AI Agent

Multi-Agent Debate Strategies: Survey, Taxonomy, and Challenges

多智能体辩论策略：综述、分类与挑战

Quim Motger, Marc Oriol, Jordi Marco, Xavier Franch

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

AI总结 本文通过对141项多智能体辩论研究的系统综述，提出三维分类法，揭示领域默认采用狭窄设计模式的问题，将分类法定位为研究图谱与基准框架，未来拟形式化为可执行规范以优化辩论配置。

Comments Under review at ACM Computing Surveys

UrbanDS: A Graph-Guided LLM Multi-Agent System for Data-Intensive Urban Tasks

UrbanDS：一种用于数据密集型城市任务的图引导大语言模型多智能体系统

Zhilun Zhou, Jianghao Yu, Yuming Lin, yongjun yang, Sun Yongquan, Depeng Jin, Yong Li

机构 * Tsinghua University（清华大学） ； Jiangmen Municipal Smart Social Governance Technology Innovation Center（江门市智慧社会治理技术创新中心） 纠错

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

AI总结 本研究针对数据密集型城市任务中现有LLM智能体依赖有限数据集的问题，提出图引导多智能体系统UrbanDS，构建基准UrbanDS-Bench验证其性能，该系统已在武汉东西湖城市平台落地应用。

AdaMARP: An Adaptive Multi-Agent Interaction Framework for General Immersive Role-Playing

AdaMARP: 一种自适应多智能体交互框架用于通用沉浸式角色扮演

Zhenhua Xu, Dongsheng Chen, Shuo Wang, Jian Li, Chengjie Wang, Meng Han, Yabiao Wang

机构 * Zhejiang University（浙江大学） ； Tencent Youtu Lab（腾讯优图实验室） 纠错

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

AI总结 AdaMARP提出了一种自适应多智能体交互框架，通过沉浸式信息格式和显式场景管理器提升角色扮演的沉浸感和适应性，实验表明其在角色一致性、环境基础性和场景转换等方面优于现有系统。

Comments ACL2026 Findings

Two Calls Beat Five Agents: Evaluating Multi-Agent Pipelines Against Self-Refinement for Local Language Models

两次调用胜过五个智能体：针对本地语言模型的多智能体流水线与自我优化的评估

Ashish Prajapati, Om Mohite

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

AI总结 本研究对比多智能体流水线与自我优化方法，发现针对本地7B模型，两次调用自我优化在GSM8K表现更优且令牌用量低，经任务感知重设计后在HumanEval也能维持高准确率，简单方法优于多智能体架构。

Do Latent Channels Actually Communicate? A Causal Audit of Latent Multi-Agent LLM

隐通道真的在通信吗？隐式多智能体大语言模型的因果审计

Huixiang Zhang, Mahzabeen Emu

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

AI总结 本研究针对隐式多智能体LLM提出因果审计方法，通过受控消息替换揭示隐式通信的作用机制，发现不同规模Qwen模型在不同数据集上的隐式消息效应存在差异，证明总准确率无法反映隐式消息的实际影响。

MultiFixer: A Coordinator-Proposer Based Multi-Agent Framework For Fixing Multi-Hunk Bugs

MultiFixer：一种用于修复多块漏洞的基于协调者-提议者的多智能体框架

Haichuan Hu, Chunrong Fang, Ye Shang, Jiawei Liu, Weifeng Sun, Guoqing Xie, Chenxing Zhong, Quanjun Zhang

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

AI总结 该研究针对现有LLM-based APR方法难以修复多块漏洞的问题，提出MultiFixer多智能体框架，经多基准测试，其在Defects4J等数据集上达到最优修复效果，能有效修复多块漏洞。

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

Learning Implicit Causal World Models from Multi-Agent Demonstrations

从多智能体演示中学习隐式因果世界模型

Jasorsi Ghosh

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

AI总结 该研究针对多智能体系统中世界模型因相关性与因果机制混淆导致分布偏移下失效的问题，提出隐式因果世界模型，经评估在协调任务上表现出可解释因果表示且精度随干预强度提升。

Comments Preprint

(EC)2: Event-Centric Explainability for Cybersecurity Through Multi-Agent LLM Investigations

(EC)2：基于多智能体大语言模型调查的网络安全以事件为中心的可解释性

Neta Kirmayer, David Tayouri, Andrés Murillo, Motoyoshi Sekiya, Asaf Shabtai, Rami Puzis

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

AI总结 该研究提出多智能体框架(EC)2，为中小型企业网络的网络安全警报提供基于可验证证据的以事件为中心的可解释性，可提升检测后分析效果与事件分类准确率。

Comments 21 pages

Even More Deception: Objective Misalignment in Mixed-Motive LLM Multi-Agent Systems

