AI Agent

RELIC: Revealed Principles for Learning Interpretable Composable Skills in Multi-Agent Planning

RELIC：多智能体规划中学习可解释可组合技能的揭示原则

Nguyen Viet Tuan Kiet, Bui Dinh Pham, Duong Quoc Chinh, Dao Van Tung, Tran Cong Dao, Huynh Thi Thanh Binh

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

AI总结 针对多智能体规划中隐私受限合作难题，提出RELIC框架，通过揭示原则学习可解释可组合技能，各智能体私用大语言模型引导搜索优化技能，协调器依团队性能评估更新，实现跨智能体转移，引入隐私保护技能学习新范式。

Comments v1 accepted at LM4Plan Workshop @ ICML 2026; v2 is the full paper version; Kiet, Pham, and Chinh contributed equally in v2

FaithEyes: Towards Faithful Tool Use via Multi-Agent Process-Image Verification

FaithEyes：通过多智能体过程图像验证实现可信的工具使用

Haoqing Wang, Xingrun Xing, Wei Xia, Ziheng Li, Yehui Tang

机构 * Samsung Research（三星研究院） ； Peking University（北京大学） 纠错

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

AI总结 本研究提出多智能体框架FaithEyes，通过子智能体判断主智能体的工具调用以提升工具使用可信性，在视觉感知与推理基准上实现了更优准确率。

MANTA: Multi-Agent Network Topology Adaptation for Self-Evolving Multi-Agent Systems

MANTA：面向自演进多智能体系统的多智能体网络拓扑自适应框架

Mao-xun Huang, Jerry Wang, Yi-Cheng Lai, Zhengxin Zhang, Claire Cardie, Hen-Hsen Huang

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

AI总结 该研究提出MANTA框架，使多智能体系统通信拓扑可在推理阶段自演进，在五类基准测试中平均得分74.0，较最强基线高5.8个百分点，验证了推理阶段自改进可延伸至协作架构。

SafeFlow: Semantic Information-Flow Control for Blocking Malicious Propagation in Multi-Agent Systems

SafeFlow：用于多智能体系统中阻止恶意传播的语义信息流控制

Haowen Dai, Zonghao Ying, Wenfeng Li, Xiangfan Wu, Yisong Xiao, Tianyuan Zhang, Jiaye Lin, Lei Wei, Guangyuan Dong, Xitong Ling, Xixun Lin, Quanchen Zou, Xiangzheng Zhang

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

AI总结 研究多智能体系统恶意传播问题，提出SafeFlow框架，将恶意跨智能体传播形式化为语义信息流问题，通过附加污点、传播及工作流级验证重建风险上下文，经测试降低攻击成功率，保持良性任务完成率，揭示系统缺乏跨委托边界保留风险语义机制。

Auditing Emergent LLM-Agent Collaboration through Cooperation-Obligation Coupling

通过合作-义务耦合对大语言模型智能体（LLM-agent）的涌现协作进行审计

Zuyuan Zhang, Hanqing Yang, Carlee Joe-Wong, Tian Lan

专题命中 多智能体 ：agent(title,title_cn)

AI总结 针对LLM-agent协作审计的可审计性缺口，本文提出iCORE表示方法，建立合作-义务耦合审计框架，实验验证其可准确检测缺陷并显著提升轨迹与终端性能。

SKIMIX: Multi-Agent Harness-Time Scaling with Skill Mixture for Dynamic Harness Engineering

SKIMIX：面向动态 harness 工程的技能混合多智能体 harness 时间缩放方法

Jia Luo

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

AI总结 SKIMIX 是一种多智能体框架，结合技能检索、抗稀释路由等技术，在六个推理基准上提升开放式数学推理能力，为可扩展智能体设计提供了任务特性相关的实用指导。

SourceMinds at CheckThat! 2026: NLI-Grounded Citation Auditing in a Multi-Agent Pipeline for Full Fact-Checking Article Generation

SourceMinds参与2026年CheckThat!：多智能体管道中基于自然语言推理的引用审核用于完整事实核查文章生成

Farhan Sharukh Hasan, Anirban Saha Anik, Eric Liu, Xiaoying Song, Mohotarema Rashid, Lingzi Hong

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

AI总结 针对CLEF 2026 CheckThat!实验室任务3，提出多智能体管道系统，结合证据检索、结构化规划、文章生成、自我批判及引用审核等方法，强调证据选择、结构化生成与生成后引用验证对事实核查文章生成的重要性。

Comments CLEF 2026 Working Notes / CheckThat! Lab at CLEF 2026, Jena, Germany

Agent Harness Distillation: Inference-Time Harness Extraction and Exploitation in Autonomous Multi-Agent Systems

