AI Agent

Agent Capsules: Quality-Gated Granularity Control for Multi-Agent LLM Pipelines

代理胶囊：多代理LLM流水线中的质量门控粒度控制

Aninda Ray

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

AI总结 本文提出Agent Capsules，通过将多代理流水线执行视为优化问题，结合质量约束实现粒度控制，有效减少token消耗并保持质量，实验显示在不同流水线中均取得显著效率提升。

Comments 17 pages, 7 figures. Code: https://github.com/aray-17/agent-capsules

Symbolic Reasoning Frameworks Trigger Memory-Mediated Ecosystem Dynamics in Multi-Agent LLM Systems

符号推理框架在多智能体战略环境中调节大语言模型的风险规避

Augustin Chan

机构 * iterative.day 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 本研究通过注入符号推理框架（如易经、塔罗牌）作为反思提示，发现其能差异化调节LLM的风险规避倾向，并在多智能体博弈中产生框架特定的胜者分布，且该效应源于反思过程而非内容遵循。

Comments 28 pages, 4 figures, 9 tables, 6 listings. Code and data: https://doi.org/10.5281/zenodo.20338937

IDEA: Insensitive to Dynamics Mismatch via Effect Alignment for Sim-to-Real Transfer in Multi-Agent Control

IDEA: 通过效果对齐对动力学失配不敏感的模拟到现实迁移多智能体控制

Chenlong Liu, Zhuohui Zhang, Xinyan Chen, Zhipeng Wang, Bin Cheng, Bin He

机构 * College of Electronic and Information Engineering, Tongji University（同济大学电子与信息工程学院） ； Shanghai Research Institute for Intelligent Autonomous Systems, Tongji University（同济大学上海自主智能无人系统科学中心） 纠错

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

AI总结 提出一种通过效果对齐对动力学失配不敏感的模拟到现实迁移方法，结合随机环境结构与离散语义动作，并开发动作同步机制，提升多智能体系统在真实场景中的训练效率和成功率。

Comments 8 pages, 6 figures

R2D-RL: A RoboCup 2D Soccer Environment for Multi-Agent Reinforcement Learning

R2D-RL：用于多智能体强化学习的RoboCup 2D足球环境

Haobin Qin, Baofeng Zhang, Hidehisa Akiyama, Keisuke Fujii

机构 * Graduate School of Informatics, Nagoya University（名古屋大学信息学研究科） ； School of Information and Data Sciences, Nagasaki University（长崎大学信息与数据科学学院） 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R2D-RL环境，通过共享内存通信和周期级同步连接RCSS2D与Python MARL接口，支持全场和场景训练，提供可配置对手、离散/混合动作空间、EPV奖励塑造及并行执行。

Comments Code is available at: https://github.com/open-starlab/R2DRL

Data Facts: A Metadata Schema for Structured Data Exchange in the NANDini Multi-Agent Ecosystem

数据事实：NANDINI多智能体生态系统中结构化数据交换的元数据模式

Jin Gao, Maria Gorskikh, Pradyumna Chari, Brittany Box, Mukul Kemla, Pratik Behera, Abhishek Mehta, Ramesh Raskar

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

AI总结 提出Data Facts元数据模式，通过轻量JSON和单指针解决多智能体生态中结构化数据交换问题，实现数据集身份、访问控制与完整性验证，实验证明准确率从35.2%提升至100%。

Comments 10 pages, 4 figures

Control Barrier Function only Formation Tracking in Multi-Agent Systems

多智能体系统中仅基于控制屏障函数的编队跟踪

S. Saharsh, Pushpak Jagtap

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

AI总结 提出一种实时控制框架，通过二次优化中的单一控制屏障函数约束实现异构非线性多智能体系统的编队跟踪，无需手动调参或单独标称控制器。

Comments 9 pages, 2 figures

Agentic Collaborative Cognition for Zero-Shot 3D Understanding

零样本3D理解的智能体协作认知

Wenxin Wang, Bo Zhang, Feng Chen, Zixuan Wang, Wen Li, Changsheng Li, Yinjie Lei

机构 * Sichuan University（四川大学） ； Adelaide University（阿德莱德大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Beijing Institute of Technology（北京理工大学） 纠错

