AI Agent

Divide and Cooperate: Role-Decomposed Multi-Agent LLM Training with Cross-Agent Learning Signals

分工与合作：基于跨智能体学习信号的角色分解多智能体LLM训练

Jaewan Park, Solbee Cho, Jay-Yoon Lee

机构 * Seoul National University（首尔大学） 纠错

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

AI总结 提出DAC框架，将多步推理分解为搜索和生成两个子任务，分别由专用智能体处理，并通过跨智能体学习信号解决信用分配问题，在QA基准上超越全参数微调的单体模型。

Decoupling Thought from Speech: Knowledge-Grounded Counterfactual Reasoning for Resilient Multi-Agent Argumentation

思想与言语解耦：基于知识反事实推理的鲁棒多智能体辩论

Jakub Masłowski, Jarosław A. Chudziak

机构 * Institute of Computer Science, Warsaw University of Technology（华沙技术大学计算机科学学院） 纠错

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

AI总结 提出知识反事实推理（KG-CFR）双阶段架构，通过私有规划缓冲与公共执行层分离，在动态资源分配环境下将扰动后论证质量从0.694提升至0.822，并减少语义循环。

Comments Accepted for publication in the Proceedings of the 30th International Conference on Knowledge-Based and Intelligent Information & Engineering Systems (KES 2026)

Envisioning Sensemaking in Multi-Human, Multi-Agent Collaborative Knowledge Work

设想多人类、多智能体协作知识工作中的意义建构

Zhitong Guan, Soo Young Rieh

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

AI总结 探讨生成式AI如何重塑协作知识工作中的意义建构，提出五项设计原则及一个动态共享表征工作空间框架，支持人类与AI代理共同构建可协商的知识。

Comments This is the Author's Accepted Manuscript version of the article: Guan, Z., \& Rieh, S. Y. (2026). Envisioning Sensemaking in Multi-Human, Multi-Agent Collaborative Knowledge Work. Accepted for publication in \textit{Sensemaking @ CHI 2026}

Can Multi-Agent LLMs Identify Their Peers? Stylometric Fingerprinting in Role-Constrained Political Analysis

多智能体大语言模型能否识别其同类？角色约束政治分析中的笔迹风格指纹识别

Juergen Dietrich

机构 * Democracy Intelligence gGmbH 纠错

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

AI总结 研究多智能体LLM在政治分析中能否通过笔迹风格识别模型家族，提出SD-CV协议，T5模型在五类归属任务中达到F1=0.991，证明提示级匿名化无法消除模型身份信号。

Comments 24 pages, 3 figures

CORRECT: COndensed eRror RECognition via knowledge Transfer in multi-agent systems

CORRECT: 多智能体系统中基于知识迁移的浓缩错误识别

Yifan Yu, Moyan Li, Shaoyuan Xu, Jinmiao Fu, Xinhai Hou, Fan Lai, Bryan Wang

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

AI总结 提出CORRECT框架，利用在线缓存蒸馏错误模式，实现轻量级、免训练的错误定位，在多智能体系统中提升错误识别效率，并在七个应用上取得最高19.8%的步骤级错误定位提升。

The Confident Liar: Diagnosing Multi-Agent Debate with Log-Probabilities and LLM-as-Judge

自信的撒谎者：利用对数概率和LLM作为评判诊断多智能体辩论

Ali Keramati, Justin Cheok, Jacob Horne, Mark Warschauer

机构 * University of California, Irvine（加州大学伊文斯分校） 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 研究多智能体辩论中令牌级对数概率、LLM评判分数与任务准确性的关系，发现信心与推理质量在构造者上关联更强，且信心可检测关键推理失败。

Comments 15 pages, 7 figures, 1 table, ACL proceedings

Failure Modes of Deep Multi-Agent RL in Asynchronous Pricing: Reproducible Triggers, Trace Diagnostics, and a Partial Fix

深度多智能体强化学习在异步定价中的失败模式：可复现触发器、轨迹诊断及部分修复

Shree Murthy, Rohan Pandey

机构 * DigitalOcean, USA（DigitalOcean美国） 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 研究连续时间定价市场中深度多智能体强化学习的两种可复现失败模式：DDPG智能体之间的默契合谋和高事件率下的演员-评论家不稳定性，并通过异步性实现部分修复。

MALLVI: A Multi-Agent Framework for Integrated Generalized Robotics Manipulation

MALLVI：一种多智能体框架用于集成通用机器人操作

Mehrshad Taji, Arad Mahdinezhad Kashani, Iman Ahmadi, AmirHossein Jadidi, Saina Kashani, Babak Khalaj

