AI Agent

The Dynamic Verifiable Multi-Agent Human Agentic Loyalty Loop (DVM-HALL) Model and the Net Human-Agent Score (NHAS) in Autonomous Commerce

自主商业中的动态可验证多智能体人类智能忠诚循环（DVM-HALL）模型与净人机分数（NHAS）

Sai Srikanth Madugula, Peplluis Esteva de la Rosa, Daya Shankar

机构 * School of Technology, Woxsen University（沃森大学技术学院） ； Universitat de Girona（格尔纳达大学） ； School of Sciences, Woxsen University（沃森大学科学学院） 纠错

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

AI总结 研究人工智能发展下传统客户忠诚度范式受扰问题，提出动态可验证多智能体人类智能忠诚循环（DVM-HALL）模型，通过特定公式及机制确定品牌选择、校准信任等，还引入净人机分数（NHAS）并给出实证验证计划，为品牌应对转变提供理论。

Beyond tokens: a unified framework for latent communication in LLM-based multi-agent systems

超越Token：基于LLM的多智能体系统中潜在通信的统一框架

Yingzhuo Liu

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 提出一个三维统一框架（通信内容、发送-接收对齐、信息融合方式），系统分类2024-2026年间18种潜在通信方法，识别五种设计模式并揭示开放挑战。

Multi-Agent Collaborative Reasoning with Tool-Augmented Evidence for Urban Region Profiling

基于工具增强证据的多智能体协作推理用于城市区域剖析

Xixuan Hao, Yutian Jiang, Jiabo Liu, Yihang Yang, Guangyin Jin, Song Gao, Yuxuan Liang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Washington（华盛顿大学） ； Chang’an University（长安大学） ； 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)；agentic(abstract)；分类 cs.AI

AI总结 研究针对城市区域剖析问题，提出UrbanAgent框架，通过多智能体协作推理解决跨模态不一致，将指标预测扩展为闭环过程，经实验验证其性能优于现有基线，在未见城市设置中有强泛化性。

Comments Accepted by KDD 2026

Interaction Protocol Shapes Moral Judgment in Multi-Agent Debate

辩论动态与价值对齐在大语言模型辩论中

Pratik S. Sachdeva, Tom van Nuenen

机构 * D-Lab University of California, Berkeley（D-Lab 加州大学伯克利分校） 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 研究通过LLM辩论探讨多轮设置中模型的辩论动态与价值对齐，发现不同模型在同步和轮转结构下的行为差异及价值倾向。

Too Polite to Disagree: Understanding Sycophancy Propagation in Multi-Agent Systems

过于礼貌而不反驳：理解多智能体系统中的趋炎附势传播

Vira Kasprova, Amruta Parulekar, Abdulrahman AlRabah, Krishna Agaram, Ritwik Garg, Sagar Jha, Nimet Beyza Bozdag, Dilek Hakkani-Tur

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 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 研究探讨多智能体系统中趋炎附势行为的影响，通过实验发现提供趋炎附势先验信息可减少影响、缓解错误连锁反应并提升讨论准确性。

Journal ref Proceedings of the 27th Annual Meeting of the Special Interest Group on Discourse and Dialogue (SIGDIAL 2026), pages 795-814, Association for Computational Linguistics

Benefits and Limitations of Communication in Multi-Agent Reasoning

多智能体推理中通信的益处与局限性

Michael Rizvi-Martel, Satwik Bhattamishra, Neil Rathi, Guillaume Rabusseau, Michael Hahn

机构 * Mila & Université de Montréal（Mila与蒙特利尔大学） ； University of Oxford（牛津大学） ； Stanford University（斯坦福大学） ； Saarland University（萨尔兰大学） 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 研究多智能体推理中通信的益处与局限，提出理论框架分析其表达能力，应用于三个算法族，得出相关界限，通过实验验证关键量权衡，为设计可扩展多智能体推理系统提供指导。

Comments 34 pages, 14 figures

SoftBoard: A Multi-Agent Tool for the Creation and Evaluation of Low-Fidelity Prototypes