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

AI总结 提出协作多智能体框架，通过规划智能体补充视角和感知智能体构建结构化认知地图，实现零样本3D理解，在6个基准上达到最优性能。

Comments Accepted by ECCV 2026. Project page: https://zhangbo135.github.io/agentic-collaborative-cognition/

Instruction Bleed: Cross-Module Interference in Prompt-Composed Agentic Systems

指令泄露：提示组合智能体系统中的跨模块干扰

Ching-Yu Lin, Yifan Liu

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； FAGEN 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 研究提示组合智能体系统中模块间干扰问题，形式化定义为组合行为泄露（CBL），通过三通道协议实验验证内容通道产生可检测效应，贡献了操作定义、可复用协议和系统类特征。

Comments 8 pages, 2 tables. Accepted to the ICML 2026 Workshop on Failure Modes in Agentic AI (FAGEN), Seoul, South Korea

Post-Training Recipe, More Than Model Family, Shapes Multi-Agent LLM Conversational Behavior

后训练配方，而非模型家族，塑造多智能体LLM对话行为

Luyang Zhang, Jialu Wang, Fei Xue, Yi-Yun Chu

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） 纠错

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

AI总结 研究通过大规模语料库和因子实验发现，后训练配方（如推理蒸馏）对多LLM对话行为（如回避性回答）的影响超过模型家族，表明模型家族不能完全代表对话多样性。

Semantic Early-Stopping for Iterative LLM Agent Loops

迭代式LLM智能体循环的语义早停

Sahil Shrivastava

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

AI总结 针对多智能体LLM循环中固定迭代次数终止的低效问题，提出基于语义相似度和质量评估的早停机制，理论证明终止确定性，实验表明无质量门控的语义早停在HotpotQA上节省38%操作token且性能持平。

Comments 7 pages, 5 figures, 4 tables. Open implementation, machine-checked theory, and reproducible harness: github.com/SahilShrivastava-Dev/semantic-halting-problem

EGG: An Expert-Guided Agent Framework for Kernel Generation

EGG: 一种专家引导的核函数生成智能体框架

Yaochen Han, Ke Fan, Hongxu Jiang, Wanqi Xu, Weiyu Xie, Runhua Zhang, Chenhui Zhu, Yixiang Zhang

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

AI总结 提出EGG框架，通过将核函数生成分解为算法结构设计与硬件特定调优两阶段，并采用阶段感知的多智能体协作机制，实现正确性与高性能，在KernelBench上平均加速比PyTorch达2.13倍。

Knowledge-augmented Agentic AI for Mental Health Medication Information Seeking

面向心理健康药物信息检索的知识增强型智能体AI

Huizi Yu, Jian Liu, Wenkong Wang, Lingyao Li, Jiayan Zhou, Zhaoqian Xue, Xiang Li, Xinxin Lin, Zhiying Liang, Zhuoru Wu, Siyuan Ma, Xin Ma, Lizhou Fan

机构 * Department of Medicine and Therapeutics, The Chinese University of Hong Kong（香港中文大学内科及药物治疗学系） ； Department of Psychiatry, The Chinese University of Hong Kong（香港中文大学精神科学系） ； School of Control Science and Engineering, Shandong University（山东大学控制科学与工程学院） ； College of Information Science, University of Arizona（亚利桑那大学信息科学学院） ； Department of Medicine, Stanford University School of Medicine, Stanford University（斯坦福大学医学院医学系） ； Perelman School of Medicine, The University of Pennsylvania（宾夕法尼亚大学佩雷尔曼医学院） ； Department of Biostatistics, Vanderbilt University（范德堡大学生物统计学系） ； Li Ka Shing Institute of Health Sciences, Faculty of Medicine, The Chinese University of Hong Kong（香港中文大学医学院李嘉诚健康科学研究所） 纠错

