AI Agent

TheBotCompany: Self-Organizing Multi-agent Systems for Continuous Software Development

自主多智能体系统用于连续软件开发

Wenhan Lyu, Yue Xiao, Yixuan Zhang, Yifan Sun

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

AI总结 本文提出TheBotCompany框架，通过三阶段状态机、自组织智能体团队和异步人类监督，实现持续软件开发的自动化与长期进展。

Comments Accepted by ASE 2026

Embedded Universal Predictive Intelligence: a coherent framework for multi-agent learning

嵌入式通用预测智能：多智能体学习的统一框架

Alexander Meulemans, Rajai Nasser, Maciej Wołczyk, Marissa A. Weis, Seijin Kobayashi, Blake Richards, Guillaume Lajoie, Angelika Steger, Marcus Hutter, James Manyika, Rif A. Saurous, João Sacramento, Blaise Agüera y Arcas

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

AI总结 本文提出基于自我预测的嵌入式通用智能框架，解决多智能体学习中的非稳定性问题，引入新的博弈论解概念和合作形式。

Comments 202 pages, 3 figures

Improving Sample Efficiency in Multi-Agent Reinforcement Learning for Simulated Football Games via Exploration

通过探索提升模拟足球游戏多智能体强化学习的样本效率

Amir Baghi, Jens Sjölund, Joakim Bergdahl, Linus Gisslén, Alessandro Sestini

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

AI总结 本文针对多智能体强化学习样本效率低的问题，在TiZero框架中引入随机网络蒸馏奖励并修改架构，使样本效率提升13.3%，增强了模型的泛化性与行为稳定性。

Comments 12 pages, 3 figures

SABRE: A Multi-Agent Approach for Selecting Out-of-Distribution Detectors Under a Budget

SABRE：预算约束下选择分布外检测器的多智能体方法

Mary Wisell, Salimeh Sekeh

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

AI总结 SABRE是一种多智能体方法，可在预算约束下针对视觉-语言模型的分布外检测，自动选择各领域最优检测器，解决固定检测器跨领域失效的问题，实现可靠检测。

Emergence of Biased Consensus in Multi-Agent LLM Debates

多智能体LLM辩论中偏向性共识的涌现

Maya Okawa

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

AI总结 该研究针对多智能体LLM辩论中集体偏向性共识的涌现问题，提出物理启发的社会动力学分析框架，经实验验证其相变规律，发现智能体异质性可抑制该现象，且见解可推广至投资等现实决策任务。

Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026). 23 pages, 12 figures

PDE-Agents: An LLM-Orchestrated Multi-Agent Framework for Automated Finite Element Simulations with Knowledge Graph-Augmented Reasoning

PDE-Agents: 一种基于知识图谱增强推理的LLM编排多智能体框架，用于自动化有限元模拟

Sayan Adhikari, Gulshan Noorsumar, Øyvind Jensen

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

AI总结 提出PDE-Agents多智能体系统，通过LLM编排实现偏微分方程/有限元模拟全流程自动化，采用GraphRAG知识图谱增强，在50个任务消融实验中KG Smart模式达100%成功率，并验证了二阶空间收敛性。

Comments 19 pages, 9 figures, 10 tables, 1 algorithm. Code and evaluation artifacts: https://github.com/MatPro-IFE/pde-agents

VirtualCrime: Evaluating the Criminal Potential and Agentic Behaviors of Large Language Models via Sandbox Simulation

VirtualCrime: 通过沙盒模拟评估大语言模型的犯罪潜力

Yilin Tang, Yu Wang, Lanlan Qiu, Wenchang Gao, Yunfei Ma, Baicheng Chen, Tianxing He

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

AI总结 本文提出VirtualCrime框架，通过三代理系统评估大语言模型的犯罪能力，设计40种多样化的犯罪任务，并评估8种强大的LLM，发现模型在犯罪过程中生成详细计划并执行智能犯罪过程，但有时会采取严重行动伤害NPC。

Asking Questions the Right Way: A Multi-Agent Conversational System for Prompt Formulation in Complex Task Resolution

以正确方式提问：用于复杂任务解决中提示词生成的多智能体对话系统

B. Sankar, Pawni Yadav, Srinidhi Ranjini Girish, Amogh A. S

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

AI总结 本研究提出多智能体对话系统PAWNI，通过三层提示框架优化提示生成前端，实验显示其可提升提示结构完整性、LLM输出质量并降低人类工作量，支持人-AI协作优化。

Comments 53 pages, 31 figures, 6 tables

CLEAR: Causal Context-Based Agentic Reasoning for Vulnerability Detection

CLEAR：基于因果上下文的智能体推理漏洞检测

Sungju Yun, Sijune Hwang, Yeonjoon Lee, Kyungtae Kang, Sungbin Park

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

AI总结 该研究针对现有漏洞检测方法无法捕捉漏洞复杂因果依赖的问题，提出CLEAR多智能体框架，通过构建VCKG并结合四类智能体协同推理，在C/C++和Java基准上性能显著优于现有最优方法。