智能体调控蒸馏：自主多智能体系统中的推理时调控提取与利用

Yu Cui, Wuli Yang, Yirui Shi, Junhao Xia, Hui Jiang, Lei Gao, Chenfu Bao

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

AI总结 本文提出AHD框架，将AMAS推理时调控提取形式化为新安全问题，实验证实其可提取调控致IP泄露，还提出对应欺骗防御，揭示AMAS新安全威胁。

Comments This work is currently in progress

Scaling LLM-Driven Multi-Agent Systems: Design Principles and Architectural Scalability Analysis

扩展大语言模型驱动的多智能体系统：设计原则与架构可扩展性分析

Linus Sander, Fengjunjie Pan, Vahid Zolfaghari, Andre Schamschurko, Nenad Petrovic, Alois Knoll

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

AI总结 该研究提炼出可扩展多智能体系统的四项设计原则，构建参考架构并在基准任务上评估，发现LLM超能力阈值时扩展可提升准确率但成本近似线性增长，性能在中等复杂度达峰，一致性是核心挑战。

ThreatForest: Multi-Agent Attack Tree Generation with Pluggable TTP Framework Mapping

ThreatForest：基于可插拔TTP框架映射的多智能体攻击树生成方法

Cristian Leo, Anton Dykyi, Danny Cortegaca, Daniel Begimher, Prakash Jha

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

AI总结 ThreatForest是首个将代码仓库转化为带TTP映射攻击树及对应缓解措施的端到端多智能体系统，其嵌入编码器是TTP映射准确率的核心瓶颈，相关基准框架可用于同类系统测试。

Comments 20 pages, 12 tables, 1 figure

AgentHOI: Multi-Agent Reasoning for Human-Object-Interaction Video Generation via Implicit Representation Alignment

AgentHOI：通过隐式表示对齐进行人类-物体交互视频生成的多智能体推理

Ziyao Huang, Shunkai Li, Juan Cao, Chenyu Li, Youliang Zhang, Zixiang Zhou, Cong Wang, Yuan Zhou, Qinglin Lu, Fan Tang

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Tencent HunYuan（腾讯混元） 纠错

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

AI总结 研究针对HOI视频生成中现有方法依赖显式运动控制的问题，提出AgentHOI，通过多智能体推理和隐式文本-运动对齐策略，实现文本驱动的HOI视频生成，提升了交互自然性等，改进了复杂场景下的表现。

Comments Under review. The code is available at https://github.com/bone-11/agenthoi

Procedural Fairness in Multi-Agent Bandits

多智能体老虎机中的程序公平性

Joshua Caiata, Carter Blair, Kate Larson

机构 * University of Waterloo（滑铁卢大学） ； Harvard University（哈佛大学） 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 本文提出程序公平性作为多智能体老虎机中的公平性目标，强调平等决策权和结果比例性，证明不同公平性观念优先不同价值观，主张加强程序公平性研究。

MARS-RA: Rank Aggregation for Credit Assignment via Multimodal Comparisons in Embodied Multi-Agent Cooperation

MARS-RA：基于具身多智能体协作中多模态比较的信用分配排序聚合

Dawei Wang, Di Zhao, Xinyuan Liu, Marci Chi Ma, Xiaoyang Liu, Chengming Zhou, Gary Ushaw, Richard Davison

机构 * Newcastle University（纽卡斯尔大学） ； University of Auckland（奥克兰大学） 纠错

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

AI总结 本研究针对具身多智能体协作的信用分配难题，提出MARS-RA框架，将其转化为多模态模型生成的成对比较排序聚合问题，经理论与实验验证可引导智能体有效协作。

Comments ACL 2026 Main

$Σ$-Mem: An Online Reliability Memory for LLM-based Multi-Agent Systems

Σ-Mem：面向基于大语言模型（LLM）的多智能体系统的在线可靠性记忆

Peilin Feng, Suorong Yang, Soujanya Poria

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

AI总结 针对现有LLM多智能体系统记忆系统无法建模智能体可信度的问题，提出Σ-Mem在线可靠性记忆，基于决策后反馈更新实对称状态，在Qwen系列模型上实现自适应协调与更优性能。

An Empirical Study of Coordination Mode as the First-Class Citizen in From-Scratch Multi-Agent Coding

从零开始多智能体编码中作为一等公民的协作模式的实证研究

Yanyu Ren, Yunfeng Bai, Xizheng Wang, Li Chen, Dan Li

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

AI总结 本研究构建多智能体编码基准MSEval，发现组织拓扑与模型能力对速度-成本-质量权衡影响相当，结构化流水线表现最优，为多智能体软件开发评估提供严格标准。

