AI Agent

ContractHIL-HLS: Contract-Aligned Multi-Agent Workflow with Hardware-in-the-Loop Feedback for HLS Design

ContractHIL-HLS：用于HLS设计的具有硬件在环反馈的合同对齐多智能体工作流

Jingbo Zhang, Haoxiang Sun, Wenbo Wang, Wenbo Zhang

机构 * BJUT-CS316-LAB（北京工业大学CS316实验室） 纠错

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

AI总结 研究针对实际HLS工程提出ContractHIL-HLS工作流，通过引入结构化合同、纳入硬件信息及分解智能体实现多方面改进，经实验验证其在HLS-Eval任务及板级测试中均有良好效果，提高了设计通过率并优化运行时间。

Shared Voxel-Map-Based Cooperative Indoor UAV Guidance with a Multi-Agent Soft Actor-Critic Controller

基于共享体素地图的多智能体软演员-评论家控制器协同室内无人机导航

Thomas Hickling, Dylan Wynne, Yu Su, Nabil Aouf

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

AI总结 研究室内无人机协同导航问题，提出结合共享体素地图与多智能体软演员-评论家控制器的框架，多无人机融合LiDAR观测构建地图并提供给各智能体，模拟中控制器成功率达90.3%，经微调后在现实实验中实现稳定协同操作，证明该地图表示有效且可扩展。

Comments 11 pages, 17 figures

Cardiologent: Multi-Agent Clinical Decision Support for Patient-Level Arrhythmia Assessment, Urgency, and Management

Cardiologent：用于患者级心律失常评估、紧急情况和管理的多智能体临床决策支持

Sukju Oh, Moo-Yong Rhee, Jae-Sik Jang, Sukkyu Sun

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

AI总结 研究针对患者级心律失常决策支持问题，提出多智能体系统Cardiologent，每个信号对应智能体基于测量特征读取数据，整合为心律概况并对照指南推理，经评估在多方面表现最佳，使决策可审核，向连续监测迈进。

Comments 21 pages, 8 figures

Runtime Uncertainty Monitoring for LLM-Based Multi-Agent Systems Using Bayesian Networks

基于贝叶斯网络的基于大语言模型的多智能体系统的运行时不确定性监测

Bart Custers, Koorosh Aslansefat

机构 * University of Hull（赫尔大学） 纠错

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

AI总结 研究基于大语言模型的多智能体系统在精算风险建模中的不确定性量化，提出含中央枢纽的多智能体框架，用令牌级对数概率和贝叶斯网络进行不确定性传播，再现基线性能并提供工作流稳定性等见解。

Comments This paper got accepted for Ninth International Workshop on Artificial Intelligence Safety Engineering (WAISE 2026): https://www.waise.org/

OrchBench: Evaluating Multi-Agent Orchestration Plans in Isolation via Deterministic Simulation

OrchBench：通过确定性模拟单独评估多智能体编排计划

Zhenzhen Ren, Jiyan He, Xinpeng Zhang, Zhenxing Qian, Ke Han, Shuxin Zheng, GuoBiao Li, Xiaoqing Zhang

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

AI总结 研究多智能体编排计划评估问题，提出OrchBench基准，通过构建有向无环图及确定性模拟单独评估编排计划，模拟分数与Claude Code执行高度相关且资源需求少，为比较和诊断编排计划提供有效基准。

RadioMaster: Multi-Agent System for Autonomous Radio Signal Generation

RadioMaster: 自主无线电信号生成的多智能体系统

Jiazhen Lei, Yuxin Sha, Tianze Cao, Sihan Wang, Bingbing Wang, Zeming Yang, Fengyuan Zhu, Xiaohua Tian

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)；planning(abstract)；分类 cs.AI

AI总结 提出RadioMaster，一个全自主的多智能体框架，通过RadioWiki、RadioAgent和RadioEmulator三大支柱，将用户意图转化为真实无线信号，解决现有模型因领域知识和硬件约束敏感性不足而无法生成无线电信号的问题。

Towards Faithful Sentimental Image Captioning via Evidence-Aware Multi-Agent Reasoning

