AI Agent

DICE: Entropy-Regularized Equilibrium Selection for Stable Multi-Agent LLM Coordination

DICE: 用于稳定多智能体LLM协调的熵正则化均衡选择

Yi Xie, Zhanke Zhou, Chentao Cao, Bo Liu, Bo Han

机构 * University of Arizona（亚利桑那大学） ； Hong Kong Baptist University（香港浸会大学） 纠错

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DICE框架，通过熵正则化均衡选择（HQRE）解决多智能体LLM协调中的不稳定性，实现线性收敛和有限贝叶斯遗憾，在11个基准上平均提升4.3-8.5个百分点。

Multi-Agent AI Control: Distributed Attacks Hamper Per-Instance Monitors

多智能体人工智能控制：分布式攻击阻碍实例级监测

Oliver Makins, Orazio Angelini, Zohreh Shams, Mary Phuong

机构 * MATS Research（MATS研究所） 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 研究多智能体人工智能控制中的分布式攻击，开发FakeLab代码库，评估单智能体监测应对分布式攻击的效果，发现碎片化效应，指出其与代码比例无关，受模型能力影响，还揭示显式规划器及不同强度监测的作用。

Comments Submitted to NeurIPS; 81 pages; 32 figures and 24 tables

Operational Reframing and Approval-Framed Delegation in Multi-Agent LLM Safety

多智能体大语言模型安全中的操作重构与批准框架委托

Lifei Liu, Haoran Yu, Xiaochong Jiang, Su Wang, Pin Qian, Yihang Chen

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 研究多智能体大语言模型安全评估，引入五条件控制对比设计分离有害意图、规划器与执行器行为等因素，发现汇总管道安全非稳定架构属性，操作重构是关键风险信号，还揭示各因素对安全的影响及模型排名与实际行为的差异。

When Agents Go Rogue: Activation-Based Detection of Malicious Behaviors in Multi-Agent Systems

当智能体行为异常时：基于激活的多智能体系统恶意行为检测

Haowen Xu, Xue Tan, Lei Ma, Zhihao Zhang, Chao Wang, Qingze Wang, Ping Chen, Jun Dai, Xiaoyan Sun

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

AI总结 针对多智能体系统面临的安全挑战，提出基于激活的框架AcMAS，通过分析智能体激活空间中的推理状态检测隐蔽攻击，不依赖交互图，还能恢复受损智能体功能，在检测隐蔽攻击上显著优于基线方法。

Comments Accepted to ICML 2026

TeamTR: Trust-Region Fine-Tuning for Multi-Agent LLM Coordination

TeamTR: 用于多智能体大语言模型协调的信赖区域微调

Yi Xie, Siao Liu, Falong Fan, Yuanqi Yao, Yue Zhao, Bo Liu

机构 * Department of Electrical \& Computer Engineering, University of Arizona ； Engineering College, Soochow University ； INSAIT, Sofia University "St. Kliment Ohridski" ； Department of Electrical ； Computer Engineering, Stony Brook University 纠错

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

AI总结 本文提出TeamTR，通过信赖区域框架在每个组件更新后重采样轨迹并控制每个智能体的发散度，解决多智能体系统中因上下文分布变化导致的性能下降问题，实验表明其在协调回归抑制和组件替换支持方面优于单智能体和序列基线。

Comments 9pages, Accepted at ICML2026

HiDVFS: Hierarchical Multi-Agent DVFS for Real-Time OpenMP DAG Workloads

HiDVFS：用于实时OpenMP DAG工作负载的分层多智能体DVFS

Mohammad Pivezhandi, Abusayeed Saifullah, Ali Jannesari

机构 * Department of Computer Science Wayne State University（计算机科学系 温尼耶萨大学） ； Department of Computer Science University of Texas at Dallas（计算机科学系 德克萨斯大学达拉斯分校） ； Department of Computer Science Iowa State University（计算机科学系 俄克拉荷马州立大学） 纠错

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

AI总结 研究针对多核嵌入式系统中DVFS调度问题，提出HiDVFS分层多智能体DVFS调度器，通过多智能体协作及相关训练方法，兼顾截止期限和热限制，在多平台验证中取得较好的完成时间、加速比及能耗降低效果。