Agentic Metaverse Services: A New As-a-Service Paradigm

智能体元宇宙服务：一种新的即服务范式

Xiaofei Xu, Quan Z. Sheng, Zhongjie Wang, Boualem Benatallah, Xiao Wang, Ruipeng Han

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

AI总结 该研究提出智能体元宇宙服务（AMServ）与元宇宙环境下的智能体即服务（Meta-AaaS）新范式，概述其特征、原理、应用实例，指出发展趋势，将推动AI时代新兴服务产业发展。

Comments 11 pages, 5 figures; Accepted at the 2026 IEEE International Conference on Web Services (ICWS 2026); Corresponding author: Prof. Xiaofei Xu

Multi-Agent Reinforcement Learning for Base Station Placement in TDOA-Based Localization

基于TDOA定位的基站部署多智能体强化学习方法

Bastian Perner, Pratik Gajanan Raut, Maximilian Lübke, Norman Franchi

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

AI总结 针对TDOA定位的基站部署问题，提出射线追踪辅助的MARL框架，在校园数据集上训练PPO智能体，其定位精度与传统GDOP方法相当，可选择性降低定位误差。

Comments to be published in conference proceedings of IEEE PIMRC 2026

AgentRadio: Passive Awareness for Long-Horizon Multi-Agent Collaboration

AgentRadio：面向长 horizon 多智能体协作的被动感知机制

Xinxing Ren, Qianbo Zang, Ziyan Wang, Caelum Forder, Suman Deb, Peter Carroll, Zekun Guo

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

AI总结 针对现有多智能体系统仅能在阶段间交换信息的局限，提出异步消息传递层 AgentRadio，使编码智能体保持被动感知，在 SWE-Atlas QnA 基准上多智能体任务解决率显著优于单个智能体及 Opus 4.8 版 Claude Code。

Emission-Forecasting-Based Spatial-Temporal Carbon Response: A Multi-Agent Attention-Enhanced Deep Learning Framework

基于排放预测的时空碳响应：多智能体注意力增强深度学习框架

Feiyu Cai, Jing Qiu, Yi Yang, Chenxi Zhang, Xinlei Wang, Baichuan Liu, Junhua Zhao

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

AI总结 该研究针对电力系统低碳调度延迟问题，提出多智能体注意力增强深度学习框架，可提前预测节点碳强度，在改进IEEE 33节点系统测试下减排超30%，推动主动碳管理。

Comments 31 pages, 11 figures

Virtual Elastic Tether: a New Approach for Multi-agent Navigation in Confined Aquatic Environments

虚拟弹性缆绳：一种多智能体在受限水下环境中的导航新方法

Kanzhong Yao, Xueliang Cheng, Keir Groves, Barry Lennox, Ognjen Marjanovic, Simon Watson

机构 * Manchester Centre for Robotics and AI, Department of Electrical and Electronic Engineering, University of Manchester（曼彻斯特机器人与人工智能中心，电气与电子工程系，曼彻斯特大学） 纠错

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

AI总结 本文提出了一种虚拟弹性缆绳（VET）方法，用于解决水下环境中多智能体导航的挑战，通过在不完全状态测量条件下实现更稳定的导航性能。

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

Journal ref Journal of Field Robotics 43, 3332-3350 (2026)

Fully Distributed Cooperative Multi-agent Underwater Obstacle Avoidance

完全分布式协同多智能体水下障碍规避

Kanzhong Yao, Ognjen Marjanovic, Simon Watson

机构 * University of Manchester（曼彻斯特大学） 纠错

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

AI总结 本文提出了一种受狗散步启发的多智能体水下障碍规避方法，通过模拟验证提升了智能体协同性能，优于传统视觉伺服方法。

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

Journal ref Towards Autonomous Robotic Systems (TAROS 2025), LNCS 16045, 367-380 (2026)

MECA: A Mechanism-Centered Agent for Constructing Well-Specified and Valuable Mathematical Conjectures

MECA：一种以机制为中心的智能体，用于构建定义明确且有价值的数学猜想

Wentao Long, Yunfei Zhang, Chenyi Li, Zaiwen Wen

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

AI总结 MECA是一种以机制为中心的多智能体框架，可联合构建候选数学命题及其支撑机制，能生成定义明确且有研究价值的猜想，相关猜想对现有自动证明器仍具挑战性。

Comments 78 pages, 5 figures. Includes appendices and the full collection of 100 generated conjectures

Bridging Probabilistic LLMs and Deterministic Statistical Validation: The PROVE Multi-Agent Framework for Clinical Trial Reporting

