AI Agent

AnovaX: A Local, Multi-Agent Voice Assistant with LLM Planning, Typed Executors, and Adaptive Recovery

AnovaX：一个具有大语言模型规划、类型化执行器和自适应恢复功能的本地多智能体语音助手

Raunak B Sinha

机构 * BITS Pilani（贝拉理工学院皮拉尼分校） 纠错

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

AI总结 研究桌面语音助手局限，提出AnovaX本地多智能体语音助手，通过Python进程连接多组件，含规划器、安全层等，各工具对应专用智能体类，有递归元智能体及自适应恢复循环，还介绍配套服务器功能，展示其独特优势。

CodeCoR: An LLM-Based Self-Reflective Multi-Agent Framework for Code Generation

CodeCoR：一种基于大语言模型的代码生成自反思多智能体框架

Ruwei Pan, Hongyu Zhang, Chao Liu

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

AI总结 研究针对代码生成中语言模型无法确保代码正确性及多智能体框架工作流性能不稳健的问题，提出CodeCoR框架，通过在不同阶段修剪中间输出减少错误传播，实验证明其优于现有基线。

BrainPilot: Automating Brain Discovery with Agentic Research

BrainPilot：通过智能研究实现大脑发现自动化

Haoxuan Li, Tianci Gao, Jianhe Li, Yang Fan, Runze Shi, Weiran Wang, Tianxiang Zhao, Zezhao Wu, Xiaoyang Jiang, Qihui Zhang, Jia Li, Xiao Xiao, Kai Du, Xiaoxuan Jia, Chao Xie, Lu Mi

机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； Shanghai Qizhi Institute（上海期智研究院） ； Business School, Renmin University of China（中国人民大学商学院） ； School of Physics, Beihang University（北京航空航天大学物理学院） ； School of Information and Software Engineering, University of Electronic Science and Technology of China（电子科技大学信息与软件工程学院） ； Behavioral and Cognitive Neuroscience Center, Institute of Science and Technology for Brain-Inspired Intelligence, Fudan University（复旦大学脑科学与智能技术研究院行为与认知神经科学中心） ； College of Engineering, Georgia Institute of Technology（佐治亚理工学院工程学院） ； School of Life Sciences & IDG/McGovern Institute for Brain Research, Tsinghua University（清华大学生命科学学院&清华-IDG/麦戈文脑科学研究院） ； School of Computing and Artificial Intelligence, Southwest Jiaotong University（西南交通大学计算机与人工智能学院） ； Weixian College, Tsinghua University（清华大学未央学院） ； Department of Psychological and Cognitive Sciences, Tsinghua University（清华大学心理学与认知科学系） 纠错

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

AI总结 研究针对脑科学研究整合证据难、人工智能代理有缺陷的问题，提出完全开源的多智能体系统BrainPilot，它有可追溯日志和验证结果，含知识库与技能库，经实验评估，其开源模型以低成本达先进框架性能。

When Do Multi-Agent Systems Help? An Information Bottleneck Perspective

多智能体系统何时发挥作用？信息瓶颈视角

Wendi Yu, Lianhao Zhou, Xiangjue Dong, Sai Sudarshan Barath, Declan Staunton, Byung-Jun Yoon, Xiaoning Qian, James Caverlee, Shuiwang Ji

机构 * Texas A&M University（德克萨斯A&M大学） ； Brookhaven National Laboratory（布鲁克海文国家实验室） 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 研究从信息瓶颈视角探讨多智能体系统（MAS）与单智能体系统（SAS）差异，指出MAS优势在有限中继时因压缩权衡产生，由参数β控制，通过实验验证，解释了有限智能体间通信何时有利有害。

CTC: The Composite Task Challenge for Cooperative Multi-Agent Reinforcement Learning

CTC：合作多智能体强化学习的复合任务挑战

Yurui Li, Yuxuan Chen, Xiaoli Yang, Shijian Li, Gang Pan

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

AI总结 针对合作多智能体强化学习中缺乏评估分工与合作基准任务的问题，提出复合任务挑战（CTC），基于特定原则构建任务，评估多种方法发现现有方法有局限，引入引导性方案虽证明可解但性能欠佳，凸显 CTC 对推进该领域研究的价值。

GraphDx: A Cost-Aware Knowledge-Enhanced Multi-Agent Framework for Sequential Diagnosis

GraphDx：一种用于顺序诊断的成本感知知识增强多智能体框架

Shaoting Tan, Ning Liu, Yuntao Du, Shuyue Wei, Wu Shuai, Qian Li, Yanyu Xu, Wei Zhang, Lizhen Cui, Haitao Yuan