VeriTrace: Human-Like Temporal Exploration Completes Agentic Action Space

VeriTrace：类人时间探索完成智能体动作空间

Yu-Tung Liu, Cunxi Yu

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

AI总结 VeriTrace是一种多智能体系统，通过赋予Inspector智能体完整调试动作空间实现类人时间探索，在VerilogEval-V2基准测试上首次达到100% Pass@1，准确率较最强复现基线提升5.1%。

Comments ICLAD 2026, Long Oral

Agents Catching Agents: Shortcut Cascades and Benchmark Gaming in Clinical Multi-Agent Systems

智能体捕捉智能体：临床多智能体系统中的捷径级联与基准博弈

Sebastián Andrés Cajas Ordóñez, Agastya Munnangi, Aldo Marzullo, Felipe Ocampo Osorio, Quang Bui, Mohammad Shahin, Armaan Grewal, Emmanuel Paul Kwesiga, Anqi Peter Li, Josephine Nanyonjo, Aaditya Panchal, Arshnoor Bhutani, Nikhil Jaiswal, Milit S. Patel, Maximin Lange, Leo Anthony Celi

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

AI总结 该研究针对临床多智能体系统，发现智能体间存在符合社会直觉的捷径级联博弈，仅独立于自我报告的裁判能捕捉该博弈，相关结果对临床决策支持系统的可靠性评估有重要意义。

PhenoAssistant: A Conversational Multi-Agent AI System for Automated Plant Phenotyping

Feng Chen, Ilias Stogiannidis, Andrew Wood, Danilo Bueno, Dominic Williams, Fraser Macfarlane, Bruce Grieve, Darren Wells, Jonathan A. Atkinson, Malcolm J. Hawkesford, Stephen A. Rolfe, Tracy Lawson, Tony Pridmore, Mario Valerio Giuffrida, Sotirios A. Tsaftaris

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

Journal ref Nat Commun 17, 6391 (2026)

Collab-REC: An LLM-based Agentic Framework for Balancing Recommendations in Tourism

Collab-REC：一种基于LLM的代理框架，用于平衡旅游推荐

Ashmi Banerjee, Adithi Satish, Fitri Nur Aisyah, Wolfgang Wörndl, Yashar Deldjoo

机构 * Technical University of Munich（慕尼黑技术大学） ； Polytechnic University of Bari（巴里理工大学） 纠错

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

AI总结 提出一种多代理框架Collab-REC，通过三个LLM代理（个性化、流行度、可持续性）生成城市建议，并由非LLM调节器迭代优化，以缓解流行度偏差并提高推荐多样性。

Comments Accepted at ACM Transactions on Recommender Systems (TORS), August 2026

Journal ref ACM Transactions on Recommender Systems (TORS), 2026

Patient-centered data science: an integrative framework for evaluating and predicting clinical outcomes in the digital health era

以患者为中心的数据科学：数字健康时代评估与预测临床结局的整合框架

Mohsen Amoei, Dan Poenaru

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

AI总结 本研究提出数字健康时代以患者为中心的数据科学整合框架，结合多类数据构建数字患者表征，采用多智能体AI方法优化患者结局，助力构建学习型医疗系统，提升数字健康创新的临床转化效果。

Everyone Conforms, No One Believes: Pluralistic Ignorance in LLM Agent Populations

人人遵从，无人认同：LLM智能体群体中的多元无知

Yashwanth YS

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

AI总结 该研究证实LLM智能体群体中会出现多元无知，构建了多场景基准评估8种模型，发现遵从率高且级联成功率低，提示模型选择会影响模拟结果，LLM模拟或高估社会规范稳定性。

Is Inter-Seed Cross-Play Enough? Evaluating the Robustness of Zero-Shot Coordination Algorithms to Implementation Details

种子间跨博弈是否足够？评估零样本协调算法对实现细节的鲁棒性

Maksymilian Wolski, Nicholas Hoernle, Johannes Forkel, Jakob Foerster

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

AI总结 本研究通过引入跨实现跨博弈评估方案，系统评估Other-Play算法对实现细节的鲁棒性，发现标准ZSC评估可作为跨实现评估的合理替代指标。

IR2Solve: Structured Intermediate Representations for Cost-Efficient Optimization Autoformulation

IR2Solve：面向成本高效优化自动建模的结构化中间表示

Penglin Zhu, Linhai Zhang, Jungang Xu, Xinchi Wei, Xiuqi Wu

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

AI总结 IR2Solve以结构化中间表示为核心构建优化自动建模流水线，仅用1次LLM语义调用，在保证目标函数正确性的同时大幅降低推理成本，性能优于Chain-of-Experts和SAC-Opt等系统。

