AI Agent

Tool Use Enables Undetectable Steganography in Multi-Agent LLM Systems

工具使用使多智能体LLM系统中的隐写术无法检测

Jimmy Laurence Rippin, Simon C. Marshall, David Demitri Africa, Christian Schroeder de Witt

机构 * Oxford University（牛津大学） ； Artificial Intelligence Security Institute (AISI)（人工智能安全研究所） 纠错

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

AI总结 本文研究多智能体AI系统中通过工具使用（如代码执行、网络搜索）实现无法检测的隐写通信，发现智能体可自适应构建隐写系统，并提出协调度量评估无事先约定的隐写协调风险。

Agentic Social Affordance Framework (ASAF): Agent Identity Design as a Collaboration Interface in Multi-Agent Systems

智能体社会可供性框架 (ASAF)：多智能体系统中作为协作接口的智能体身份设计

Meng-Han Lee

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 提出ASAF框架，将社会可供性理论扩展到多智能体AI系统，将智能体身份设计视为协作接口，通过身份信号、行为启动和协作治理三个机制影响人机协作质量。

Comments 36 pages, 2 figures, 1 table. Introduces ASAF with falsifiable hypotheses and proposed experimental designs for testing agent identity design effects in multi-agent Human-in-the-Loop systems, grounded in a real-world 38-agent deployment

The Future is Agentic: Definitions, Perspectives, and Open Challenges of Multi-Agent Recommender Systems

未来是代理的：多代理推荐系统定义、视角和开放挑战

Reza Yousefi Maragheh, Yashar Deldjoo

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

AI总结 本文探讨多代理推荐系统从被动生成到主动规划的转变，提出基于状态代理的框架，分析其在提升推荐效果中的作用，并通过实验验证代理系统在不同场景下的有效性。

Comments Added controlled experiments to illustrate the points of the paper. Also edited for more clarity in conveying the concepts

HMARS: A Hierarchical Multi-Agent Memory System for Long-Context Reasoning

HMARS：用于长上下文推理的分层多智能体记忆系统

Zeju Li, Ziyang Zheng, Yizhou Zhou, Qiang Xu

机构 * The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 提出HMARS分层多智能体记忆系统，通过子智能体、中层智能体和前沿模型的分层结构管理长上下文，在长文档和多轮记忆任务中优于检索、重排序、全上下文、基于图和智能体基线。

QED: An Open-Source Multi-Agent System for Generating Mathematical Proofs on Open Problems

QED：一个用于生成开放问题数学证明的开源多智能体系统

Chenyang An, Qihao Ye, Minghao Pan, Jiayaun Zhang

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

AI总结 提出开源多智能体系统QED，通过分解规划、生成论证和验证正确性的流水线，自动将研究问题转化为完整数学证明，并在18个研究级项目中成功生成5篇原创工作。

Integrating Counterfactual Simulations with Language Models for Explaining Multi-Agent Behaviour

将反事实模拟与语言模型结合以解释多智能体行为

Bálint Gyevnár, Christopher G. Lucas, Stefano V. Albrecht, Shay B. Cohen

机构 * DeepFlow 纠错

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

AI总结 本文提出AXIS方法，通过语言模型与环境模拟器交互生成人类中心的多智能体行为解释，提升解释正确性和目标预测准确性。

MAS-Lab: A Specification-Driven Validation Framework for Reliable Multi-Agent Systems

MAS-Lab：面向可靠多智能体系统的规范驱动验证框架

Jordan Augé, Giovanna Carofiglio, Giulio Grassi, Jacques Samain

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

AI总结 提出MAS-Lab框架，通过声明式规范、状态化操作系统和实验覆盖层，将多智能体系统从脚本集合转变为可验证的工程化分布式系统。

Comments 16 pages, 12 figures

Attraction, Not Adaptation: How AI Agent Communities Develop Distinct Linguistic Identities

吸引而非适应：AI智能体社区如何发展独特的语言身份

Daming Li, Simeng Han, Can Meng, Wanyu Lei, Jialu Zhang

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

AI总结 研究AI智能体在主题论坛中是否发展出社区特定的语言身份，发现通过选择性吸引和差异化保留而非适应形成语言分化，且社区规模调节效应。

Comments 14 pages, 11 figures

Rehearsed Multi-Agent Live Product Demonstrations with Real-Time Voice Question Answering