机构 * Shandong University（山东大学） ； Nankai University（南开大学） ； East China Normal University（华东师范大学） ； National Technological University（国立科技大学） 纠错

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

AI总结 研究针对顺序诊断中平衡诊断准确性与资源成本的问题，提出GraphDx框架。该框架通过构建特殊知识图谱及引入协作智能体实现创新，实验表明其能显著提高诊断成功率并降低测试成本，为自动临床诊断提供有效方案。

Journal ref Findings of the Association for Computational Linguistics: ACL 2026, pages 21721-21736, 2026

ACPO: Agent-Chained Policy Optimization for Multi-Agent Reinforcement Learning

ACPO：面向多智能体强化学习的智能体链式策略优化

Daiki E. Matsunaga, Junho Na, Tri Wahyu Guntara, Scott Sanner, Pascal Poupart, Jongmin Lee, Kee-Eung Kim

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

AI总结 提出基于联合策略梯度精确分解的智能体链式策略优化（ACPO），通过序列化决策和信念机制实现独立智能体更新构成联合梯度步，在多机器人仓库等任务中优于强基线方法。

Comments Accepted at RLJ/RLC 2026

Crayotter: Traceable Multi-Agent Workflows for Long-Form Video Editing

Crayotter: 用于长视频编辑的可追踪多智能体工作流

Lecheng Yan, Yichong Zhang, Xiantao Xu, Jianze Lin, Ben Pan, Xiaoyu Zheng, Jiawei Qian, Anqi Wu, Jiahui Geng, Ruizhe Li, Fengyu Cai, Jingcheng Niu, Raymond Li, Wenxi Li, Chenyang Lyu

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出Crayotter，一个开源多模态多智能体系统，通过三阶段工作流（材料准备、基于工件的编辑研究、工具驱动的执行）实现长视频编辑的可追踪性和选择性修订，在人类评估中优于基线方法。

Comments 10 pages, 5 figures

A hierarchical memory architecture overcomes context limits in long-horizon multi-agent computational modeling

分层内存架构克服长期多智能体计算建模中的上下文限制

Shivendra G. Tewari, Holly Kimko

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

AI总结 研究针对大语言模型在长期多智能体计算建模中因无状态架构受限的问题，提出Ensemble QSP多智能体框架，其分层内存架构可保持上下文稳定，经测试能自主进行药代动力学 - 药效学模型选择，提升参数恢复能力，且架构与领域无关。

Comments 19 pages, 4 figures, 2 tables. Preprint submitted for publication

An Agent-Centric Dynamical Systems Perspective on Multi-Agent Reinforcement Learning

基于智能体中心动力系统视角的多智能体强化学习

James Rudd-Jones, María Pérez-Ortiz, Mirco Musolesi

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

AI总结 提出将多智能体强化学习训练建模为耦合随机动力系统，利用动力系统理论分析智能体行为的稳定性和敏感性，以应对随机性挑战。

HiLSVA: Design and Evaluation of a Human-in-the-Loop Agentic System for Scientific Visualization

HiLSVA：用于科学可视化的人机协同智能系统设计与评估

Kuangshi Ai, Patrick Phuoc Do, Chaoli Wang

机构 * Department of Computer Science and Engineering, University of Notre Dame（Notre Dame 大学计算机科学与工程系） 纠错

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

AI总结 提出HiLSVA，一种人机协同智能系统，通过计划优先的多智能体架构、显式人类监督和逐步溯源，支持混合主动的科学可视化工作流，增强而非替代人类分析推理。

Comments IEEE Transactions on Visualization and Computer Graphics (IEEE VIS '26)

Precise but Uncoupled: Reviewer Precision Does Not Guarantee Critique Uptake in Multi-Agent Math Reasoning

精确但未耦合：评审者的精确性并不能保证在多智能体数学推理中采纳批评意见

Chih-Hsuan Yang, Jingyan Jiang, Vikram Vasudevan, Cheng-Hau Yang, Huihuo Zheng, Le Chen, Eliu A. Huerta, Venkatram Vishwanath, Ian T. Foster, Rajeev Thakur

机构 * Argonne National Laboratory（阿贡国家实验室） ； Oregon State University（俄勒冈州立大学） ； University of Chicago（芝加哥大学） 纠错

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

AI总结 研究多智能体数学推理中评审者精确性与采纳批评意见的关系，通过对4181个问题测试发现，仅评审者精确性无法解释结果，广播式讨论有时效果更好，还探究了不同干预对结果的影响，指出以评审者为中心的评估可能高估系统质量。