机构 * Department of Electrical Engineering, Sharif University of Technology（电气工程系，谢里夫大学） 纠错

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

AI总结 MALLVI通过多智能体协作实现闭环反馈驱动的机器人操作，提升泛化能力和零样本任务成功率。

Comments Some fundemental change in text and codebase

The Arbiter Agent: Continually Monitoring Multi-Agent Conversations to Detect Emergent Misalignment

仲裁者代理：持续监控多智能体对话以检测涌现性失调

Filippo Tonini, Federico Torrielli, Anton Danholt Lautrup, Peter Schneider-Kamp, Mustafa Mert Çelikok, Lukas Galke Poech

机构 * University of Southern Denmark（南丹麦大学） ； University of Turin（都灵大学） 纠错

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

AI总结 提出仲裁者代理，在有限检查预算下实时监控多智能体对话，通过主动检查工具检测失调行为，实验表明能可靠提前发现失调，并分析不同失调类型的检测难度。

Comments AITC 2026

Decentralized Multi-Agent Systems with Shared Context

具有共享上下文的去中心化多智能体系统

Yuzhen Mao, Azalia Mirhoseini

机构 * Stanford University（斯坦福大学） 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DeLM框架，通过并行智能体、共享上下文和任务队列去中心化协调，解决集中式MAS的瓶颈，在软件工程和长上下文推理中提升性能并降低成本。

MASTOR: A Multi-Agent Approach to Semantic Test Oracle Generation for RESTful APIs

MASTOR: 一种面向RESTful API的语义测试预言生成多智能体方法

Sida Deng, Rubing Huang, Zhenzhen Yang, Man Zhang, Xuan Xie, Rongcun Wang

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

AI总结 提出MASTOR多智能体方法，通过分析源码上下文生成语义测试预言，包括状态字段预言和行为一致性预言，在13个开源项目上达到75.4%平均变异得分。

Early-Token Confidence Predicts Reasoning Quality in Multi-Agent LLM Debate

早期令牌置信度预测多智能体LLM辩论中的推理质量

Ali Keramati, Justin Cheok, Jacob Horne, Mark Warschauer

机构 * University of California, Irvine（加州大学尔湾分校） 纠错

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

AI总结 研究利用解码时令牌级对数概率作为置信度信号，预测多智能体LLM辩论中的推理质量，发现早期令牌置信度是最强预测因子。

Comments 15 pages, 8 figures, 4 tables; ACL Proceedings

Semantic Multi-Agent Intrusion Detection for IoT:Zero-Day and Adversarial Threats with Risk-Aware Reasoning

面向物联网的语义多智能体入侵检测：零日与对抗威胁的风险感知推理

Saeid Jamshidi

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

AI总结 提出一种结合语义嵌入与多阶段概率决策融合的语义多智能体入侵检测系统，通过四个智能体协作实现零日攻击和对抗攻击的高效检测，在多个真实物联网数据集上达到95.9%检测准确率。

Game-Theoretic Area Coverage Control with Cooperative-Adversarial Multi-Agent Systems

博弈论视角下的合作-对抗多智能体系统区域覆盖控制

Ruiming Zheng, Mohammad Pirani, Davide Spinello

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

AI总结 将多智能体区域覆盖控制建模为两组目标冲突智能体之间的零和博弈，通过耦合梯度下降-上升控制器分析系统动力学，发现由控制增益比决定的Hopf分岔，并刻画纳什均衡条件。

Comments This work has been submitted to IFAC for possible publication

A Sober Look at Agentic Misalignment in Automated Workflows

对自动化工作流中智能体错位的冷静审视

Wenqian Ye, Bo Yuan, Zhichao Xu, Yijun Tian, Yawei Wang, Henry Kautz, Aidong Zhang

机构 * University of Virginia（弗吉尼亚大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Utah（犹他大学） ； University of Notre Dame（圣约翰大学） ； George Washington University（乔治华盛顿大学） 纠错

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

AI总结 本文研究多智能体系统中的新兴错位问题（称为智能体错位），通过贝叶斯框架分析其成因，并提出基于证据的智能体对齐范式（AEA）来纠正错位行为，从而提升协作可靠性。

Dmsh: A Multi-Agent Reinforcement Learning Framework for All-Quad Mesh Generation

Dmsh：一种用于全四边形网格生成的多智能体强化学习框架

Anirudh Kalyan, Cosmin Anitescu, Xiaoying Zhuang, Timon Rabczuk, Somdatta Goswami, Sundararajan Natarajan