通过证据感知多智能体推理实现忠实的情感图像字幕生成

Tiecheng Cai, Zexian Yang, Chao Chen, Shanshan Lin, Xiangwen Liao

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

AI总结 研究情感图像字幕生成中平衡情感表达与视觉保真度的问题，提出SEA-Cap系统，通过情感证据挖掘器提取线索，利用多智能体协作工作流程，依视觉证据审核完善字幕，有效减轻幻觉并达最优性能。

Toward an Organizational Science of Multi-Agent LLM Systems: Decoupling Who, How, and Which Algorithm

迈向多智能体大语言模型系统的组织科学：解耦谁、如何以及使用哪种算法

Huan Chen, Xiang Song, Jian Jin, Pan Ren, Liang-Jie Zhang

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

AI总结 研究多智能体大语言模型系统中组织、协调与协作协议问题，IMACS 将三者分离，通过对照比较和自适应组织路由学习协议，揭示责任分配位置影响结果，强调组织设计需依模型重新验证或学习。

Comments 8 pages, 2 figures

MARS: Multi-Agent Re-ranking for Repeat-Order Food Delivery Recommendation

MARS：用于重复订单食品配送推荐的多智能体重排

Jiahao Tian, Zhenkai Wang

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

AI总结 研究针对重复订单食品配送推荐，提出MARS模块化多智能体重排框架，分两阶段推荐，结合多种信号与推理。通过实验评估，贡献包括给出集成框架、证明预训练主干结合轻量级检索有竞争力、建立可重现评估设置。

Early Detection of Distributed Backdoors in Multi-Agent LLM Systems: A Characterization Study

多智能体大语言模型系统中分布式后门的早期检测：一项特征研究

Diego Fernandez Arias, Dev Prashant Mistry, Ren Wang, Yibo Hu

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系统中分布式后门早期检测，构建分层多智能体系统实例，通过记录片段注入及载荷组装执行时间来检测。前缀检测器能较早标记多数成功攻击，部分检测器依赖表面线索，微调模型可减少线索去除后的损失。

AlphaCrafter: Harnessing Multi-Agent Workflows for Cross-Sectional Quantitative Trading

AlphaCrafter：一个跨截面量化交易的全栈多智能体框架

Yishuo Yuan, Jiayi Sheng, Sirui Zeng, Jiaqi Wang, Jiaheng Liu

机构 * Nanjing University（南京大学） 纠错

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

AI总结 AlphaCrafter通过连续适应的因子到执行管道，整合因子发现、制度适应选择和风险约束执行，实现跨截面量化交易的鲁棒性能。

Comments Submitted to AAAI 2027

Cooperative Multi-UAV Navigation in Complex Environments via Systematic Multi-Agent Deep Reinforcement Learning

通过系统多智能体深度强化学习实现复杂环境下的多无人机协同导航

Yu Su, Nabil Aouf

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

AI总结 针对复杂环境下多无人机协同导航面临的问题，提出多智能体深度强化学习框架，通过协同探索等方法解决，含感知、示范缓冲区和课程调度机制，能抽象特征实现跨场景转移，经仿真验证有良好性能。

Comments 13 pages, 7 figures

MR-TGN: A Meta-Role Temporal Graph Network for Team-Level Intent Prediction in Multi-Agent Systems

MR-TGN：用于多智能体系统中团队级意图预测的元角色时间图网络

Nagarani Brammanayagam, Devaprakash Muniraj

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

AI总结 针对多智能体系统集体意图预测难题，提出MR-TGN框架。它将智能体建模为动态图实体，用时间记忆机制编码交互行为，引入记忆增强元角色学习机制，无需明确角色标签，实验证明该框架能有效实现早期集体意图预测。

VPR-Evolve: Multi-Agent-Driven Algorithm Evolution for FPGA Place and Route

VPR-Evolve：用于FPGA布局布线的多智能体驱动算法进化

Qihang Wu, Taizun Jafri, Aman Arora, Vidya A. Chhabria

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

AI总结 研究针对CAD工具固定算法在不同电路设计效果不佳的问题，提出VPR-Evolve多智能体框架，通过进化VPR源代码优化布局布线。经实验，相比原始VPR和超参数调整基线，该框架在关键路径延迟、布线线长和工具运行时等方面有显著提升。