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

AI总结 提出一种基于知识图谱的多智能体框架，整合Reddit、WebMD和FDA不良事件报告，通过来源感知集成实现可审计的精神科药物信息检索。

Privacy-Aware Agent Collaboration for Dynamic VR Slice Management in 6G SD-RAN

6G SD-RAN中动态VR切片管理的隐私感知智能体协作

Khaled M. Naguib, Soumaya Cherkaoui, Mahmoud M. Elmesalawy, Ahmed M. Abd El-Haleem, Ibrahim I. Ibrahim

机构 * CCAS Department, School of Engineering, NewGiza University (NGU)（计算机与软件工程学院，新吉扎大学） ； Electronics and Communications, Helwan Univ. Cairo, Egypt（电子与通信，开罗海威大学，埃及） 纠错

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

AI总结 提出一种移动性驱动的隐私感知多智能体强化学习框架，通过协作最大化VR链路资源分配，同时保护用户数据隐私，实现吞吐量提升34%、资源减少28%、隐私泄露降低85%。

Comments 6 pages

Socratic agents for autonomous scientific discovery in high-dimensional physical systems

用于高维物理系统中自主科学发现的苏格拉底式智能体

Xianrui Zeng, Pengfei Liu, Yirui Zang, Yang Shen, Fei Yu, Chunlei Yu, Minghao Liu, Yang Du

机构 * Hangzhou Institute for Advanced Study（杭州高等研究 institute） ； University of Chinese Academy of Sciences（中国科学院大学） ； Shanghai Institute of Optics and Fine Mechanics（上海光学精密机械研究所） ； Department of Thoracic Surgery（胸外科部门） ； Shanghai Pulmonary Hospital（上海 pulmonary 医院） ； School of Medicine（医学院） ； Tongji University（同济大学） 纠错

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

AI总结 提出多智能体AI科学家AHOIS，通过苏格拉底式诘问实现闭环实验中的自主科学发现，在高维多模光纤平台上自主验证随机干涉编码假设、发现自适应稀疏测量策略并诊断故障模式。

Comments 27 pages,5 figures

Proposal-Conditioned Latent Diffusion for Closed-Loop Traffic Scenario Generation

基于提议条件的闭环交通场景生成潜扩散模型

Shubham Vaijanath Phoolari, Aleyna Kara, Christoph Lauer, Steven Peters

机构 * CARIAD SE ； Technical University of Munich（慕尼黑工业大学） ； Institute of Automotive Engineering (FZD), TU Darmstadt（达姆施塔特工业大学汽车工程研究所（FZD）） 纠错

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

AI总结 提出一种基于实例场景上下文和多模态提议先验的扩散框架，通过紧凑动作潜表示和提议初始化提升采样效率，实现闭环交通场景的逼真、安全且可控生成。

Comments Accepted for publication at the IEEE International Conference on Intelligent Transportation Systems (ITSC), 2026

Bridging Talk and Thought: Understanding Dialogue Dynamics Across Collaborative Problem-Solving Contexts

桥接对话与思维：理解协作问题解决情境中的对话动态

Zhengyuan Liu, Stella Xin Yin, Min-Yen Kan, Nancy F. Chen

机构 * Nanyang Technological University（南洋理工大学） ； Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局） ； 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)；分类 cs.AI、cs.CL

AI总结 提出一个双层编码框架，整合认知与非认知问题解决及元认知调节机制，分析人机与多智能体协作对话，发现元认知调节是深度协作的关键区分因素。

Mostly Automatic Translation of Language Interpreters from C to Safe Rust

从C到安全Rust的语言解释器大部分自动翻译

Bo Wang, Brandon Paulsen, Joey Dodds, Daniel Kroening, Umang Mathur, Prateek Saxena

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

AI总结 提出Reboot技术，通过特征约简和多智能体架构，将C语言解释器大部分自动翻译为安全Rust，消除内存漏洞，验证测试通过率62%-92%。

Multiscale Exit-Join Dynamics: Tactical Consensus and Strategic Coalition Formation

多尺度退出-加入动力学：战术共识与战略联盟形成

Quanyan Zhu

机构 * Department of Electrical and Computer Engineering（电气工程系） ； Tandon School of Engineering（坦顿工程学院） ； New York University（纽约大学） 纠错