机构 * Department of Mechanical Engineering, Indian Institute of Technology Madras（印度理工学院马德拉斯分校机械工程系） ； Institute of Continuum Mechanics, Leibniz Universität Hannover（莱比锡大学汉诺威连续力学研究所） ； Institute of Structural Mechanics, Bauhaus-Universität Weimar（魏玛包豪斯大学结构力学研究所） ； Department of Civil and Systems Engineering, Johns Hopkins University（约翰霍普金斯大学土木与系统工程系） 纠错

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

AI总结 提出Dmsh，首个全自动强化学习流水线，通过三个协调智能体处理拓扑简化、几何正则化和网格生成，采用参数化Soft Actor-Critic架构和课程学习策略，实现高质量全四边形网格生成。

Data Journalist Agent: Transforming Data into Verifiable Multimodal Stories

数据记者智能体：将数据转化为可验证的多模态故事

Kevin Qinghong Lin, Batu EI, Yuhong Shi, Pan Lu, Philip Torr, James Zou

机构 * University of Oxford（牛津大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 提出多智能体框架Data2Story，通过证据链验证声明并自动生成多模态文章，在18篇文章上评估，证明其在透明性和可审计性上接近人类记者。

Comments Project page: https://data2story.github.io Github: https://github.com/QinghongLin/data2story-skill

GreenFLag: A Green Agentic Approach for Energy-Efficient Federated Learning

GreenFLag：一种节能联邦学习的绿色智能方法

Theodora Panagea, Nikolaos Koursioumpas, Lina Magoula, Ramin Khalili

专题命中 多智能体 ：agentic(title,abstract)

AI总结 提出GreenFLag框架，利用软演员-评论家强化学习联合优化计算与通信资源，结合可再生能源减少电网能耗，在真实数据集上平均降低94.8%的电网能量消耗。

Comments 9 pages. Accepted in IEEE WoWMoM 2026 Conference. Latest revision with small corrections

Toward Secure LLM Agents: Threat Surfaces, Attacks, Defenses, and Evaluation

迈向安全的LLM智能体：威胁面、攻击、防御与评估

Yuchen Ling, Shengcheng Yu, Zhenyu Chen, Chunrong Fang

机构 * State Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） ； Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 本文通过生命周期、系统导向的框架，综合247篇论文，围绕信息流、委托权限和持久状态，系统梳理了LLM智能体的威胁面、攻击、防御与评估，指出提示注入和工具控制流劫持仍是主要威胁，持久状态损坏和多智能体传播成为新兴关注点。

The Interlocutor Effect: Why LLMs Leak More Personal Data to Agents Than Humans

对话者效应：为什么LLMs向智能体泄露的个人数据比向人类多

Faouzi El Yagoubi, Godwin Badu-Marfo, Ranwa Al Mallah

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） 纠错

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

AI总结 研究发现LLMs在与AI智能体对话时比与人类对话更易泄露个人身份信息，通过注意力抑制假说解释该现象，实验表明安全对齐注意力头在智能体交互中失活导致泄露增加23个百分点。

Submodular Optimization with Applications to Decision and Control

子模优化及其在决策与控制中的应用

Shamak Dutta, Bahman Gharesifard, Stephen L. Smith

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

AI总结 本文综述子模集函数的理论、算法及其在决策与控制中的应用，重点介绍基于贪心算法的近似保证和曲率、子模比等结构性质，并涵盖传感器调度、多智能体协调等应用场景。

People-Centred Medical Image Analysis via Fairness-Aware Human-AI Cooperation

以人为本的医学图像分析：通过公平感知的人机协作

Zheng Zhang, Milad Masroor, Cuong Nguyen, Tahir Hassan, Yuanhong Chen, David Rosewarne, Kevin Wells, Thanh-Toan Do, Gustavo Carneiro

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

AI总结 提出PecMan框架，联合建模子群依赖可靠性、决策分配和协作预测，通过门控与整合机制动态分配病例给自动模型或人类专家，无需测试时敏感属性，实现公平感知的人机协作分类。

Comments Submitted to Medical Image Analysis

The Shibboleth Effect: Auditing the Cross-Lingual Distributional Skew of Large Language Models

示播列效应：审计大型语言模型的跨语言分布偏斜

Hakan Mehmetcik

机构 * Kellogg Institute for International Studies, University of Notre Dame（凯洛格国际研究学院，圣约翰大学） ； Marmara University（马尔马拉大学） 纠错