SoftBoard：用于创建和评估低保真原型的多智能体工具

Gabriel R. S. Scapim, Gislaine C. L. Leal, Guilherme C. Guerino

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

AI总结 针对软件初创公司环境下数字产品用户体验问题，介绍SoftBoard工具，它集成原型编辑器、团队项目组织和基于大语言模型的多智能体系统，可支持需求获取、自动生成原型及评估界面质量，助力构建符合用户需求的MVP。

Comments Paper accepted for publication at CBSoft 2026 (SBES-Tools)

Source or It Didn't Happen: A Multi-Agent Framework for Citation Hallucination Detection

来源或未发生：一种用于引用伪造检测的多智能体框架

Mingzhe Li, Zhiqiang Lin, Shiqing Ma

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； The Ohio State University（俄亥俄州立大学） 纠错

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

AI总结 本文提出CiteTracer多智能体框架，通过12种分类体系检测引用伪造，利用PDF和BibTeX提取结构化引用，结合缓存查找、URL获取等方法验证，实现97.1%的准确率。

NetForge RL: A Multi-Agent Simulation Environment for Cyber Defense with Durative Actions

事件驱动的时间图网络用于NetForge_RL中的异步多智能体网络防御

Igor Jankowski

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CT-GMARL方法，通过固定步长神经微分方程处理非规则采样警报，解决多智能体强化学习在仿真到现实转换中的瓶颈问题，实验证明其在连续时间POSMDP中的有效性。

Comments 7 pages

MASPRM: Multi-Agent System Process Reward Model

MASPRM：多智能体系统过程奖励模型

Milad Yazdani, Mahdi Mostajabdaveh, Zirui Zhou, Ying Xiong

机构 * Department of Electrical and Computer Engineering, University of British Columbia（英属哥伦比亚大学电气与计算机工程系） ； Huawei Technologies Canada（华为技术加拿大公司） 纠错

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

AI总结 MASPRM通过过程奖励模型在多智能体系统推理中提升搜索效率和质量，提高Hit@1和排序质量。

A Survey on Hypergame Theory: Modelling Misaligned Perceptions and Nested Beliefs for Multi-Agent Systems

关于超博弈理论的综述：为多智能体系统建模错位感知与嵌套信念

Vince Trencsenyi, Agnieszka Mensfelt, Kostas Stathis

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

AI总结 本文综述了超博弈理论在多智能体系统中的应用，分析了其建模错位感知与嵌套信念的能力及现有研究中的趋势与挑战。

COLMAR: Cooperative View Policy Learning for Multi-Agent Active 3D Reconstruction

COLMAR：用于多智能体主动3D重建的协作视图策略学习

Phu Pham, Damon Conover, Aniket Bera

机构 * Purdue University（普渡大学） ； DEVCOM Army Research Laboratory（陆军研究实验室） 纠错

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

AI总结 研究多智能体主动3D重建中协调效率低的问题，提出COLMAR框架，将视点分配作为共享策略优化，用参数共享PPO训练，结合3DGS重建，实验表明相比基线在传感预算匹配时重建精度和覆盖率显著提升。

Comments 8 pages, 5 figures, IROS 2026

JW-ASTClaw: A Generalizable Multi-Agent Framework for Autonomous Solar Telescope and Its Implementation within Chinese Meridian Project

JW-ASTClaw：一种用于自主太阳望远镜的通用多智能体框架及其在中国子午工程中的实现

Li-Yue Tong, Jia-Ben Lin, Yuan-Yong Deng, Ying-Zi Sun, Ming-Fu Shao, Hui Wang, Chen Yang

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

AI总结 研究将大语言模型驱动的自主控制系统部署在太阳望远镜上，采用多智能体框架及解耦三层架构，通过感知智能体编码专业知识，经中央推理引擎处理，实现实时自适应调度，跨季节验证效果良好，提升了观测等多方面能力。