Comments 48 pages, 20 figures, 25 tables. Public release website: https://huggingface.co/spaces/AgentsSci/scientific-agent-protocol-traces-site

Beyond Detection: Agentic Attack Synthesis and Simulation for Smart Contracts

超越检测：智能合约的代理攻击合成与模拟

Xianhao Zhang, Jing Sun, Zijian Zhang, Ye Liu, Zhe Hou, Jiaqi Gao, Yuqiang Sun

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

AI总结 研究智能合约漏洞利用验证问题，提出KASS多智能体框架，将自动利用生成分解为多阶段并集成多种机制，在多类智能合约上评估，能成功生成可执行利用及结构化攻击计划，验证效果优于其他工具。

A PI+R Control Scheme Based on Multi-agent Systems for Economic Dispatch in Isolated BESSs

基于多智能体系统的孤岛型电池储能系统经济调度PI+R控制方案

Yalin Zhang, Zhongxin Liu, Zengqiang Chen

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

AI总结 针对孤岛型电池储能系统经济调度中传统算法的缺陷，设计带重置机制的PI+R控制器，通过分析系统特征值、引入集中重置机制、给出驻留时间等方法，设计改进方案并经仿真验证其正确性。

Digital Pantheon: Simulating and Auditing Coalition Formation with LLM Agents

数字万神殿：使用大语言模型智能体模拟和审计联盟形成

Dylan Van Mulders, Matthias Bogaert, Dirk Van den Poel

机构 * Ghent University（根特大学） 纠错

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

AI总结 该研究针对政治联盟形成谈判，提出结合多种技术的多智能体框架，在弗拉芒选举中实施，通过引入相关拓扑、分数和检验使其可解释，模拟产生稳定结果，能可靠预测现实，提供了探索政党兼容性等的测试平台。

Comments 11 pages, 2 figures, 5 tables, To be published in the AIDEM Workshop proceedings of the ECML PKDD 2026 Conference

Evaluating Open-Weight LLMs for Generating Structured Threat Information for Autonomous Vehicle Vulnerabilities

评估开放权重语言模型用于生成自动驾驶车辆漏洞的结构化威胁信息

Md Erfan, Ahmed Ryan, Md Kamal Hossain Chowdhury, Md Rayhanur Rahman

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

AI总结 研究自动驾驶车辆漏洞相关结构化威胁信息生成问题，利用开放权重语言模型，通过构建CAV-STIXGen数据集评估11个模型，分析CWE和MITRE ATT&CK共现，展示AI辅助转换可自动化威胁情报并优先防御运输安全。

Comments 9 pages

PRISA: Proactive Infrastructure LiDAR Framework for Intersection Safety Assessment

PRISA：用于交叉路口安全评估的主动式基础设施激光雷达框架

Tam Bang, Hussam Abubakr, Emiliano de la Garza Villarreal, Truc Phuong Nguyen, Austin Harris, Toru Hirano, Mina Sartipi, Yunfei Xu, Hoang H. Nguyen

机构 * University of Tennessee at Chattanooga（田纳西大学查塔努加分校） 纠错

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

AI总结 研究针对城市交叉路口危险问题，提出PRISA框架，利用隐私保护、低光鲁棒的路边传感器，通过自动整理训练数据训练轨迹预测模型，进行连续运动预测和双重替代安全评估，经实验验证其在交叉路口安全监测方面具有实际可行性。

Comments Accepted for publication at the 2026 IEEE 29th International Conference on Intelligent Transportation Systems (ITSC 2026). 8 pages, 2 figures

Data-Native Global Optimization for Big Data K-means Clustering

大数据K均值聚类的数据原生全局优化

Ravil Mussabayev, Rustam Mussabayev, Zukhra Yerdaliyeva, Kuldeyev Nursultan

机构 * AI Research Lab, Satbayev University（人工智能研究实验室，萨特巴耶夫大学） ； Laboratory for Analysis and Modeling of Information Processes, Institute of Information and Computational Technologies（信息与计算技术研究所信息过程分析与建模实验室） 纠错

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

AI总结 针对大数据K均值聚类难题，提出Big-means++算法，通过策划输入实现可扩展性与全局搜索质量，利用遍历样本诱导景观、流动在位策略、新抖动机制及竞争多智能体系统等方法，经实验验证其有效性、效率和鲁棒性。

Physics-enhanced reinforcement learning for real-time optimal control of dynamical systems

用于动态系统实时最优控制的物理增强强化学习

Matteo Tomasetto, Nicolò Botteghi, Gabriele Bruni, Andrea Manzoni

机构 * Politecnico di Milano（米兰理工大学） ； MOX - Department of Mathematics, Politecnico di Milano（米兰理工大学数学MOX系） 纠错