连接概率型大语言模型与确定性统计验证：用于临床试验报告的PROVE多智能体框架

Zhaohua Lu, Cheng Zheng, Yuanyuan Han

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

AI总结 该研究提出PROVE多智能体框架，结合LLM与程序化验证器，在临床试验报告TFL验证中，LLM辅助语义匹配可显著提升差异检测的召回率与F1值，兼顾解读灵活性与数值准确性。

A Policy-Driven Runtime Layer for Agentic LLM Serving

一种面向智能体LLM服务的策略驱动运行时层

Rui Zhang, Chaeeun Kim, Liting Hu

机构 * University of California, Santa Cruz（加州大学圣克鲁兹分校） 纠错

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

AI总结 针对多智能体LLM系统中跨层策略难以高效实现的问题，提出在框架与引擎之间插入智能体运行时层，通过四个原语支持任意智能体感知策略，并在KV缓存策略CacheSage上验证了有效性。

CLVisc Agent for autonomous relativistic hydrodynamics studies

用于自主相对论流体动力学研究的CLVisc智能体

Qi Wang, Long-Gang Pang, Shi Pu, Xin-Nian Wang

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

AI总结 本研究开发了一种基于大语言模型的智能体，通过元技能自主完成相对论重离子碰撞的流体动力学模拟与分析，可应用于CLVisc代码，支持核物理研究的自动化工作流程。

Comments 15 pages, 6 figures

Networked Intelligence: Active Shared Context Graphs for Human-AI Team Science

网络智能：用于人类-人工智能团队科学的主动共享上下文图

Sutanay Choudhury, Jeffrey J. Czajka, Lummy M. O. Monteiro, Erin Bredeweg, Jason McDermott, Katherine Wolf, Alex Beliaev, Josh Elmore, Paul Piehowski, Kylee Tate, Yuqian Gao, Aivett Bilbao, Kelly Stratton, Scott Baker, Jaydeep P. Bardhan, Kristin Burnum Johnson, Chris Oehmen, Robert Rallo

机构 * Pacific Northwest National Laboratory（太平洋西北国家实验室） 纠错

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

AI总结 研究旨在培养人类与AI系统间的网络智能。提出Mycelium主动共享工作区，能自动连接人员与智能体，捕获并路由重要信息。通过生物多组学活动测试，验证其可将局部发现转化为实验设计，还对网络智能进行了计算解释。

Integrating AI into Requirements Quality Learning in Software Engineering Education: A TPACK-Guided Empirical Study

将人工智能融入软件工程教育中的需求质量学习：一项基于TPACK的实证研究

Hansika Ekanayake Mudiyanselage, Rohan Jai Dharmaraj, Malik Abdul Sami, Zheying Zhang

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

AI总结 该研究针对软件工程教育中AI融入需求质量学习的需求，基于TPACK框架将多智能体AI工具融入硕士级RE作业，通过混合方法验证了其在提升学生需求质量认知等方面的作用，为相关AI融入设计提供了指导。

Comments 11 pages, 6 figures, 3 tables, presented in the 38th CSEE&T in Florence, Italy, from July 20-22, 2026

What makes prompts a graph: necessary and sufficient conditions for prompt graph engineering

提示词为何构成图：提示词图工程的充要条件

Sandeco Macedo

机构 * Federal Institute of Goiás（戈亚斯联邦学院） 纠错

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

AI总结 本研究通过文献分析构建了将提示词视为图节点的定义，提出提示词图工程的四个条件及操作化测试，明确其边界并应用于六个系统，为相关实践提供可操作定义与共享术语。

Belief Coevolution in a Social Network of Generalist and Specialist Large Language Models

通用型与专家型大语言模型组成的社交网络中的信念协同演化

Germans Savcisens, Samantha Dies, Courtney Maynard, Tina Eliassi-Rad

机构 * Khoury College of Computer Sciences, Northeastern University（东北大学库尔计算机科学学院） ； Network Science Institute, Northeastern University（东北大学网络科学研究所） ； Santa Fe Institute（圣塔菲研究所） 纠错

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

AI总结 该研究提出CoevolveSim框架，模拟通用型与专家型LLM组成的社交网络中信念扩散，发现专家型LLM可显著提升共识转变幅度，模拟多智能体LLM系统信念扩散需多样化底层LLM。

Comments 33 pages (14 pages of main text), 7 figures, 14 tables

Argonaut: Interactive Visual Exploration for Distributed Optimization

Argonaut：面向分布式优化的交互式可视化探索工具

Srijoni Majumdar, Chuhao Qin, Evangelos Pournaras

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

AI总结 Argonaut是一款轻量级容器化优化仪表盘，可交互式可视化探索去中心化多智能体离散选择优化的全搜索过程，在三类真实数据集上验证了其高效性。

Comments 6 pages, 8 figures. Accepted in ACSOS 2026 [artifacts track]