排练式多智能体实时语音问答产品演示

Rahul Khedar, Mayank Malhotra, Avinash Karn, Mouli V, Prakhar Mehrotra

机构 * PayPal AI 纠错

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

AI总结 提出多智能体系统Rhetor，通过跨模态特征表示、接地脚本、排练循环和运行时同步，实现带语音问答的实时产品演示自动化。

Comments Preprint. 4 figures, 1 algorithm, 5 tables. Systems paper with a preliminary six-session case study on four deployed applications; full benchmark protocol proposed, corpus run to appear in a later revision

Mixture of Debaters: Learn to Debate at Architectural Level in Multi-Agent Reasoning

辩论者混合：在多智能体推理中实现架构级别的辩论学习

Dayong Liang, Kaisong Gong, Yi Cai, Changmeng Zheng, Xiao-Yong Wei

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

AI总结 提出Mixture of Debaters框架，通过混合专家范式在单一模型内实现动态自我辩论，解决静态架构和高计算开销问题，在多项基准上以更低延迟和令牌消耗取得更优性能。

LUMEN: Cost-Transparent Multi-Agent Pipeline for Automated Systematic Review and Meta-Analysis

LUMEN：用于自动化系统评价和荟萃分析的成本透明多智能体流水线

Yen-Hsun Huang, Yu-Shiou Lin

机构 * Department of Education, Taipei Veterans General Hospital（台北卫生成人教育科） ； Department of Psychiatry, Taipei Veterans General Hospital（台北卫生成人精神医学科） 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 提出开源多智能体流水线LUMEN，自动化系统评价与荟萃分析的六个阶段，通过11个专用LLM代理和模型路由实现，首次报告端到端成本（19-29美元）并揭示阶段依赖的架构反转。

Comments 15 pages, 5 figures. Open-source implementation and cost logs available

Robust Multi-Agent LLMs under Byzantine Faults

在拜占庭故障下鲁棒的多智能体大语言模型

Haejoon Lee, Vincent-Daniel Yun, Dimitra Panagou, Sai Praneeth Karimireddy

机构 * Department of Robotics, University of Michigan, Ann Arbor, USA（密歇根大学机器人系，安娜堡，美国） ； Thomas Lord Department of Computer Science, University of Southern California, USA（南加州大学计算机科学托马斯·劳德系，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 本文提出Self-Anchored Consensus算法，通过去中心化迭代过滤和优化协议提升多智能体系统在拜占庭故障下的鲁棒性，实验表明其在数学和常识推理任务中表现优异。

MESA: Prioritizing Vulnerable Communication Channels for Securing Multi-Agent Systems

MESA：优先保护脆弱通信通道以保障多智能体系统安全

Kunyang Li, Kyle Domico, Jonathan Gregory, Patrick McDaniel

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 针对多智能体系统通信通道攻击面不均匀的问题，提出Mesa框架，结合图论指标和动态探测方法，无需攻击痕迹即可优先排序关键边缘，实验表明排名与攻击成功率强相关，可有效指导防御资源分配。

MicroAgent: Context-Augmented Multi-Agent Framework for Automatic Microservice Decomposition

MicroAgent: 用于自动微服务分解的上下文增强多智能体框架

Zishan Su, Junjie Huang, Shiwen Shan, Xingyan Chen, Hui Zeng, Yuxin Su, Yanlin Wang, Michael R. Lyu

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

AI总结 提出MicroAgent框架，通过将分解任务分为五个子任务并分配专门智能体，结合多粒度上下文和设计原则分析工具，在10个Java Web应用上实现89.2%的平均分解准确率，较现有方法提升24.6%。

Comments Accepted at the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026)

Budgeted Act-or-Defer Multi-Agent LLM Deliberation with Local Reliability Bounds

预算约束下的多智能体LLM“行动或延迟”协商与局部可靠性界限

Mengdie Flora Wang, Haochen Xie, Guanghui Wang, Devin Zhang, Jae Oh Woo

机构 * AWS Generative AI Innovation Center（AWS生成式AI创新中心） ； General Motors (GM)（通用汽车（GM）） 纠错

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

AI总结 提出一种预算约束下的“行动或延迟”决策框架，通过k近邻下置信界评估LLM协商的可靠性，在满足用户指定的错误行动预算时自动执行，否则延迟人工审核，并在六个基准上验证了有效性和安全性。

Preventing Error Propagation in Multi-Agent AI through Runtime Monitoring

通过运行时监控防止多智能体AI中的错误传播

Shahnewaz Karim Sakib, Anindya Bijoy Das

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

AI总结 研究多智能体AI系统中推理交换与答案修订的可靠性，提出运行时监控框架，通过数值实验评估准确性提升与错误传播条件。

The Contagion Tensor: A Framework for Measuring Output-Distribution Coupling in Multi-Agent LLM Systems -- and Auditing the Claims It Enables

