AI Agent

IntentTester: Intent-Driven Multi-agent Framework for Cross-Library Test Migration

IntentTester：面向意图驱动的跨库测试迁移多智能体框架

Yi Gao, Ziyuan Zhang, Xing Hu, Xiaohu Yang, Xin Xia

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

AI总结 提出IntentTester多智能体框架，通过将测试抽象为语言无关的测试描述语言（TDL），结合知识图谱对齐语义实体，并利用LLM推理与迭代验证生成可执行测试，实现跨库跨语言测试迁移，在9个开源项目上生成2776个测试，正确率85%，有效性74%，并发现多处隐藏缺陷。

Offline Multi-agent Continual Cooperation via Skill Partition and Reuse

基于技能划分与复用的离线多智能体持续协作

Yuchen Xiao, Lei Yuan, Ruiqi Xue, Tieyue Yin, Yang Yu

机构 * National Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； Polixir Technologies.（Polixir技术公司） ； Kuang Yaming Honors School, Nanjing University（匡杨明荣誉学院，南京大学） 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COMAD框架，通过自编码器从离线数据中发现可复用技能，并利用密度估计器指导优势函数，解决多智能体持续学习中的灾难性遗忘和干扰问题。

Comments 29 pages, 12 figures, ICML 2026

Stagnant Neuron: Towards Understanding the Plasticity Loss in Multi-Agent Reinforcement Learning Value Factorization Methods

停滞神经元：理解多智能体强化学习价值分解方法中的可塑性损失

Zhengzhu Liu, Zeming Gao, Haoyuan Qin, Jiawei Hu, Junhao Wu, Miao Zhu, Haipeng Zhang, Chennan Ma, Siqi Shen, Cheng Wang

机构 * Fujian Key Laboratory of Urban Intelligent Sensing and Computing, School of Informatics, Xiamen University (XMU)（福建省城市智能感知与计算重点实验室，厦门大学信息学院） ； Key Laboratory of Multimedia Trusted Perception and Efficient Computing, XMU（多媒体可信感知与高效计算重点实验室，厦门大学） 纠错

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

AI总结 针对多智能体强化学习价值分解方法在任务迁移中可塑性下降的问题，提出KNIFE方法，通过替换停滞神经元为包含冻结知识、重初始化活跃和补偿三个组件的复合单元，恢复学习能力并保持已有知识。

MANGO: Automated Multi-Agent Test Oracle Generation for Vision-Language-Action Models

MANGO: 面向视觉-语言-动作模型的自动化多智能体测试预言生成

Pablo Valle, Shaukat Ali, Aitor Arrieta, Lionel Briand

机构 * Mondragon University（蒙得龙大学） ； Simula Research Laboratory（Simula研究实验室） ； University of Ottawa（渥太华大学） ； Research Ireland Lero Centre for Software（爱尔兰Lero软件研究中心） 纠错

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

AI总结 提出MANGO多智能体框架，从自然语言任务描述自动生成细粒度测试预言，通过协作智能体迭代精炼，在机器人基准测试中有效检测故障并定位。

Bridging the Post-discharge Gap: A Traceable Multi-agent Framework for Safe and Continuous Care

弥合出院后鸿沟：用于安全持续护理的可追溯多智能体框架

Runwei Guan, Yi Zhou, Heyi Lin, Jinjing Zhu, Mingyuan Hou, Yang Yang, Fang Yuan, Xiaohong Lin, Shaofeng Liang, Xuming Hu, Tao Li, Tianbin Zhao, Yutao Yue, Zhiyuan Wang, Hui Xiong

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

AI总结 提出Healink框架，通过记忆增强的多智能体架构和约束检索生成，实现基于处方的可追溯出院后随访，在回顾性和盲评中优于医生基线。

Comments 23 pages, 10 figures

EvoFlock: evolved inverse design of multi-agent motion

EvoFlock：多智能体运动的进化逆向设计

Craig Reynolds

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

AI总结 提出一种基于遗传算法的逆向设计方法，通过用户定义的目标函数自动优化多智能体运动模型的参数，实现期望的群体行为。

Comments To appear in the Proceedings of Artificial Life 2026

Pixel2Catch: Multi-Agent Sim-to-Real Transfer for Agile Manipulation with a Single RGB Camera