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

AI总结 研究针对高维和参数化动态系统控制，提出物理增强强化学习（PEARL）范式，利用其动力学可微性，采用演员-伴随算法，经实验验证该方法能减少环境交互、样本效率高、可泛化并能扩展到高维空间。

LLM Latent Edge Measurement: Point-in-Time Economic Graphs for Quantitative Investing from Corporate Disclosures

大语言模型潜在边缘测量：基于公司披露的定量投资实时经济图谱

Fan Yang, Lin Zhang

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

AI总结 研究从公司披露文本构建公司网络，提出基于大语言模型的流程，应用于纳斯达克100指数成份股公司文件，生成含149条边的网络，经审计确认部分边有效，恢复跨行业关系，消融研究表明相关方法对网络质量有贡献。

Comments 9 pages, 4 figures and 4 tables

Symbolic Predicate-Guided Language Agents for Inverse Design of Perovskite Oxides

用于钙钛矿氧化物逆设计的符号谓词引导语言智能体

Dong Hyeon Mok, Seoin Back, Victor Fung, Guoxiang Hu

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

AI总结 研究钙钛矿氧化物逆设计，引入 DSL 引导策略，将自然语言规则转化为符号谓词，开发 ORCHESTRA 框架。该策略能增强 LLM 智能体推理能力，无需大量特定任务数据集或额外训练，提升材料设计性能。

Time-varying Mixing Matrix Design for Energy-efficient Decentralized Federated Learning

用于节能分散式联邦学习的时变混合矩阵设计

Xusheng Zhang, Tuan Nguyen, Ting He

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 研究针对无线网络中分散式联邦学习，设计混合矩阵以最小化节点最大能耗。基于新收敛定理提出多阶段设计框架，权衡能耗与收敛速度，平衡节点能耗，经真实数据评估验证了该方案结合稀疏与密集矩阵优势的有效性。

Network-Induced Strategic Communication in Opinion Dynamics

意见动态中的网络诱导战略通信

Hassan Munif, Anthony Couthures, Vineeth S. Varma, Samson Lasaulce, Tamer Başar

专题命中 多智能体 ：agent(abstract)

AI总结 研究意见动态中网络诱导的战略通信，通过加权影响网络上的战略通信博弈推导通信映射，证明网络对发送者影响由夸张因子概括，通信规则成行为机制，为CODA动态提供基础，还预测了说话者夸张与表达情况。

Comments This work has been submitted to the IEEE for possible publication

Clinical Audit Logs as Multi-Axial Traces of Care Delivery

临床审计日志作为护理交付的多轴轨迹

Braden Eberhard, Nate Apathy, Kevin Johnson

专题命中 多智能体 ：workflow(abstract)

AI总结 研究以电子健康记录审计日志为对象，将其视为多轴事件流，通过基础模型预训练学习可重复使用的表示，阐述了审计日志在表示学习、评估和治理方面的作用及相关规定。

Distributed Cooperative Control of BESSs in AC and DC Hybrid Microgrid and Its Energy Internet Paradigm

交直流混合微电网中电池储能系统的分布式协同控制及其能源互联网范式

Yalin Zhang, Zhongxin Liu, Zengqiang Chen

专题命中 多智能体 ：agent(abstract)

AI总结 研究交直流混合微电网中电池储能系统分布式协同控制，提出能源互联网范式下灵活可扩展控制框架，能实现荷电状态平衡等，通过添加或移除交互链路实现即插即用，经仿真验证方案正确性。

Distributed Continuous Aerial Surveillance by UAS Swarms Under Formal Mission Specifications

基于形式化任务规范的无人机群分布式连续空中监视

Hossein Rastgoftar

专题命中 多智能体 ：agent(abstract)

AI总结 研究在有界线性时态逻辑任务规范下无人机群的分布式连续空中监视，提出将团队分固定锚点和移动工作者，构建通信拓扑，证明协调动力学有限时间收敛，用信息论优化框架合成参考配置，实现持续监视覆盖及多种特性。

Precision positioning in free-space optical communication systems via PID control tuned by RL

基于强化学习调谐PID控制的自由空间光通信系统精确位置控制

K. Prikhodko, S. Kuznetsov, S. Vorobey, A. Katanskiy, V. Balakirev, A. Reutov

专题命中 多智能体 ：agent(abstract)

AI总结 研究自由空间光通信系统中光学组件精确位置控制问题，采用深度确定性策略梯度（DDPG）智能体调谐PID控制器，经实验表明其在动态定位任务中有潜力，不同目标轨迹下效果有差异，需多模式优化。