute for Artificial Intelligence, Peking University（北京大学武汉人工智能研究院）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；agentic(abstract)；分类 cs.AI、cs.CL
AI总结 提出EGTR-Review框架，通过多智能体教师蒸馏和证据加权目标，实现轻量级学生模型的高质量、可溯源同行评审生成。
企业多智能体系统的动态协调策略选择
机构 * Golden Gate University（金门大学） ； Foundation AgenticOS (FAOS)（基础代理操作系统（FAOS））
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；workflow(abstract)；分类 cs.AI、cs.CL
AI总结 本文通过大规模实验评估企业多智能体系统是否应根据问题类别动态选择协调策略，发现动态路由作为校准默认值有效，但无法确定唯一最优策略。
Comments 13 pages, 4 appendix. Code and data: https://github.com/frank-luongt/faos-research/tree/main/RA-1
将基于模型的控制与多智能体强化学习相结合以实现多智能体协作团队策略
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Sandia National Laboratories（桑地亚国家实验室）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.LG
AI总结 提出一种结合多智能体强化学习与模型预测控制的框架（MA-AC-MPC），通过扩展演员-评论家模型预测控制实现安全、动态可行的协作策略，并在追逃场景和异构环境中验证其优于多层感知机模型。
Comments 12 pages, 8 figures, 7 tables
智能体应该说什么？面向高效多智能体系统的动作-状态通信
机构 * Singapore University of Technology and Design（新加坡科技设计大学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI
AI总结 针对多智能体系统中自由形式通信导致令牌膨胀和性能下降的问题，提出PACT协议，将通信视为公共状态更新问题，压缩为紧凑的动作-状态记录，在多种拓扑下实现性能与成本权衡的优化。
Comments 13 pages, 5 figures
AutoDFT：用于自主DFT计算的闭环多智能体框架
机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Singapore Management University（新加坡管理大学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.AI
AI总结 提出AutoDFT闭环多智能体框架，通过将LLM推理嵌入DFT计算全生命周期，实现从规划到执行的自主适应，在VASPBench基准上达到94.1%任务成功率，并可靠预测电子、磁性和能量性质。
SHIELDS: 通过迭代多智能体修复实现操作系统加固自动化
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；tool use(abstract)
AI总结 提出SHIELDS多智能体系统，利用大语言模型通过迭代反馈驱动的方式自动修复操作系统安全配置错误，在多种虚拟机配置下成功修复高达73%的扫描发现。
基于评论的异构多智能体推理用于可靠的数学问题求解
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.LG
AI总结 提出一种基于评论的异构多智能体框架，通过生成器-验证器结构和自适应学习系统，利用中间反馈评估和引导推理过程，在GSM8K基准上实现高达13%的准确率提升，并减少对大模型的依赖。
Comments 6 pages
通过本体引导的多智能体推理实现文化对齐的大型语言模型
机构 * KAIST（韩国科学技术院）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.CL
AI总结 本文提出OG-MAR框架，通过本体引导的多智能体推理方法，提高大型语言模型在文化对齐和鲁棒性方面的性能，并生成更透明的推理轨迹。
Comments Accepted by ICML 2026 Regular Track
多智能体Lipschitz老虎机
机构 * University of Colorado Boulder（科罗拉多大学波德穆尔分校） ； INRIA Paris（巴黎国家信息与自动化研究所）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.LG
AI总结 本文研究了在连续Lipschitz结构动作空间上的去中心化多玩家随机老虎机问题，其中硬碰撞导致零奖励。研究提出了一种无需通信的策略，旨在最大化集体奖励，同时分离协调成本和学习成本。通过新颖的maxima-directed搜索识别并安排玩家到高价值区域，将问题分解为N个独立的单玩家Lipschitz老虎机。在共识模式下，得到端到端的 regrets bound，其主导学习项为~O(T^{(d+1)/(d+2)})，与单玩家Lipschitz速率匹配；前期协调成本在固定置信度下与时间无关，仅在期望 regrets 形式中为多项式对数。在额外的公共覆盖/调度假设下，还获得了无间隙~O(T^{(d+1)/(d+2)})保证。进一步推导了主导学习项的匹配下界，并将框架扩展到一般距离阈值碰撞模型。