Pixel2Catch：基于单个RGB相机的多智能体仿真到现实迁移用于敏捷操作

Seongyong Kim, Junhyeon Cho, Kang-Won Lee, Soo-Chul Lim

机构 * Dongguk University（东国大学） 纠错

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

AI总结 本文提出Pixel2Catch方法，通过单个RGB相机提取像素级视觉信息，实现多智能体仿真到现实迁移，用于敏捷操作中的物体捕捉任务。

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 8, pp. 9287-9294, Aug. 2026

EvoAgent: An Evolvable Agent Framework with Skill Learning and Multi-Agent Delegation

EvoAgent：一种具备技能学习和多智能体委托的可进化代理框架

Aimin Zhang, Jiajing Guo, Fuwei Jia, Chen Lv, Boyu Wang, Fangzheng Li

机构 * Focus AI Center, Focus Technology Co., Ltd.（Focus技术有限公司人工智能中心） ； Engineering Research Center of Digital Forensics, Ministry of Education, Nanjing University of Information Science and Technology（信息科学技术大学南京教育部长数字取证工程研究中心） ； Nanjing University of Science and Technology（南京理工大学） 纠错

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

AI总结 本文提出EvoAgent框架，通过结构化技能学习与分层子代理委托机制，实现技能的持续生成与优化，并通过实验展示其在外贸场景中的显著提升。

Reference-Free Heterogeneous Multi-Agent Reinforcement Learning for Grid-Friendly Tie-Line Power Shaping in Industrial Microgrids

无参考异构多智能体强化学习实现工业微电网并网友好型联络线功率整形

Daniyaer Paizulamua, Lin Cheng, Fashun Shi, Haoyu Zheng, Pengfei He, Haiwang Zhong

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

AI总结 提出顺序异构智能体协调框架，通过多时间尺度异构资源协同，实现无参考轨迹的联络线功率整形，显著降低购电成本、合同越限时间和爬坡越限。

Agentic evolution of physically constrained foundation models

物理约束基础模型的智能体演化

Jiangwei Zhang, Wen Sun, Chong Wang, Shiyao Li, Cheng Che, Chunjing Han, Dan Meng, Jian Yang, Yu Wang, Rui Hou

机构 * University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 提出基于演化知识图谱的多智能体发现引擎，自动设计硬件兼容计算系统，在基础模型部署中演化出超越人工的压缩方法，实现大规模模型高效部署。

Comments 29 pages, 5 main figures and 4 extended data figures

The Epi-LLM Framework: probing LLM behavioral priors through epidemiological agent-based models

Epi-LLM框架：通过流行病学基于智能体的模型探究LLM行为先验

Petra Ferencz, Ava Keeling, Tobias O'Keefe, Lorenzo Stigliano, Francesco Di Lauro, Andres Colubri, Jasmina Panovska-Griffiths

机构 * Big Data Institute, Li Ka Shing Center for Health Information and Discovery, University of Oxford, Oxford, United Kingdom（大数据研究所、李嘉诚健康信息与发现中心、牛津大学、牛津、英国） ； Leverhulme Centre for Demographic Science, Nuffield Department of Population Health, University of Oxford, Oxford, United Kingdom（勒弗赫姆人口科学中心、努尔菲尔德人口健康系、牛津大学、牛津、英国） ； Pandemic Sciences Institute, Nuffield Department of Medicine, University of Oxford, Oxford, United Kingdom（流行病学科学研究所、努尔菲尔德医学系、牛津大学、牛津、英国） ； Department of Genomics and Computational Biology, UMass Chan Medical School, United States（基因组与计算生物学系、UMass Chan医学学校、美国） ； Broad Institute of Harvard and MIT, United States（哈佛大学和麻省理工学院Broad研究所、美国） ； The Queen’s College, University of Oxford, Oxford, United Kingdom（女王学院、牛津大学、牛津、英国） 纠错