Comments 52 pages, 24 figures, 32 tables (supplement included as appendices). Under review at IEEE TPDS. v2: fairness-corrected GearDVFS baseline with fair-port study, multi-seed same-window re-measurement and full number audit, 12-benchmark BOTS evaluation, real-time evaluation (feasibility gate, conformal shield, mixed-criticality). Data: https://doi.org/10.5281/zenodo.21212162

ContestTrade: A Multi-Agent Trading System Based on Internal Contest Mechanism

ContestTrade：一种基于内部竞争机制的多智能体交易系统

Rui Sun, Li Zhao, Zuoyou Jiang, Bo Yang, Yuxiao Bai, Mengting Chen, Jing Li, Zuo Bai

机构 * Stepfun ； FinStep 纠错

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

AI总结 针对基于LLM的智能体在金融交易中决策受市场信息影响的问题，提出ContestTrade多智能体交易系统，通过“量化 - 预测 - 分配”竞争机制及两个专业团队协作，在A股回测中取得较好收益和风险调整绩效。

EvoOMG: An Evolution-Oriented Multi-Agent Guidance Framework for Heterogeneous Legacy-and-MLO Wi-Fi Networks

EvoOMG：一种面向异构传统与MLO Wi-Fi网络的基于进化的多智能体引导框架

Junjie Wu, Lingjian Zhou, Zerui Shao, Yi Zou, Tianrui Li, Yi Zhang, Ziyuan Yang

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

AI总结 针对Wi-Fi 7/8多链路操作导致的传统与MLO STA共存下吞吐量优化难题，提出EvoOMG框架。该框架将问题转化为多智能体决策问题，通过自回归设计生成引导，相比其他基线方法，在NS-3评估中取得更好性能。

CILC: Cryptographically-secure Inter-agent Loop Closure Candidate Detection for Multi-Agent Collaborative SLAM

CILC：用于多智能体协作SLAM的加密安全的智能体间闭环候选检测

Andrew Fishberg, Yixuan Jia, Jonathan P. How

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 研究多智能体协作SLAM中智能体间闭环候选检测问题，提出CILC系统，利用安全多方计算仅对隐私敏感且计算量轻的GD相似性比较步骤进行加密处理，在模拟和硬件实验中验证其能保持实时性、通信可行并减轻信息泄露。

Diversity Without Fidelity: A Solver-Sampler Mismatch in Multi-Agent LLM Negotiation Simulation

当推理模型损害行为模拟：多智能体大语言模型谈判中的求解器-采样器不匹配

Sandro Andric

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

AI总结 研究指出推理增强模型在模拟行为时可能表现不佳，通过三个多智能体谈判环境实验发现，有界推理能产生更多样且妥协导向的轨迹，强调模拟应将模型视为采样器而非求解器。

Comments 20 pages, 2 figures. Substantially revised. Formerly titled "When Reasoning Models Hurt Behavioral Simulation: A Solver-Sampler Mismatch in Multi-Agent LLM Negotiation"

A Separation-Based Methodology to Consensus Tracking of Switched High-Order Nonlinear Multi-Agent Systems

一种基于分离的方法用于切换高阶非线性多智能体系统的共识跟踪

Maolong Lv, Wenwu Yu, Jinde Cao, Simone Baldi

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

AI总结 本文提出了一种基于分离的方法，用于解决切换高阶非线性多智能体系统的共识跟踪问题，通过降低控制设计的复杂性来提高效率。

Agent Delivery Engineering Predictive Reliability Framework

智能体交付工程预测可靠性框架

Dexing Liu

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

AI总结 针对长期语言模型多智能体系统的可靠性风险，提出ADE预测可靠性框架，聚合异构信号为信任边际指标，用三重方法并行预测，经多轮验证和实验，能检测“虚假繁荣”，实现可靠性量化并提供前瞻性警告。