ARCHER: Agentic Rule and Compliance Harness for Executable Regulations

ARCHER：用于可执行法规的智能规则与合规框架

Chiraag Singh Anand, Xue Wen Tan, Lionel Teo, Eric Tan

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

AI总结 研究针对建筑合规验证难题，提出ARCHER这一测试驱动、确定性编排的多智能体程序合成框架，能从法规代码生成验证代码，经评估其在多骨干模型上准确率高，成本-准确率分析显示可降低成本实现数据主权合规检查。

SAGE: Stochastic Prompt Optimization via Agent-Guided Exploration

SAGE: 基于智能体引导探索的随机提示优化

Ziyi Zhu, Luka Smyth, Saki Shinoda, Jinghong Chen

机构 * Slingshot AI ； Department of Engineering, University of Cambridge（剑桥大学工程系） 纠错

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

AI总结 提出随机提示优化框架SPO，其中SAGE方法通过多智能体诊断代码执行实现黑盒搜索，在多个基准测试中表现依赖于错误类型，并在心理健康聊天机器人中通过连续优化显著提升次日留存率。

SAFAARI: Schema-Aware Framework for Accelerated Advertiser Response Intelligence

SAFAARI：用于加速广告商响应智能的模式感知框架

Bhanu Teja Rangaraju, Chandan Kumar

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

AI总结 SAFAARI是用于加速广告商响应智能的多智能体框架，通过专门智能体解决NL-to-SQL系统模式链接瓶颈，引入SEAL评估性能。实验显示其SEAL分数达81.66%，开发时间减少8倍，经专家评估有效，提升了自助服务能力，助力复杂数据生态企业。

How Affect Propagates among LLM Agents: Emergent Emotional Contagion in Crowd Simulation

情感如何在大语言模型智能体之间传播：人群模拟中的涌现情感传染

Funda Durupinar

机构 * University of Massachusetts（马萨诸塞大学） 纠错

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

AI总结 研究多智能体人群模拟中情感传播，通过感知 - 评估 - 表达循环及借鉴相关模型构建架构，在多场景评估，揭示情感传染动态，包括警报扩散、个性影响等，还发现评估步骤动态依赖后端。

Comments 31 pages, 14 figures

OPERA: Offline Policy-guided Expert Routing and Adaptation for Universal Biomedical Image Analysis

OPERA：用于通用生物医学图像分析的离线策略引导专家路由与适应

Zihan Li, Feiyang Liu, Dandan Shan, Ruibo Wang, Qingqi Hong

机构 * University of Washington（华盛顿大学） ； Delft University of Technology（代尔夫特理工大学） ； Xiamen University（厦门大学） 纠错

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

AI总结 研究针对生物医学图像分析中分布变化阻碍模型部署的问题，提出OPERA多智能体集成框架，通过离线策略学习专家权重分配，结合多种机制协调智能体，经多数据集评估，有效提升性能与校准质量，为可部署生物医学AI提供实用路径。

Comments Accepted by ACM MM 2026. 18 pages

The AI Wave and the Reinvention of Game Discovery: Oversupply, Structural Correction, and Agentic Player-Game Matching

人工智能浪潮与游戏发现的重塑：供应过剩、结构调整与智能玩家-游戏匹配

Brian Dean Madanamootoo

专题命中 多智能体 ：agentic(title)

AI总结 探讨人工智能带来的游戏供应过剩问题，通过量化供应冲击、比较历史分析及分析自然实验，研究其是市场崩溃还是结构调整，以及所需发现基础设施，为游戏市场发展提供参考。

CADENCE: Predicting Realized MAPF Execution Time Beyond Sum of Costs

CADENCE：预测实际MAPF执行时间超越成本总和

Abhishek Seetharamu, Badrikanath Praharaj, Sreeram MV

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 提出CADENCE框架，通过分析原始运动负担和交互感知协调特征，发现原始运动负担能显著提高多智能体路径规划执行时间的预测精度，超越传统成本总和指标。