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

AI总结 提出Epi-LLM框架，整合基于智能体的建模、真实流行病游戏和大语言模型，模拟疫情中智能体行为，发现LLM智能体减少峰值感染，感知健康严重性是隔离行为最强预测因子，且LLM架构影响疫情动态。

Comments Submitted to American Journal of Epidemiology

The Clinician's Veto: Navigating Trust, Liability, and Uncertainty in Autonomous AI Prescribing

临床医生的否决权：自主AI处方中的信任、责任与不确定性导航

Eileanor LaRocco, Sarah Tan, Adarsh Subbaswamy, Anne Andrews, Andrew Taylor, Cree Gaskin, Chirag Agarwal

机构 * University of Virginia（弗吉尼亚大学） ； Cornell University（康奈尔大学） ； University of Maryland, Baltimore（马里兰大学巴尔的摩分校） ； National Institute of Standards and Technology（美国国家标准与技术研究院） 纠错

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

AI总结 本文提出自主AI处方系统应具备校准置信度、区分认知与偶然不确定性、以及决策时推理透明性三个最低架构要求，并通过136名美国临床医生调查验证，以促进临床采纳并合理分配责任。

Decoupling Reconnaissance and Exploitation: Measuring the Capability Boundaries of LLM-Based Web Penetration Testing

解耦侦察与利用：测量基于LLM的Web渗透测试的能力边界

Liwei Yu, Shuo Li, Ming Zhou, Ge Chu, Yan Guo

机构 * University of Science and Technology of China（中国科学技术大学） ； Suzhou Institute for Advanced Research, University of Science and Technology of China（中国科学技术大学苏州先进研究院） ； Nanjing University of Science and Technology（南京理工大学） ； Research Institute, Runjian Co., Ltd（润杰有限公司研究院） 纠错

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

AI总结 提出解耦评估框架分离侦察与利用阶段，发现LLM代理在准确漏洞上下文下功能成功率可达90.0%，但自主侦察召回率仅约50.0%，揭示了能力差距。

SwarmFly: A simulation platform for UAV swarm experiment design and validation

SwarmFly: 用于无人机集群实验设计与验证的仿真平台

Abhishek Phadke, Karthik Kumar Vasudeva, Abhishek Joshi

机构 * Christopher Newport University（克里斯托弗·纽波特大学） ； Texas Tech University（德克萨斯理工大学） ； Texas A&M University-Corpus Christi（德克萨斯A&M大学科珀斯克里斯蒂分校） 纠错

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

AI总结 提出基于MATLAB的模块化仿真平台SwarmFly，通过插件架构和四种协调模式，支持多无人机集群实验设计、故障注入及性能验证。

Every Nonnegative Integer Is a Sum of a Triangular, a Pentagonal, and a Heptagonal Number

每个非负整数都是三角形数、五边形数和七边形数之和

Yichuan Cao, Dakai Guo, Ruichen Qiu, Ruyong Feng, Xiao-Shan Gao

专题命中 多智能体 ：agent(abstract,abstract_cn)

AI总结 本文证明任何非负整数可表示为三个特定多边形数之和，解决了OEIS A287616猜想，并通过Lean 4形式化验证。

Comments 23 pages

CKM-Driven Communication-Aware UAV Intelligent Trajectory Optimization for Urban Inspection

CKM驱动的城市巡检通信感知无人机智能轨迹优化

Yang Xiaomeng, Jia Ziye, Zhu Qiuming, Wu Qihui

机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） 纠错

专题命中 多智能体 ：planning(abstract)；分类 cs.LG

AI总结 针对城市巡检中通信可靠性的挑战，提出基于信道知识图（CKM）的轨迹规划框架，利用扩散模型构建CKM并采用全局到局部图注意力网络软演员-评论家算法优化路径，提升轨迹效率与通信可靠性。

Swarm-Inspired Generation of Collective Behaviors in Graph Dynamical Systems

图动力系统中集体行为的群智能启发生成

Ji Chen, Song Chen, Chengzhang Gong, Li Fan, Chao Xu

机构 * Zhejiang University（浙江大学） ； Huzhou Institute of Zhejiang University（浙江大学湖州研究院） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 提出SIES框架，结合显式动力学与局部智能体，学习可泛化的局部交互规则，实现图上的可控同步控制与异配图表示学习。