Comments 17 pages, 6 figures,

Real-time adaptive quantum error correction by model-free multi-agent learning

通过无模型多智能体学习实现实时自适应量子纠错

Manuel Guatto, Francesco Preti, Michael Schilling, Tommaso Calarco, Francisco Andrés Cárdenas-López, Felix Motzoi

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

AI总结 研究针对现实硬件中错误通道随时间漂移的问题，提出将量子纠错分为离线码发现和在线自适应的统一框架，利用多智能体强化学习和BRAVE实现“发现一次，持续适应”策略，有效降低逻辑不忠实度并扩展噪声鲁棒性。

SPINE: Bridging the Cyber-Physical Gap with Agentic AI

SPINE：用智能体人工智能弥合网络物理差距

Minkyu Ham, Dongho Kim, Chan Lee, Jiayi Wang, Min Jun Kim, Yixi Zhang, Guo Ye, Jihai Zhao, Soyeon Park, Han Liu

机构 * Northwestern University（西北大学） 纠错

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

AI总结 研究针对机器人智能部署到物理平台存在的校准瓶颈，提出SPINE框架。该框架含两个多智能体工作流程，经实验验证，能跨双臂平台转移，减少对专家校准的依赖，提高操作成功率，缩短遥操作时间，推动具身人工智能向实际部署发展。

The Agentic Web Requires New Normative Infrastructure

代理网络需要新的规范基础设施

Cameron Pattison, Matthew Boulos, Noam Kolt, Changbai Li, Tiziano Piccardi, Seth Lazar

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

AI总结 本文指出，用户通过AI代理与互联网交互的代理网络虽已技术可行，但过时的法律和服务条款阻碍了其发展，呼吁建立新的法律、规范和惯例来规范代理访问，并倡导政策以允许用户授权的代理在线行动。

Comments 1 figure

Design of policy digital twins incorporating multi-level agent based modelling

包含基于多智能体建模的政策数字孪生设计

Matt Tipuric, Alejandro Beltran, Nick Malleson, Dani Arribas-Bel, David Wagg

专题命中 多智能体 ：agent(title,abstract)

AI总结 探讨政策数字孪生应用缓慢问题，阐述利用基于多智能体建模纳入人类行为影响，介绍针对政策用例的数字孪生设计方法，以助力英国市议会实施能源转型政策为例，展示设计成果并讨论其有效性及对未来架构的影响。

AI-accelerated End-to-End Framework for Rapid Professional Upskilling

用于快速专业技能提升的人工智能加速端到端框架

Tam Nguyen, Hung Nguyen, Robert Ogburn

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

AI总结 研究旨在解决工人技能提升时间长且现有框架缺乏行业验证的问题，提出人工智能加速的端到端框架，涵盖知识获取等五个阶段，通过三个外部信号验证，如获专业机构认可、学习者快速通过考试及支持复杂分析。

Comments 6 pages, 1 figure, 1 table

Explaining Reinforcement Learning Agents via Inductive Logic Programming

通过归纳逻辑编程解释强化学习智能体

Celeste Veronese, Edoardo Zorzi, Daniele Meli, Alessandro Farinelli

机构 * University of Verona（维罗纳大学） ； Sapienza University of Rome（罗马第一大学） 纠错

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

AI总结 该研究致力于推进可解释强化学习，引入客观指标量化策略可解释性。采用归纳逻辑编程提取符号表示并定义新指标，实验表明这些指标能突出特定动作学习动态，提供细粒度洞察，揭示多智能体模式，助力策略转移与泛化。

Discovering Ordinary Differential Equations with LLM-Based Qualitative and Quantitative Evaluation

基于LLM的定性与定量评估的常微分方程发现

Sum Kyun Song, Bong Gyun Shin, Jae Yong Lee

机构 * Department of Artificial Intelligence, Chung-Ang University, Seoul, Republic of Korea（韩国首尔 Chung-Ang 大学人工智能系） ； Daejin University, Pocheon, Republic of Korea（韩国坡州市 Daejin 大学） 纠错