Comments Twenty-Ninth Annual Conference on Artificial Intelligence and Statistics (AISTATS 2026)
DPBench: 多智能体LLM在同时资源竞争下的协调结构决定因素
机构 * Department of Mathematics and Computer Science University of North Carolina at Pembroke（数学与计算机科学系北卡罗来纳大学帕特森分校）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI
AI总结 本文提出DPBench，用于评估多智能体系统中协调性能的基准测试，通过分析不同协议、通信结构和群体规模对协调成功或失败的影响，揭示了多智能体LLM在资源竞争中的协调机制。
Comments 20 pages, 4 figures
在多智能体系统中检测视角变化
机构 * Helivan, San Francisco, CA（San Francisco, CA 的 Helivan）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI
AI总结 本文提出了一种名为TDKPS的框架，用于检测多智能体系统中智能体和群体层面的行为变化，通过模拟和自然实验验证了其在检测真实外部事件变化方面的有效性。
S+C+L波段系统中光功率的高效多智能体优化
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title)；AI agent(abstract)
AI总结 提出一种面向多波段系统链路功率管理的AI智能体，通过多智能体优化高效实现多种优化目标，并在网络级评估中以每功率配置文件平均303次交互获得689.0 Tbps的总分配流量增益。
不仅仅是评判者：众包测试评估中智能体与人类交互的实证研究
专题命中 多智能体 ：agent(title,abstract)；workflow(abstract)；agentic(abstract)；multi-agent(abstract)
AI总结 通过受控实验研究基于LLM的多智能体评估系统生成的反馈能否提升众包测试者修改报告、后续任务表现及跨应用迁移能力。
Comments Accepted manuscript to ACM Transactions on Software Engineering and Methodology (TOSEM)
更多智能体有帮助吗？LLM智能体工作流的受控与协议对齐评估
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； Duke Kunshan University（杜克大学昆山分校） ； Hong Kong University of Science and Technology（香港科技大学） ； Zhejiang University of Technology（浙江工业大学）
专题命中 多智能体 ：agent(title,abstract)；tool-use(abstract)；workflow(abstract)；multi-agent(abstract)
AI总结 提出BenchAgent框架，在统一协议下比较单智能体、固定多智能体和演化多智能体工作流，发现大多数多智能体系统在准确率上未超越单智能体基线，但运行时生成的工作流在GAIA上表现优异。
Comments https://github.com/LINs-lab/MASArena/tree/BenchAgent
正数 $n=9$ 的 Vasc 不等式的一个有限证书
机构 * State Key Laboratory of Mathematical Sciences, Academy of Mathematics and Systems Science, Chinese Academy of Sciences, and the School of Mathematics, University of Chinese Academy of Sciences（数学科学国家重点实验室，数学与系统科学研究院，中国科学院，以及中国科学院大学数学系）
专题命中 多智能体 ：agent(summary_cn,abstract)；AI agent(abstract)；workflow(abstract)；分类 cs.AI
AI总结 通过人工引导的 AI 代理 MechMath Agent Team，将有理不等式转化为齐次多项式不等式，并利用累积间隙参数化所有排序的固定最大值锥体，生成覆盖 40320 个锥体的有限证书，从而证明了正实数 $n=9$ 情况下的 Vasc 循环不等式。
虚拟圆桌会议：模拟人类头脑风暴动态的多智能体角色
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 多智能体 ：agent(title)；multi-agent(title)；agentic(abstract)；分类 cs.AI
AI总结 提出一种多智能体架构，通过发散与收敛两阶段模拟圆桌头脑风暴，利用多样化AI角色和智能引导者产生多样化创意并评估排名，案例研究表明其能产生多样相关创意并深化讨论质量。
Comments 10 pages, 10 figures, 2 tables
知识激活：作为代理软件开发机构知识基础的AI技能
机构 * Yahoo Inc.（雅虎公司）
专题命中 多智能体 ：agentic(title,abstract)；agent(abstract)；AI agent(abstract)；分类 cs.AI、cs.SE