传染张量：多智能体大语言模型系统中输出分布耦合的测量框架——及其支持的主张审计

Zewen Liu

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

AI总结 提出传染张量框架量化多智能体LLM输出分布耦合，导出耦合放大因子(CAF)作为无量纲指标，通过仿真和真实API实验验证图像条件超线性效应，提供可迁移消融协议。

Comments 26 pages, 2 figures

Carolina Guide: A Multi-Agent RAG System with Institutional Guardrails for Academic Policy Assistance

Carolina Guide：具有机构护栏的多智能体RAG系统用于学术政策咨询

Ben Torsion, Jun Zhou

机构 * University of South Carolina（南卡罗来纳大学） 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Carolina Guide系统，采用模块化多智能体管道与机构护栏，基于检索增强生成提供学术政策咨询，在90查询测试集上达到98.9%检索成功率，安全F1为0.89。

Multi-Agent DRL for QoS and Energy Optimization in RIS-Enabled Open-RAN Industrial 6G TN/NTN Networks

RIS赋能的开放RAN工业6G地面/非地面网络中用于QoS和能量优化的多智能体深度强化学习

Marwan Dhuheir, Thang X. Vu, Symeon Chatzinotas

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

AI总结 针对动态遮挡环境下工业6G网络覆盖不稳定问题，提出RIS赋能的开放RAN框架，利用无人机搭载RIS与地面单元及高空平台协同，通过多智能体DRL求解Dec-POMDP联合优化数据速率、时延和能耗，相比基线提升速率75%、降低时延25%、节省能耗16%。

Comments IEEE ICC-2026 accepted Workshop paper

Modelling Human Values for Value-Aware Multi-Agent Systems

为价值感知多智能体系统建模人类价值观

Nardine Osman, Mark d'Inverno

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

AI总结 本文提出一个形式化框架，用于表示人类价值观，以支持多智能体系统中的价值感知推理。通过社会心理学研究，建立价值关系和重要性模型，实现行为评估和价值感知决策机制。

Comments arXiv admin note: text overlap with arXiv:2305.02748

Minority Sentinel: When to Overturn Majority Voting in Multi-Agent LLM Debates

少数派哨兵：何时推翻多智能体LLM辩论中的多数投票

Chuan He, Zebin Chen, Zhengyi Yang, Shaobo Qiao, Mingchen Ju, Jiate Liu, Dong Wen, Guanfeng Liu

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

AI总结 针对LLM辩论中多数投票压制正确少数意见的问题，提出Minority Sentinel轻量级元分类器，通过辩论日志特征训练LightGBM模型，在6个基准上实现81.2%的翻转精度和正向净增益。

Comments 11 pages, 4 figures. Accepted at the AgentSearch Workshop @ SIGIR 2026, Melbourne, Australia

When Latent Agents Lie: KV-Cache Integrity in Multi-Agent LLM Collaboration

当潜在智能体说谎时：多智能体LLM协作中的KV缓存完整性

Luís Brito, Carlos Baquero

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

AI总结 研究多智能体问答中KV缓存传递的安全问题，发现恶意智能体可通过篡改隐藏状态破坏协作，提出HMAC-SHA256清单保护传输完整性。

Comments 16 pages, 2 figures, 3 tables

Digitizing Coaching Intelligence: An Agentic Framework for Holistic Athlete Profiling using VLM and RAG

数字化教练智能：基于VLM和RAG的整体运动员画像智能体框架

Deep Ghosal, Ishani Sen, Wazib Ansar, Amlan Chakrabarti

机构 * A.K. Choudhury School of Information Technology University of Calcutta（A.K.楚德里信息科技学院印度加尔各答大学） 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 提出基于LLM的混合智能体框架，结合计算机视觉与视觉语言模型，通过3×3智能网格分块策略降低计算开销，并引入LLM-as-a-Judge自校正循环和双持久化RAG管道，实现符合印度体育局标准的自动化整体运动员评估。

Comments 16 pages

When LLMs Develop Languages: Symbolic Communication for Efficient Multi-Agent Reasoning

当大语言模型发展语言：用于高效多智能体推理的符号通信

Zhengqi Pei, Qingming Huang, Shuhui Wang

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

AI总结 提出CLSR框架，让多个LLM智能体自主发明和演化紧凑符号语言，通过路由器自适应选择以优化准确率与token成本的权衡，在保持准确率的同时将推理token数减少3-6倍。

Comments ICML2026 Regular paper

LAMP: Lean-based Agentic framework with MCP and Proof Repair

LAMP: 基于 Lean 的 MCP 与证明修复智能体框架

Santhana Srinivasan R, Maithilee Patawar

机构 * Indian Institute of Information Technology, Design and Manufacturing, Kancheepuram（印度信息与设计制造理工学院，卡纳切普拉姆） 纠错