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

AI总结 本文提出DoLQ方法，通过多智能体架构结合LLM进行定性与定量评估，实现常微分方程的发现，实验表明其在多维ODE基准测试中性能优于现有方法。

Comments Accepted at ICML 2026

Journal ref International Conference on Machine Learning 2026

Task-Oriented Sensing and Covert Transmissions for Collaborative Multi-AUV Systems

协作多自主水下航行器系统的面向任务感知与隐蔽传输

Xueyao Zhang, Chenyang Yan, Bo Yang, Xuelin Cao, Zhiwen Yu, Bin Guo, George C. Alexandropoulos, Merouane Debbah, Chau Yuen

机构 * School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机科学学院） ； School of Cyber Engineering, Xidian University（西安电子科技大学网络空间安全学院） ； Harbin Engineering University（哈尔滨工程大学） ； Department of Informatics and Telecommunications, National and Kapodistrian University of Athens（雅典国立卡波迪斯特里亚大学信息与电信系） ； KU 6G Research Center, Department of Computer and Information Engineering, Khalifa University（哈利法大学KU 6G研究中心计算机与信息工程系） ； CentraleSupelec, University Paris-Saclay（巴黎萨克雷大学中央理工学院） ； School of Electrical and Electronics Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院） 纠错

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

AI总结 针对水下隐蔽协作任务中AUV信息获取与通信问题，提出SVR-MARL框架，利用实际信息刻画信息效用，在通信和隐蔽约束下学习协作策略，通过案例研究证明其能提高协作效率、降低通信与暴露风险。

When Bots Join the Team: Bot Adoption and the Institutional Fabric of Open-Source Software Projects

当机器人加入团队：机器人的采用与开源软件项目的制度架构

Yongren Shi, Wenyi Gong

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

AI总结 研究开源软件中机器人加入团队的问题，通过检查多个GitHub项目，衡量相关能力和结果，发现采用机器人后有更多协作等变化，虽非因果效应，但结果符合特定解释，即机器人可成社区社会基础设施一部分。

How Far Can Root Cause Analysis Go on Real-World Telemetry Data?

根因分析在实际遥测数据上能走多远？

Athira Gopal, Ashwanth Krishnan

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

AI总结 研究生产微服务故障根因分析难题，提出结构化多智能体RCA管道，性能超现有方法。引入反向推理智能体和自动规则挖掘管道，发现故障证据多，瓶颈在智能体推理能力，模型推理和领域知识是主要限制，进步需模型改进。

Incentive Design with Spillovers

存在外部效应的激励设计

Krishna Dasaratha, Benjamin Golub, Anant Shah

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

AI总结 本文研究了存在外部效应的激励设计问题，通过网络博弈方法提出最优激励分配机制，探讨了个体能力与协作性补偿及互补性对支付分散的影响。

Towards quantum machine learning for assessing the resilience of post-quantum cryptography

迈向用于评估后量子密码学弹性的量子机器学习

Jarosław A. Miszczak

机构 * Institute of Theoretical and Applied Informatics（理论与应用信息研究所） ； Polish Academy of Sciences（波兰科学院） 纠错

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

AI总结 研究尝试利用量子生成对抗网络（QGANs）评估后量子密码学弹性，通过将基于哈希数字签名概率分布加载到量子计算机内存的示例应用，证实近期混合量子 - 经典方法有此能力，为利用量子计算攻击后量子密码原语迈出第一步。

Comments 14 pages, 7 figures, version accepted for ICCS 2026

Journal ref Lecture Notes in Computer Science, vol 16789 (2026)

Active Trust Management for Successful Human-Robot Teaming: Moving from a Trust Repair to a Trust Satisficing Perspective

用于成功人机协作的主动信任管理：从信任修复到信任满意视角

Nicola Webb, Edmund R. Hunt

专题命中 多智能体 ：agent(abstract)

AI总结 探讨人机协作中信任管理问题，提出从信任修复到信任满意的视角，给出含信任代理指标在线测量、机器人行为闭环自适应等的信任管理框架，通过相关实验及新度量为成功人机协作提供前提。