AI总结 本文提出知识激活框架，通过将AI技能转化为结构化、治理-aware的原子知识单元（AKUs）来解决企业软件开发中的机构知识交付问题，提升代理软件开发效率。
Comments Preprint. 59 pages, 11 figures. v2 is a major revision: adds an enterprise case study (a Yahoo deployment evaluated by an anonymous 67-engineer survey), with findings integrated into the abstract, introduction, discussion, and conclusion; methodology tightened and references expanded
PathWISE: 基于临床流程图的多智能体癌症路径分诊本体学习
机构 * Birmingham City University（伯明翰城市大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； University Hospitals Birmingham NHS Foundation Trust（伯明翰大学医院国家健康服务信托基金） ； NHS England (National Health Service)（英格兰国家健康服务局） ； Qatar University（卡塔尔大学）
专题命中 多智能体 ：agent(title)；multi-agent(title)
AI总结 提出PathWISE五阶段流水线，结合四个基于LLM的智能体、确定性深度优先搜索审计器和Java编译器批评者，将临床流程图转化为可执行的HL7 CQL库，覆盖100%患者路径，并在五种NHS癌症路径上验证。
Comments 13 pages, 4 figures
超越对齐：多元文化智能体系统中的价值多样性作为集体属性
机构 * Singapore University of Technology and Design（新加坡科技设计大学） ； Washington University in St. Louis（华盛顿大学圣路易斯分校）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(abstract)；分类 cs.CL
AI总结 针对多元文化多智能体系统，提出以价值多样性作为系统级评估轴，通过文化条件化智能体在共享价值调查中的响应差异度量，发现多样性几乎与对齐无关，且当前系统远低于人类社会，混合骨干系统缩小但未消除差距，社会互动进一步侵蚀多样性。
CUCo：一种用于计算与通信协同设计的代理框架
机构 * UT Austin（德克萨斯大学奥斯汀分校）
专题命中 多智能体 ：agentic(title,abstract)；agent(abstract)；分类 cs.LG
AI总结 本文提出CUCo框架，通过结合结构化设计空间形式化和正确性优先的快速路径代理以及进化驱动的慢速路径代理，实现了CUDA内核的计算与通信协同设计，从而在四个多GPU工作负载中实现了1.57倍的加速，并在LLM推理成本低于10美元的情况下发现了一种双流重叠策略。
考虑安全约束的多利益相关者多地点碳捕集与封存项目最优存储管理：从马尔可夫博弈视角
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）
专题命中 多智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)；分类 cs.LG
AI总结 本文基于马尔可夫博弈方法，研究多利益相关者多地点碳捕集与封存项目中不同联盟结构对利益相关者目标的影响，提出一种考虑安全约束的多智能体强化学习框架，以实现多利益相关者的最优存储管理。
Comments 58 pages
Journal ref Int. J. Greenh. Gas Control 149 (2026) 104683
LeanMarathon：通过长视界Lean自动形式化实现可靠的AI合作数学家
机构 * Department of Statistics, University of Warwick, UK（英国沃里克大学统计系） ； Center for Advanced Intelligence Project, RIKEN, Japan（日本理化学研究所高级智能项目） ； Department of Statistics, University of Michigan, USA（美国密歇根大学统计系） ； Department of Mathematical Informatics, The University of Tokyo（东京大学数学信息学系；日本理化学研究所高级智能项目） ； also Center for Advanced Intelligence Project, RIKEN, Japan（加州大学伯克利分校电气工程与计算机科学系；统计系） ； Department of Electrical Engineering and Computer Sciences, also Department of Statistics, University of California, Berkeley, USA（上海交通大学数学科学学院，自然科学院和MOE-LSC） ； School of Mathematical Sciences, Institute of Natural Sciences and MOE-LSC, Shanghai Jiao Tong University, China