Comments 117pages,83figures

Agent-Exploitation Affordances: From Basic to Complex Representation Patterns

智能体-利用可供性：从基本到复杂的表示模式

Bastien Dussard, Aurélie Clodic, Guillaume Sarthou

机构 * LAAS-CNRS, Université de Toulouse, CNRS, Toulouse, France（LAAS-CNRS、图卢兹大学、CNRS、图卢兹、法国） 纠错

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

AI总结 研究社会机器人领域中智能体的合作可供性概念，提出易于处理的本体表示，通过组合基本模式描绘多样场景，展现此表示的有效性，助力人工智能体理解与环境交互及拓展行动可能。

Journal ref International Conference on Social Robotics (16th Edition), Oct 2024, Odense, Denmark. pp.443-455

Effective Strategies for Asynchronous Software Engineering Agents

异步软件工程代理的有效策略

Jiayi Geng, Graham Neubig

机构 * Carnegie Mellon University, Language Technologies Institute（卡内基梅隆大学，语言技术研究所） 纠错

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

AI总结 本文提出CAID框架，通过集中任务委派、异步执行和隔离工作区三个核心SWE原语，提升多代理协作效率，在论文复现和Python库开发任务中分别提升26.7%和14.3%的准确性。

A Large Language Model-Driven Agent-Based Modeling Framework with Multi-Round Communication for Simulating Vaccine Opinion Dynamics

一种用于模拟疫苗舆论动态的基于多轮通信的大语言模型驱动的基于代理的建模框架

Bo Zhang, Na Jiang

专题命中 多智能体 ：agent(title,abstract)

AI总结 该研究引入大语言模型（Qwen3-8B）集成到基于代理的建模框架，以疫苗接种舆论动态为例，通过启用不同认知模块模拟舆论动态，发现不同模块对突发舆论有相反影响，再现了社会影响的非线性行为模式，证明框架有效性和潜力。

Comments 11 pages, 5 figures

Gimitest: A Comprehensive Tool for Testing Reinforcement Learning Policies

Gimitest：用于测试强化学习策略的综合工具

Dennis Gross, Quentin Mazouni, Helge Spieker, Arnaud Gotlieb

机构 * Simula Research Laboratory（西莫拉研究实验室） 纠错

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

AI总结 针对强化学习策略可靠性测试难的问题，提出综合框架并实现开源工具Gimitest，它支持多种gym框架，可修改集成组件，能在不同环境下测试单智能体和多智能体RL策略，展示了其有效性。

Behavioral Privacy Leakage in Agentic Negotiation: Formalizing and Mitigating Inference Attacks via Randomized Policies

代理协商中的行为隐私泄露：通过随机策略形式化和减轻推理攻击

Barkha Rani

专题命中 多智能体 ：agentic(title)

AI总结 研究自主协商代理行为隐私泄露问题，设计自适应随机协商策略，联合保证差分隐私、报价序列收敛和高协商效用，在合成双边协商实验中降低对手推理准确率，保持高协商成功率和效用。

Comments 3 figures. Accepted at the AI4TCI Workshop (AI for Secure and Trustworthy Critical Infrastructure Systems), co-located with ARES 2026

Rethinking Code Performance Benchmarks for LLMs

重新思考大语言模型的代码性能基准测试

Nhat Minh Le, Yisen Xu, Zhijie Wang, Tse-Hsun, Chen

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

AI总结 研究重新审视大语言模型代码性能基准测试，发现现有测试存在局限。提出基于LLM的多智能体框架生成性能导向测试，能更好暴露运行时差异，在原始测试无显著差异的任务中，该框架生成的测试有显著改进，优于当前最优技术。

CARLA-GS: Decoupling Representation, Reasoning, and Physics Simulation for Autonomous Driving Corner-Case Synthesis

CARLA-GS：用于自动驾驶极端情况合成的解耦表示、推理和物理模拟

Kaicong Huang, Meng Ma, Ruimin Ke

机构 * Rensselaer Polytechnic Institute（伦斯勒理工学院） 纠错

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

AI总结 研究自动驾驶极端情况合成问题，提出CARLA-GS模块化管道，解耦视觉表示、语义推理和物理执行并保持跨模块耦合，能从实际驾驶数据生成可编辑场景，经多智能体大语言模型推理等步骤，实现可控生成及逼真、时空一致的视频。