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

AI总结 提出多尺度联盟形成模型，耦合联盟内战术共识与战略退出-加入决策，通过固定点分析揭示不稳定性-共识悖论。

Learning to Explain Air Traffic Situation

学习解释空中交通态势

Hong-ah Chai, Seokbin Yoon, Keumjin Lee

机构 * Korea Agency for Infrastructure Technology Advancement（韩国基础设施技术革新机构） 纠错

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

AI总结 提出基于Transformer的多智能体轨迹模型，通过注意力得分量化单机对整体动态的影响，为空中交通管制员的态势感知提供可解释性。

Comments 5 pages, 3 figures, minor revisions to address reviewer feedback for final submission to the First US-Europe Air Transportation Research and Development (ATRD) Symposium

Resilient Output Containment under Undisclosed Leader Dynamics and Actuator Attacks

未公开领导者动力学和执行器攻击下的弹性输出包含

Mohammadreza Nematollahi, Khashayar Khorasani, Nader Meskin

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

AI总结 针对异构线性多智能体系统，提出一种双层自适应控制架构，在领导者动力学未公开且存在执行器网络攻击的情况下，实现输出包含控制。

Comments 21 pages, 12 Figures

Results on Cartesian $1$-capacity of graphs

关于图的笛卡尔 $1$-容量的结果

Mateja Grašič, Christopher Mouron, Aljoša Šubašić, Andrej Taranenko, Tanja Vojković

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

AI总结 研究图的笛卡尔 $1$-容量，即每步仅一个智能体移动时图能容纳的最大智能体数，通过结构性质给出上下界，并得到树的精确结果，揭示了分支和桥结构的作用。

Surviving by Serving: Functional Relevance Drives Self-Organization in Complex Adaptive Systems

通过服务生存：功能相关性驱动复杂适应系统中的自组织

Claus Metzner, Ali Ghebleh, Achim Schilling, Andreas Maier, Thomas Kinfe, Patrick Krauss

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

AI总结 提出“通过服务生存”（SBS）原则，通过最小多智能体模型展示系统在无全局目标下自发形成功能交互网络，出现稳定转换链、核心-边缘结构及新状态生成，表明功能利用是复杂适应系统自组织的通用机制。

Advanced Applications of Generative AI in Actuarial Science: Case Studies Beyond ChatGPT

生成AI在精算科学中的高级应用：超越ChatGPT的案例研究

Simon Hatzesberger, Iris Nonneman

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

AI总结 本文通过四个案例研究探讨生成AI在精算实践中的潜力，涵盖从早期神经网络到现代Transformer生成AI系统的发展，展示其在索赔预测、市场比较、车辆损坏分类及代码迁移中的应用，同时讨论监管与安全挑战。

Comments v3: Minor revision in response to peer review. Methodological and reproducibility refinements across the case studies and the governance section

Journal ref European Actuarial Journal (2026)

Reducing Conversational Escalation in Large Language Model Dialogue with Nonviolent Communication Constraints

使用非暴力沟通约束减少大语言模型对话中的对话升级

Zhixing Sun, Shenghe Xu, Tao Li

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 本研究通过非暴力沟通原则的轻量级提示约束，引导大语言模型在冲突对话中减少升级行为，实验表明该方法能稳定与高度抵抗用户的交互。

Content-Based Smart E-Mail Dispatcher Using Large Language Models

基于内容的大型语言模型智能电子邮件分发器

K. Paramesha, K R Sriram, Sujan Shetty, Shamanth Kishore, R. Tejaswini

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 提出利用大型语言模型自动分析邮件内容并分派至相关WhatsApp群组，无需标注数据，提升效率并降低认知负荷。

Kiko: Programming Agents to Enact Interaction Protocols

Kiko：编程代理以执行交互协议

Samuel H. Christie, Munindar P. Singh, Amit K. Chopra

专题命中 多智能体 ：agent(abstract)

AI总结 提出Kiko编程模型，通过决策者抽象实现代理协议合规与业务逻辑分离，支持去中心化决策。