Model-Native Computing Architecture: Envisioning Future System Architecture Through the Lens of Computer Architecture

模型原生计算架构：通过计算机架构的视角展望未来系统架构

Hai Lin, Hoilam Pao, Shaoxiong Zhan, Hai-Tao Zheng

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Pengcheng Laboratory, Shenzhen, China（深圳鹏城实验室） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文通过类比计算机架构，提出模型原生计算的概念，并设计了一个六层智能计算架构模型（ICAM），以统一解决大语言模型在系统层面面临的缓存、上下文、调度等问题。

Accelerated Decentralized Constraint-Coupled Optimization: A Dual$^2$ Approach

加速去中心化约束耦合优化：一种双对偶方法

Jingwang Li, Vincent Lau

专题命中 多智能体 ：agent(abstract)

AI总结 针对去中心化约束耦合优化问题，提出基于双对偶方法的两种加速算法，在更宽松条件下保证渐近收敛，并实现更低的通信与计算复杂度。

Journal ref IEEE Transactions on Signal Processing, 2026

Colon-Bench: An Agentic Workflow for Scalable Dense Lesion Annotation in Full-Procedure Colonoscopy Videos

Colon-Bench：一种用于全流程结肠镜视频中可扩展密集病变标注的智能工作流

Abdullah Hamdi, Changchun Yang, Xin Gao

机构 * King Abdullah University of Science and Technology（国王阿卜杜勒·阿齐兹科学与技术大学） 纠错

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

AI总结 提出Colon-Bench，通过多阶段智能工作流实现全流程结肠镜视频的密集病变标注，包含528个视频、14类病变、30万+边界框等，并评估多模态大模型在病变分类、开放词汇视频目标分割和视频视觉问答上的性能。

Comments published at MICCAI 2026

Sol Video Inference Engine: Agent-Native Full-Stack Acceleration Framework for Efficient Video Generation

Sol视频推理引擎：面向高效视频生成的智能原生全栈加速框架

Yitong Li, Junsong Chen, Haopeng Li, Haozhe Liu, Jincheng Yu, Ligeng Zhu, Ping Luo, Song Han, Enze Xie

机构 * NVIDIA Research, Efficient AI Team & Singapore Lab（英伟达研究院高效AI团队及新加坡实验室） ； NVIDIA SANA Team（英伟达SANA团队） ； Codex ； GPT-Image2 纠错

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

AI总结 提出Sol视频推理引擎，通过智能体驱动的缓存、稀疏注意力、令牌剪枝、量化和内核融合五种技术组合，针对具体模型、硬件和配置自动优化，实现视频扩散模型2倍以上加速且保持质量。

Governing Technical Debt in Agentic AI Systems

代理型AI系统中的技术债务治理

Muhammad Zia Hydari, Raja Iqbal, Narayan Ramasubbu

机构 * School of Business, University of Pittsburgh（匹兹堡大学商学院） 纠错

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

AI总结 本文定义了代理型AI系统中的技术债务和随机税概念，并提出通过轻量级仪表盘和治理控制来管理这些负债和运营成本。

Design-Life Levels for Environmental Extremes: A Dependence-Aware Block-Maxima Workflow for Severity and Persistence

环境极值的设计寿命水平：一种考虑依赖性的严重性与持续性块最大值工作流

Tuoyuan Cheng, Xiao Peng, Achmad Choiruddin, Xiaogang He, Kan Chen

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

AI总结 提出一种依赖感知的块最大值工作流，统一估计极端严重性、聚类持续性及设计寿命水平，通过滑动块最大值分位数缩放和稳定块窗口池化方法，在短记录依赖数据中改善区间校准，应用于水文和保险损失数据。

VADAOrchestra: Neurosymbolic Orchestration of Adaptive Reasoning Workflows

VADAOrchestra：自适应推理工作流的神经符号编排

Teodoro Baldazzi, Luigi Bellomarini, Andrea Coletta, Michela Iezzi, Carsten Maple, Alessandro Pesare, Emanuel Sallinger