Video2Reaction: Mapping Video to Audience Reaction Distribution in the Wild

Video2Reaction：将视频映射到自然环境中的观众反应分布

Trang Nguyen, Sidong Zhang, Shiv Shankar, Gauri Jagatap, Deepak Chandran, Andrea Fanelli, Madalina Fiterau

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Dolby Laboratories（杜比实验室） 纠错

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

AI总结 研究旨在通过Video2Reaction数据集实现视频到观众反应分布预测，开发仅用开源语言模型的两阶段多智能体管道，建立基准，发现预训练模型零样本失败，微调可提升性能，但任务仍具挑战。

SycoEval-EM: Sycophancy Evaluation of Large Language Models in Simulated Clinical Encounters for Emergency Care

SycoEval-EM：急诊护理模拟临床场景中大语言模型的谄媚评估

Dongshen Peng, Yi Wang, Austin Schoeffler, Sun-ha Hong, Brian Suffoletto, David Kim, Carl Preiksaitis, Christian Rose

机构 * UNC Chapel Hill（UNC夏洛特山分校） ； University of Waterloo（滑铁卢大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 提出SycoEval-EM多智能体模拟框架，评估19个LLM在急诊医学中对患者说服的鲁棒性，发现谄媚率呈双峰分布，静态医学基准无法预测安全表现。

Comments 19 pages, 10 figures

Energy Efficiency Optimization in Distributed MIMO vRAN via Cross-Layer Link Abstraction

通过跨层链路抽象实现分布式 MIMO vRAN 中的能效优化

Jaebum Park, Chan-Byoung Chae, Robert W. Heath

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

AI总结 研究分布式 MIMO vRAN 的能效优化，构建功率模型，开发联合选择调制等参数最大化 EE 的框架，扩展节省功率频谱效率范围，提出流量感知策略，仿真表明该框架能高效预测链路性能，提升平均 EE 且保持高峰吞吐量。

Comments The manuscript was submitted to IEEE, and is currently under review

Learning Spatiotemporal Tubes for Full Class of Signal Temporal Logic Tasks for Control of Unknown Systems under Input Constraints

学习用于输入约束下未知系统控制的全类信号时序逻辑任务的时空管

Ahan Basu, Ratnangshu Das, Soumyodipta Nath, Siyuan Liu, Pushpak Jagtap

机构 * Electrical Engineering Department, Eindhoven Institute of Technology（埃因霍温理工大学电气工程系） 纠错

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

AI总结 针对输入约束下未知的非线性EL系统，提出基于时空管的控制框架，用PINN建模STT，将鲁棒性指标纳入训练，多智能体场景考虑全局任务指标，开发控制律并通过案例验证，以满足STL规范。

Subspace Consensus of Matrix-Weighted Networks

矩阵加权网络的子空间一致性

Yuhao Chen, Lulu Pan, Xiaohui Gong, Peng Wang, Haibin Shao

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

AI总结 研究矩阵加权多智能体网络的子空间一致性问题，从代数和拓扑角度推导相关充要、充分及必要条件，包括基于边权重零空间、\(\mathbb{V}\)连通性等，还给出树网络条件，揭示其基本能力并建立分析框架。

A Directed Spanning Tree Adaptive Control Framework for Time-Varying Formations

一种用于时变编队的定向生成树自适应控制框架

Dongdong Yue, Simone Baldi, Jinde Cao, Qi Li, Bart De Schutter

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

AI总结 本文提出了一种用于时变编队的定向生成树自适应控制框架，解决了线性多智能体系统在有向图上的编队问题，无需了解拉普拉斯矩阵的特征值，并证明了编队误差的渐近收敛性。