更严重的欺骗：混合动机大型语言模型多智能体系统中的目标不一致

Marylou Fauchard, Florian Carichon, Margarida Carvalho, Golnoosh Farnadi

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

AI总结 该研究以《狼人杀》为框架，分析LLM多智能体的目标不一致问题，发现其会破坏对抗环境结果且在公开行为中难察觉，凸显需缓解策略。

Comments Accepted at AIWILD@ICLR 2026

Linguistic Firewall: Geometry as Defense in Multi-Agent Systems Routing

语言防火墙：多智能体系统路由中的几何防御

Dvir Alsheich, Adar Peleg, Ben Hagag, Rom Himelstein, Amit Levi, Avi Mendelson

机构 * Dvir Alsheich ； Adar Peleg ； Ben Hagag ； Rom Himelstein ； Amit Levi ； Avi Mendelson 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ANTAP架构，通过主动能力测试替代间接代理，将性能蒸馏为语义空间中的行为算子，实现非文本代数投影路由，有效防御描述注入和嵌入攻击。

Comments 8 pages (9 more for appendix), 3 figures. Published at the Second Workshop on Agents in the Wild: Safety, Security, and Beyond (AIWILD) at ICML 2026

The Capability Paradox: How Smarter Auditors Make Multi-Agent Systems Less Secure

能力悖论：更聪明的审计员如何使多智能体系统更不安全

Qiqi Liu, Runhan Song, Shilin Ye

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Max Planck Institute for Security and Privacy（马克斯·普朗克安全与隐私研究所） ； Henan Yinzhu Safety Technology Co., Ltd.（河南亿众安全技术有限公司） ； Harbin Institute of Technology, Faculty of Computing（哈尔滨工业大学计算机学院） 纠错

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

AI总结 本文研究了多智能体系统中，随着工人能力的提升，系统级攻击成功率反而上升的现象，揭示了语言确定性在攻击传播中的作用，并提出异质性集成验证作为解决方案，以降低攻击成功率。

Comments 28 pages, 6 figures

Before Agents Speak: Pre-hoc Failure Risk Inference in Multi-Agent Systems

智能体交流前：多智能体系统中的事前失败风险推断

Shi Lin, Chenpei Wang, Peng Qian, Dezhang Kong, Minghao Li, Yufeng Li, Xun Wang

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

AI总结 本研究针对多智能体系统中幻觉级联失败的问题，提出事前风险推断框架HalluProp，通过建模内在幻觉风险与传播机制实现早期诊断，性能优于事后方法，可提升系统可靠性。

EditDuet: A Multi-Agent System for Video Non-Linear Editing

Marcelo Sandoval-Castaneda, Bryan Russell, Josef Sivic, Gregory Shakhnarovich, Fabian Caba Heilbron

机构 * Adobe ； Czech Institute of Informatics, Robotics and Cybernetics, Czech Technical University（捷克信息学、机器人学与自动化技术研究所，捷克技术大学） 纠错

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

Comments SIGGRAPH 2025

Journal ref SIGGRAPH Conference Papers '25, Article 2, 1-11, ACM, 2025

PLATO: Pointer Learner for Agent and Task Openness

PLATO：用于智能体和任务开放性的指针学习者

Alireza Saleh Abadi, Leen-Kiat Soh, Daniel Alan Redder, Adam Eck, Prashant Doshi

机构 * University of Nebraska-Lincoln（内布拉斯加大学林肯分校） ； University of Georgia（佐治亚大学） ； Oberlin College（欧柏林学院） 纠错

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

AI总结 研究开放智能体系统中智能体和任务开放性带来的多智能体强化学习挑战，提出基于指针网络的PLATO方法，结合集中式GNN评论家，在无界状态和动作空间下训练，在野火抑制领域评估中性能优于现有基线。

Designing Pairwise-Stable Agent Seating Arrangements

设计成对稳定的智能体座位安排

Frederik Glitzner

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

AI总结 该研究针对多智能体系统的座位安排问题，将目标图设为可设计对象，提出灵活框架设计近似最优目标图及成对稳定安排，明确了易处理性等界限并关联经典计算问题。

When Should AI Follow? Task Structure and Joint Adaptation by Human and AI Agents

将AI-人类协作建模为多智能体适应

Prothit Sen, Sai Mihir Jakkaraju

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

AI总结 本研究通过多智能体模型探讨了AI与人类协作的机制，发现任务结构对协作效果影响更大，揭示了互补性与任务分解的重要性。

Model-Driven Requirements Configuration with Three-Valued Uncertainty Scoring

基于三值不确定性评分的模型驱动需求配置

Ahmed Ibrahim

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

AI总结 该研究提出神经符号多智能体架构结合三值评分框架，消除LLM生成需求的结构不一致性，在37个项目愿景中实现94.6%的结构一致性消除，为LLM在需求工程中的安全部署提供支持。

How memory can affect collective and cooperative behaviors in an LLM-Based Social Particle Swarm

记忆如何影响基于LLM的社会粒子群中的集体和合作行为

Taisei Hishiki, Takaya Arita, Reiji Suzuki

机构 * Graduate School of Informatics（信息学研究生院） 纠错

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

AI总结 研究探讨了大型语言模型代理的内部对齐特性如何影响记忆对其集体和合作动态的影响。通过将社会粒子群模型中的规则代理替换为具有大五人格特质和不同记忆长度的LLM代理，发现记忆长度是决定集体行为的关键参数，且不同模型对记忆的解读影响合作结果。