Comments 7 pages, 4 figures, 3 tables and this paper was accepted at Multi-Agent Robotic Systems: Real-World Collaboration and Interaction a workshop at the international conference of robotics and automation (ICRA 2026)

Pictura: Perspective-View Self-Play at Scale for Driving

Pictura：用于驾驶的大规模视角自博弈

Yuan Yin, Elias Ramzi, Marc Lafon, Valentin Charraut, Victor Bares, Yihong Xu, Éloi Zablocki, Alexandre Boulch, Thibault Buhet, Andrei Bursuc, Matthieu Cord

机构 * Valeo Brain（法雷奥智能大脑公司） ； Sorbonne Université, CNRS, ISIR（索邦大学、法国国家科学研究中心、智能系统与机器人研究所） 纠错

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

AI总结 研究针对驾驶模拟中自博弈存在的问题，提出建立视角自博弈训练机制，介绍GPU加速模拟器Pictura，通过普通PPO自博弈训练出Alberti策略，无需特权观测，性能接近且能零样本迁移优于特权矢量化策略。

To What Extent Can Inherent Communication Noise Guarantee Privacy in Distributed Cooperative Control?

固有通信噪声在多大程度上能保证分布式协同控制中的隐私性？

Yuwen Ma, Sarah Spurgeon, Tao Li, Boli Chen

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

AI总结 研究多智能体系统中固有通信噪声能否保证隐私，通过建立通信噪声模型，设计分布式LQR机制，以保护智能体私有控制偏好实现编队跟踪，提供差分隐私保证，验证了理论结果及隐私 - 性能权衡。

Sense it with your eyes: Sensation Generation and Understanding for Advertisements

用眼睛感知：广告的感官生成与理解

Aysan Aghazadeh, Sina Malakouti, Adriana Kovashka

机构 * University of Pittsburgh（匹兹堡大学） 纠错

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

AI总结 研究广告视觉唤起感官问题，引入感官广告数据集和分类任务，提出SenseScore评估指标，介绍感官广告生成任务及SAGA多智能体框架，为感官感知视觉说服奠定基础。

Optimization of Collaborative Semantic Communication Network Performance with Channel and Content Preference Feedback

基于信道和内容偏好反馈的协作语义通信网络性能优化

Defeng Zhou, Dongyu Wei, Siyao Li, Mingzhe Chen

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

AI总结 针对现有语义通信框架问题，提出含基站与用户协作及反馈机制的语义通信框架，通过优化子信道等减少原始与再生图像语义加权均方误差，提出VDAC-DNC方案提升性能，相比其他方法有显著提高。

The fractal geometry of opinion formation

意见形成的分形几何

Fei Cao, Roberto Cortez

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

AI总结 本文研究了基于代理的意见动力学模型，揭示了其在大规模人口极限下的自相似结构，扩展了伯努利卷积在分形几何中的应用。

Comments 38 pages, 4 figures

A Human-in-the-Loop Corpus for LLM-Based Simplification of Scientific Summaries

用于基于大语言模型的科学摘要简化的人工参与语料库

Kyuri Im, Michael Färber

机构 * ScaDS.AI, Technische Universität Dresden（ScaDS.AI，德累斯顿工业大学） 纠错

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

AI总结 研究基于大语言模型的科学文本简化，提出人工参与工作流程，先以GPT-4o-mini生成基线简化，再经不同阶段读者与专家反馈编辑，发布语料库及评估结果，支持跨学科科学交流简化系统相关工作。

Comments Accepted at FGWM@KI2026

Everyone is unique: Towards Behaviorally Heterogeneous Negotiation Dialogue Systems for Debt Collection

每个人都是独特的：迈向用于债务催收的行为异质性协商对话系统

Yuhang Yang, Kai Tang, Chao Ye, Haobo Wang, Qiqi Luo, Jinguang Zheng, Zhixin Zhang

机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 针对债务催收场景中现有基准无法体现用户行为异质性的问题，提出DebtBench基准并开发DebtGPT代理，用16个先进LLMs实验，发现多数模型表现不佳，DebtGPT优于开源基线且性能与GPT-4o相当。