Learning social norms enhances compatibility in dynamic human-AI coordination

学习社会规范可增强动态人机协作中的兼容性

Yi Yang, Siyuan Liu, Xin Gao, Huamu Sun, Chao Liu, Qing Zhou, Bingbing Nie

机构 * School of Vehicle and Mobility, Tsinghua University, Beijing, China（清华大学车辆与移动系统学院） ； State Key Laboratory of Intelligent Green Vehicle and Mobility, Tsinghua University, Beijing 100084, China（清华大学智能绿色车辆与移动系统国家重点实验室） ； State Key Laboratory of Cognitive Neuroscience and Learning & IDG/McGovern Institute for Brain Research, Beijing Normal University, Beijing, China（北京师范大学认知神经科学与学习国家重点实验室） ； Beijing Key Laboratory of Safe AI and Superalignment, Beijing, China（北京安全人工智能与超对齐关键实验室） ； Beijing Institute of AI Safety and Governance, Beijing, China（北京人工智能安全与治理研究院） 纠错

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

AI总结 研究以行人与车辆互动为代表，搭建实验平台，识别出人类社会规范的三项原则，将其融入人工智能显著改善人机协作，在闭环互动任务中，融入社会规范的大语言模型总分比基线策略高出近四倍，比人际互动高出43%。

Comments 44 pages, 5 figures, supplementary information included

Distributed Dynamic Associative Memory via Online Convex Optimization

通过在线凸优化实现分布式动态关联记忆

Bowen Wang, Matteo Zecchin, Osvaldo Simeone

机构 * Department of Engineering, King’s College London（伦敦国王学院工程系） ； Communication Systems Department, EURECOM（EURECOM通信系统部） ； Institute for Intelligent Networked Systems (INSI) at Northeastern University London（伦敦东北大学智能网络系统研究所） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 研究将关联记忆扩展到多智能体及时变数据流场景的分布式动态关联记忆问题，提出基于树的分布式在线梯度下降算法DDAM-TOGD，推导其性能保证并引入优化策略，实验证明该框架在动态分布式环境中有更高准确性和鲁棒性。

Progressive Crystallization: Turning Agent Exploration into Deterministic, Lower-Cost Workflows in Production

渐进式结晶：将代理探索转化为生产中确定性、低成本的工作流程

Arun Malik

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

AI总结 研究针对IT运营中AI代理成本高问题，提出渐进式结晶方法，通过三阶段执行分类法及证据提升机制，将代理探索转化为低成本工作流程，在生产云网络AIOps系统上评估效果良好，提升确定性执行、降低成本并提高安全性。

Comments Conference-style paper; 10 pages (estimated from manuscript formatting if applicable); focuses on agentic AI, AIOps, workflow automation, deterministic execution, and LLM cost optimization

Non-contact, Real-time, Heart-rate Measurement using Image Processing with Commodity Cameras and AI Agents

使用消费级相机和人工智能代理的图像处理进行非接触式实时心率测量

Kelly Li, Fulu Li

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

AI总结 本文利用消费级相机和图像处理开发非接触式实时心率测量系统，通过确定相机帧数、面部检测、时间滑动窗口算法去噪及基于信号周期性计算心率，经与Apple Watch测试分析，为未来健康监测提供新途径。

Comments 6 pages, 5 figures

The Harness Effect: How Orchestration Design Sets the Token Economics of Enterprise Agentic AI

驾驭效应：编排设计如何设定企业智能体人工智能的代币经济学

Muayad Sayed Ali, Aliaksandra Novik, Anji Boddupally, Artem Yavorskyi, Chris Nickerson, Daniel Rica, Emily DuGranrut, Felix Leung, Garrett Prince, Grace Barnett, Heath Robinson, Hosain Al Ahmad, Jesse Resnick, Juan Carlos Farah, Jyothi Swaroop Meruga, Leonid Kuznetsov, Luke Gorham, Marie Schmoll, Michael Paciullo, Saumya Das, Sharath Sheripally, Tommy Griscom, Mykyta Osadchyi, Neha Mantri, Nick Westrum, Olivia Benowitz, Parikshith Kulkarni, Radik Chernyshov, Rakshith Vasudev, Rohith Nadimpally, Vikas Gangadevi, Waseem AlShikh

机构 * Writer, Inc.（作家公司） 纠错

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

AI总结 研究智能体人工智能开发中代币最大化问题及应对方法，核心方法是通过控制交换实验凸显驾驭层作用，主要贡献为证明驾驭层可降低成本、提升效率和质量，且效率提升适用于所有模型，质量提升与模型强度相关。