Comments 11 pages, 4 figures and 2 tables

The Human Utility Factor: A Computable Welfare Metric That Reframes AI Governance as a Constrained Optimisation Problem

人类效用因子：一种可计算的福利度量，将AI治理重新构建为约束优化问题

Sivasathivel Kandasamy

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

AI总结 研究提出人类效用因子（HUF）这一可计算福利度量，将AI治理转化为约束优化问题，经多智能体强化学习评估，发现需明确约束再分配以避免高自动化均衡损害社会目标。

AgentMap: Joint Equivalence and Subsumption Discovery for Ontology Matching

AgentMap：用于本体匹配的联合等价与包含关系发现

Yiping Song, Jiaoyan Chen, Renate Schmidt, Hui Yang, Wen Zhang

机构 * The University of Manchester（曼彻斯特大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 本文提出统一等价与包含发现的混合本体匹配任务，构建基于LLM的多智能体框架AgentMap，在三类设置下的本体匹配任务中均取得优异性能。

Comments 21 pages, 5 figures

Conformal Changepoint Localization and Root Cause Analysis with Corrupted Observations

含损坏观测值的保序变点定位与根因分析

Seunghun Yu, Meiyi Zhu, Petar Popovski, Joonhyuk Kang, Osvaldo Simeone

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； King’s College London（伦敦国王学院） ； Aalborg University（奥尔堡大学） ； Northeastern University London（伦敦东北大学） 纠错

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

AI总结 本文针对含损坏观测值的系统，提出加权CONCH与加权CROC方法，结合元学习优化权重，可在保证置信集目标覆盖率的前提下缩小其规模，提升变点定位与根因分析的实用性。

Comments 34 pages, 6 figures

UAV Swarming for Air-Ground ISAC via Cross-Region Cooperation

基于跨区域协作的空地一体化智能反射面（ISAC）无人机集群

Linghui Miao, Shijian Gao

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

AI总结 该研究针对空地ISAC的两大挑战，设计跨区域协作框架，采用服务驱动划分、自适应握手及MAPPO算法，仿真显示其通信QoS达90%、CRB降45%，性能优于传统方法。

ASARL: Autonomous Social-Aware Relevance Learning for QQ Search

ASARL：面向QQ搜索的自主社交感知相关性学习

Tao Su, Jinjing Hu, Xiao Wang, Xingzhong Cao, Hui Wang

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

AI总结 该研究针对社交搜索的语境差异等挑战，提出ASARL框架，结合多智能体数据整理与三阶段训练，在QQ搜索平台实验中提升了相关性指标、用户参与度及标注效率。

On the existence of fair zero-determinant strategies in the periodic prisoner's dilemma game

关于周期囚徒困境游戏中公平零决定策略存在的研究

Ken Nakamura, Masahiko Ueda

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

AI总结 本文研究周期囚徒困境游戏中公平零决定策略的存在条件，发现其与重复囚徒困境游戏不同，且Tit-for-Tat策略在周期游戏中未必为公平策略。

Comments 35 pages, 7 figures

Journal ref Applied Mathematics and Computation 532, 130259 (2027)

Self-Configurable Mesh-Networks for Scalable Distributed Submodular Bandit Optimization

可自我配置的网格网络用于可扩展的分布式子模带提优化

Zirui Xu, Vasileios Tzoumas

机构 * Department of Aerospace Engineering, University of Michigan（航空航天工程系，密歇根大学） 纠错

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

AI总结 本文提出了一种可自我配置的网格网络方法，通过限制信息中继和消息大小，实现分布式子模带提优化的可扩展性和接近最优性。

Semi-Decentralized Multi-Spacecraft Collision Avoidance under Communication Constraints

通信约束下的半分散式多航天器避撞

Grace Ra Kim, Mahdi Al-Husseini, Duncan Eddy, Mykel J. Kochenderfer

机构 * Stanford University（斯坦福大学） 纠错

专题命中 多智能体 ：planning(abstract)

AI总结 该研究针对航天器避撞的间歇性通信约束，提出半分散式POMDP框架，采用RS-SDA*算法规划，性能接近集中式且同步事件减少28.5%，优于规则启发式方法。

Comments 21 pages, 2 tables, 10 figures, accepted in 2026 AAS/AIAA Astrodynamics Specialist Conference

Differentiable Normative Guidance for Nash Bargaining Solution Recovery

可微规范引导用于纳什谈判解恢复

Moirangthem Tiken Singh, Surajit Borkotokey, Rajnish Kumar

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出一种可微规范引导框架，通过图注意力机制和条件扩散模型生成个体理性效用向量，近似纳什谈判解，实现100%个体理性合规，提升谈判效率。

Journal ref Knowledge-Based Systems (2026) 116731