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

AI总结 提出 LAMP 多智能体框架，通过推理时提供结构化领域知识（本体）而非微调，在 Lean 4 中合成内核验证的证明，在组合学词领域定理上达到 96.7% 的验证率。

Multi-Agentic System Leveraging Open-Source LLMs to Mitigate Disinformation Threats

利用开源大语言模型的多智能体系统缓解虚假信息威胁

Sebastian Kula, Martin Tamajka

机构 * Kempelen Institute of Intelligent Technologies（凯普伦智能技术研究所） ； West Pomeranian University of Technology in Szczecin（什切切尼西波美拉尼亚理工大学） 纠错

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

AI总结 提出一种模拟人类标注者决策过程的多智能体系统，结合共识机制、认知与知识多样性及层次结构，在虚假信息检测中优于GPT-4等个体模型，并利用开源模型提升透明度。

DeepTrans Studio: Turning Expert Interventions into Shared Team Knowledge in Agentic Translation Workflows

DeepTrans Studio：将专家干预转化为智能翻译工作流中的团队共享知识

Ziyang Lian, Qingya Zhang, Hao Wang, Huiwen Xiong, Qi Yang, Lingyi Meng, Xiaoyi Gu, Rui Wang

机构 * School of Computer Engineering and Science, Shanghai University（上海大学计算机工程与科学学院） ； School of Foreign Languages, East China Normal University（华东师范大学外国语言学系） ； School of Foreign Studies, Shanghai University（上海大学外国语言学院） ； Department of Computer Science and Engineering, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院） 纠错

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

AI总结 提出DeepTrans Studio协作翻译平台，通过让专家在智能工作流中干预并保存决策到共享记忆，将一次性修正转化为可复用的团队知识，解决翻译协作中知识孤岛问题。

Comments 4 pages, 2 figures. Accepted to CSCW 2026 Demo. Code and demo video: https://github.com/hint-lab/deeptrans-studio, https://youtu.be/cNpafhHAEjg

HyphaeDB: A Living Knowledge Topology for Agent-First Memory

HyphaeDB: 面向智能体优先记忆的活知识拓扑

Krishna Halaharvi

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

AI总结 提出HyphaeDB，一种将HNSW图拓扑重新解释为多智能体通信结构的记忆基础设施，通过八卦协议和能量衰减实现知识传播，支持矛盾检测、模式结晶和共识形成等涌现行为。

Is Lying an Emergent Behaviour in LLMs? Evidence from Gaslighting AI agents in a Sustainability Game

说谎是LLMs中的涌现行为吗？来自可持续性游戏中Gaslighting AI智能体的证据

Subhendu Bhandary, Federico Carucci, Christos Charalambous, Francesca Dilisante, Ksenia Dvorkina, Anna Garbo, Jiaqi Liang, Riccardo Vasellini, Francesco Bertolotti

机构 * Chair for Network Dynamics, Institute of Theoretical Physics, TUD Dresden University of Technology（网络动力学主任，理论物理研究所，德累斯顿技术大学） ； School of Industrial Engineering, LIUC – Università Cattaneo（工业工程学院，LIUC – 哥特拉尔大学） ； Department of Economics, University of Cyprus（经济系，塞浦路斯大学） ； Department of Condensed Matter Physics, University of Zaragoza（凝聚态物理系，阿拉贡大学） ； Department of Epidemiology, Medical University of Vienna（流行病学系，维也纳医学大学） ； ISI Foundation, Torino, Italy（ISI基金会，意大利托里诺） ； Complexity Science Hub, Vienna, Austria（复杂科学中心，奥地利维也纳） ； ISTC, LABSS, CNR, Roma, Italy（ISTC，LABSS，CNR，意大利罗马） ； Department of Philosophy, Università Cattolica del Sacro Cuore（哲学系，圣心大学） 纠错

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

AI总结 研究LLM智能体在竞争性可持续性游戏中是否涌现说谎行为，通过智能体模型发现欺骗可自发产生，且明确许可主要增加虚张声势而非直接背叛。

Attractor States Emerge in Multi-Turn LLM Conversations

多轮LLM对话中吸引子状态的出现

Ting-Wen Ko, Jonas Geiping

机构 * Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； Tübingen AI Center（图宾根人工智能中心） 纠错

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

AI总结 研究多轮LLM对话中是否出现吸引子行为，通过自对弈和混合对弈辩论发现模型特定的吸引子不对称地影响对话伙伴的风格和立场。