机构 * TU Wien（维也纳工业大学） ； Banca d’Italia（意大利央行） ； University of Warwick（华威大学） 纠错

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

AI总结 提出VADAOrchestra框架，结合LLM灵活性与Datalog+/-符号推理，实现可审计、可扩展的自适应工作流编排，在金融场景中验证了忠实性、可扩展性和可解释性。

Comments Accepted at KR 2026

AI Coaching for Accelerating Human Skill Development with Reinforcement Learning

AI教练：利用强化学习加速人类技能发展

Wei Wang, Enlin Gu, Antonio Loquercio, Haimin Hu, Rahul Mangharam

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 本文提出一种基于非合作动态博弈和强化学习的AI教练框架，通过自适应共享控制和因果影响模型加速人类运动技能发展，在无人机竞速用户研究中显著提升学习效果。

The 4/$δ$ Bound: Designing Predictable LLM-Verifier Systems for Formal Method Guarantee

4/δ 界：设计具有形式方法保证的可预测 LLM-验证器系统

Pierre Dantas, Lucas Cordeiro, Youcheng Sun, Waldir Junior

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

AI总结 提出 LLM-验证器收敛定理，将多阶段验证建模为顺序吸收马尔可夫链，证明成功概率 δ>0 时系统几乎必然验证，并导出精确延迟上界 4/δ，经 90000+ 试验验证。

Comments 36 pages, 9 figures

The impact of artificial intelligence on enterprise software user roles

人工智能对企业软件用户角色的影响

Isabel Unger, Elizangela Valarini, Martin Schrepp, Nina Hollender, Gabriela Rocha, Erik Bertram

机构 * SAP SE（SAP股份有限公司） ； Fresenius Hochschule Heidelberg（海德堡弗里森纽斯大学） 纠错

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

AI总结 本研究通过专家访谈和参与式研讨会，探讨AI如何改变SAP BTP平台上的用户角色，发现日常任务自动化、人机协作增强及对代理型AI系统的依赖增加，并指出现有角色框架需适应这些变化。

Comments 18 pages, 1 figure, 4 tables

AI translation of literary texts is "fine", but readers still prefer human translations

AI 翻译文学作品“还行”，但读者仍偏好人工翻译

Yves Ferstler, Adam Podoxin, Ty Brassington, Roman Grundkiewicz, Maite Taboada, Marzena Karpinska

机构 * Simon Fraser University（西蒙菲莎大学） ； Université du Québec à Montréal（魁北克大学蒙特利尔分校） ； Microsoft（微软） 纠错

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

AI总结 通过15位读者对15部法、波、日小说的人工翻译与AI翻译的比较实验，发现AI翻译虽可接受，但读者更偏好人工翻译的流畅性、清晰度和沉浸感，且无法可靠区分两者。

Comments 58 pages, including appendices

How Do Developers Maintain and Evolve Their Agents' Instructions? An Empirical Study

开发者如何维护和演化他们的智能体指令？一项实证研究

Gianmario Voria, Alfonso Cannavale, Andrea De Lucia, Yutaro Kashiwa, Gemma Catolino, Fabio Palomba

专题命中 工作流自动化 ：agent(abstract)；分类 cs.SE

AI总结 通过大规模挖掘研究，分类智能体上下文文件的变更类型，分析其与代码质量的关系及开发周期中的时间模式，为自主编码智能体的治理提供设计启示。

TRACER: Training-Free Closed-Loop Structured Inference for Traffic Accident Reconstruction

TRACER: 用于交通事故重建的无训练闭环结构化推理

Yanchen Guan, Chengyue Wang, Bin Rao, Haicheng Liao, Jiaxun Zhang, Shang Gao, Chengzhong Xu, Zhenning Li

机构 * State Key Laboratory of Internet of Things for Smart City（智能城市物联网国家重点实验室） 纠错

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

AI总结 提出无训练框架TRACER，通过闭环结构化推理，在几何、运动学和交互约束下迭代优化事件锚定运动假设，实现与人类专家工作流一致的可解释交通事故重建。