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 提出多智能体框架LeanMarathon，通过蓝图抽象和两阶段编排器实现长视界研究数学的可靠自动形式化，在四个Erdős问题上成功形式化七个定理。
Comments 26 pages, 9 figures. Comments are welcome
涌现语言作为有意识AI的一种方法
机构 * University of Osaka（大阪大学）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL
AI总结 提出一种生成式方法，通过多智能体强化学习中的涌现语言，在最小先验下研究意识相关结构，并证明智能体可发展出自我指涉通信（如回声-不匹配检测电路）。
Comments Source codes available at https://github.com/wuzengqing001225/ConsciousAI_Indexicality/
RiskFlow: 快速且保真的安全关键交通场景生成
机构 * National University of Singapore（新加坡国立大学）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出RiskFlow框架，通过动作空间中的单次前向传输替代迭代去噪，实现快速、保真的安全关键多智能体交通场景生成。
DAST: 面向O-RAN跨接口异常检测的VLM-LLM框架
机构 * i2CAT Foundation（i2CAT基金会） ； NEC Laboratories Europe（NEC欧洲实验室） ； ICREA
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出DAST，一种零样本多智能体框架，通过VLM→LLM→VLM三级流水线将多变量KPI流转换为视觉表示，结合领域知识进行跨接口异常检测，在真实O-RAN测试平台上优于现有TSAD方法。
Comments 7 pages, 5 figures. This work has been submitted to the IEEE for possible publication
利用大语言模型进行安全硬件设计及相关问题：机遇与挑战
机构 * New York University Abu Dhabi（纽约大学阿布扎克分校） ； NYU Tandon School of Engineering（纽约大学塔能工程学院）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG
AI总结 本文探讨了大语言模型在电子设计自动化和硬件安全领域的应用，分析了其在生成RTL代码、自动生成测试平台以及弥合高层次规格与硅芯片之间语义差距方面的潜力，同时指出了其引入的严重安全漏洞，并总结了当前研究的最新进展和未来研究方向。
Comments Accepted for 2026 IEEE Computer Society Annual Symposium on VLSI (ISVLSI)
StoryVideoQA: 通过大规模、多类型和自动生成的数据集扩展深度视频理解
机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； National Engineering Research Center for Multimedia Software（多媒体软件国家工程研究中心） ； Hubei Key Laboratory of Multimedia and Network Communication Engineering（湖北省多媒体与网络通信工程重点实验室）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)
AI总结 提出StoryVideoQA数据集和PlotTree方法，通过多智能体协作框架自动生成大规模深度视频理解问答对，并利用层次化情节结构提升复杂故事线推理能力。
Comments Accepted by IJCV 2026
Journal ref International Journal of Computer Vision (2026)
多域边缘智能云中可用性感知且效率驱动的AI服务链供应
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)
AI总结 针对多域边缘智能云中AI服务链供应问题，提出基于图与时间的多智能体供应方法，协同优化成本、时延和可用性。
利用概率前沿优先级与狄利克雷过程高斯混合模型增强多机器人探索
机构 * Institute for Systems and Robotics / LARSyS and Instituto Superior Técnico, Universidade de Lisboa（系统与机器人研究所 / LARSyS 和里斯本大学理工学院） ； Instituto de Telecomunicações and Instituto Superior Técnico, Universidade de Lisboa（电信研究所和里斯本大学理工学院）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)
AI总结 本文提出了一种基于概率前沿优先级和狄利克雷过程高斯混合模型的改进方法，以提升多机器人探索的效率，通过在两种先进的多智能体探索算法中集成该方法，实现了在不同环境复杂度、通信限制和团队规模下的性能提升，实验结果表明平均性能提升了10%至14%。
Comments Accepted: IEEE Robotics and Automation Letters (RA-L)
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