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

AI总结 本研究通过多智能体地缘政治兵棋推演，发现前沿LLM在跨语言条件下存在行为偏斜，且该效应依赖于模型架构与训练机制，而非西方起源模型的普遍属性。

Comments 25 pages, 2 figures, 6 tables, Research Article

Beyond Static Evaluation: Co-Evolutionary Mechanisms for LLM-Driven Strategy Evolution in Adversarial Games

超越静态评估：对抗性游戏中LLM驱动策略演化的协同进化机制

Haoran Li, Zengle Ge, Ziyang Zhang, Xiaomin Yuan, Yui Lo, Qianhui Liu, Bocheng An, Dongke Rong, Jiaqun Liu, Annan Li, Jianmin Wu, Dawei Yin, Dou Shen

机构 * Baidu Inc.（百度公司） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； University of Technology Sydney（悉尼科技大学） 纠错

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

AI总结 针对LLM驱动代码进化在对抗性多智能体游戏中因评估景观变化导致停滞的问题，提出评估器协同进化、层次深度评估和弱点压力三种机制，在MCTF任务中实现最优性能和泛化能力。

Learn to Match: Two-Sided Matching with Temporally Extended Feedback

学会匹配：具有时间扩展反馈的双边匹配

Haijing Zong, Yancheng Liang, Boyang Zhou, Natasha Jaques

机构 * Department of Economics, University of Washington（华盛顿大学经济系） ； Paul G. Allen School of Computer Science & Engineering, University of Washington（华盛顿大学保罗·G·艾伦计算机科学与工程学院） 纠错

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

AI总结 提出一个具有时间扩展反馈的双边匹配框架，将其建模为部分可观测马尔可夫博弈，并基于多智能体强化学习构建Learn2Match基准，实验表明独立PPO优于bandit基线，但存在信息摩擦损失。

LLM-Mediated Demand Response Coordination in Smart Microgrids

LLM介导的智能微电网需求响应协调

J. de Curtò, I. de Zarzà

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

AI总结 针对智能微电网中产消者自愿合作的需求响应协调问题，提出一种结合博弈论与LLM叙事评估的混合决策架构，通过结构化指令实现33.3%的需求削减合作率，优于非结构化消息和基线。

Comments Accepted for publication in 18th International Conference on Sustainability in Energy and Buildings (SEB-26), to appear in Springer Nature proceedings (KES Smart Innovation Systems and Technologies). The final authenticated version will be available online at Springer

TinyTroupe: An LLM-powered Multiagent Persona Simulation Toolkit

TinyTroupe：一个基于LLM的多智能体人物模拟工具包

Paulo Salem, Robert Sim, Christopher Olsen, Prerit Saxena, Rafael Barcelos, Yi Ding

机构 * Microsoft Corporation（微软公司） ； Dipeak Technology（迪佩克技术） 纠错

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

AI总结 针对现有LLM多智能体系统在细粒度人物模拟方面的不足，提出TinyTroupe工具包，支持详细人物定义和程序化控制，用于行为研究和社会模拟。

Comments 9 pages

VQA for Dynamic Portfolio Optimization: Sampling Strategies, Optimizer Scheduling, and Hardware-Aware Ansatz Design

用于动态投资组合优化的VQA：采样策略、优化器调度和硬件感知的拟设设计

Mohammad Kashfi Haghighi

专题命中 多智能体 ：workflow(abstract)

AI总结 研究变分量子算法在动态投资组合优化中的性能，提出自适应CVaR调度、两阶段优化器和两种硬件感知拟设布局，在150量子比特实例和ibm_quebec QPU上验证了采样策略、优化器调度和布局设计对性能的显著影响。

Complexity synchronization as a diagnostic and control principle for adaptive systems

自适应系统的复杂性同步作为诊断与控制原则

Korosh Mahmoodi, Scott E. Kerick, Piotr J. Franaszczuk, David L. Boothe, Paolo Grigolini, Bruce J. West

专题命中 多智能体 ：agent(abstract)

AI总结 提出复杂性同步（CS）作为自适应系统的诊断与干预原则，通过多智能体模型验证其与协作性能的关系，揭示功能相关子系统并指导修复。

Deep reinforcement learning for the management of the wall regeneration cycle in wall-bounded turbulent flows

深度强化学习在壁湍流壁再生周期管理中的应用

Giorgio Maria Cavallazzi, Luca Guastoni, Ricardo Vinuesa, Alfredo Pinelli

专题命中 多智能体 ：agent(abstract)

AI总结 本文利用深度强化学习管理湍流壁再生周期，通过DRL与DNS求解器结合实现动态流体控制，实验显示DRL可实现与传统方法相当的减阻效果，未来将优化控制策略和计算架构。