Comments 17 pages, 3 figures, 13 tables

SphUnc: Hyperspherical Uncertainty Decomposition and Causal Identification via Information Geometry

SphUnc：通过信息几何的超球面不确定性分解与因果识别

Rong Fu, Chunlei Meng, Jinshuo Liu, Dianyu Zhao, Yongtai Liu, Yibo Meng, Xiaowen Ma, Wangyu Wu, Yangchen Zeng, Shuaishuai Cao, Simon Fong

机构 * University of Macau（澳门大学） ； Fudan University（复旦大学） ； Hangzhou Dianzi University（杭州电子科技大学） ； Renmin University of China（中国人民大学） ； Hanyang University（翰阳大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； University of Liverpool（利物浦大学） ； Southeast University（东南大学） ； Central South University（中南大学） 纠错

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

AI总结 SphUnc结合超球面表示学习与结构因果建模，通过信息几何融合分解不确定性为epistemic和aleatoric成分，并通过样本模拟实现因果识别，提升多智能体系统中的预测准确性和不确定性校准能力。

Comments 22 pages, 15 figures

FedCritic-MIMO: Communication-Efficient Serverless Federated Critic Learning for Massive-MIMO Resource Control in Open and Disaggregated 6G RANs

FedCritic-MIMO：面向开放与解耦6G无线接入网中大规模MIMO资源控制的通信高效无服务器联邦评论者学习框架

Amin Farajzadeh, Melike Erol-Kantarci

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

AI总结 FedCritic-MIMO是面向开放解耦6G RAN的通信高效无服务器联邦多智能体强化学习框架，通过稀疏评论者交换等技术实现多小区大规模MIMO资源控制，性能最优且通信开销降低76%。

Comments Submitted to IEEE for possible publication

Long-term Traffic Scene Prediction via Polynomial Representations in Autonomous Driving

自动驾驶中基于多项式表示的长期交通场景预测

Yue Yao

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

AI总结 本研究提出基于多项式表示的自动驾驶交通场景预测模型，结合理论分析与实证验证，在标准基准上接近最优准确率，提升分布偏移下的泛化能力，生成更合理的多智能体场景，降低计算成本。

AgentPanel: Toward a New Paradigm for Human--AI Collaboration in Exploring Scientific Questions

AgentPanel：面向科学问题探索的人机协作新范式

Zhiyao Cui, Qianyi Wang, Haoyang Yan, Yiqun Zhang, Siyue Ren, Hangfan Zhang, Zelin Tan, Hao Li, Chunjiang Mu, Dexian Cai, Shao Zhang, Chen Zhang, Meng Li, Jianan Chai, Yuting Fan, Zichao Ye, Xiaolei Yang, Xinyao Lu, Yuyang Yu, Wenjie Lou, Xiaosong Wang, Fenghua Ling, Shiyang Feng, Mao Su, Qiaosheng Zhang, Bo Zhang, Yang Chen, Lei Bai, Shuyue Hu

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

AI总结 研究人员探索科学问题时视角有限，本文提出人机协作多智能体论坛AgentPanel，其在多维度评估中表现优于基线，获多数用户认可，可用于早期科学探索。

Mixed-Initiative Human-Robot Teaming under Suboptimality with Online Bayesian Adaptation

次优情境下的混合主动人机协同：在线贝叶斯自适应方法

Manisha Natarajan, Chunyue Xue, Sanne van Waveren, Karen Feigh, Matthew Gombolay

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

AI总结 本研究针对次优人机协同场景，提出在线贝叶斯自适应方法，可推断人类配合机器人协助的意愿，实验表明该方法能显著提升团队客观性能与用户主观指标。

Comments 9 pages, 4 pages for supplementary

How much should we care about what others know? Jump signals in optimal investment under relative performance concerns

我们应该多在意别人知道什么吗？在相对表现关注下的最优投资中的跳跃信号

Peter Bank, Gemma Sedrakjan

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

AI总结 本文研究了在相对表现关注下，投资者如何通过跳跃信号进行最优投资决策，探讨了投资者类型分布对均衡的影响及均衡存在的条件。

Implementing Causal Perception: Competing SCMs and Situated Fairness

实现因果感知：竞争结构因果模型与情境公平性

Jose M. Álvarez

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 本研究首次实现Álvarez与Ruggieri（2025）的因果感知框架，通过算法量化竞争SCM的分歧，结合德国信用数据集验证其对多智能体决策公平性的影响，凸显公平问题中竞争世界观的重要性。

SAT-Edge-Agent: Hardware-in-the-Loop Edge-Agent Orchestration for Onboard Satellite Intelligence

SAT-Edge-Agent：用于星载智能的硬件在环边缘智能体编排系统

Longji He, Jeto Xu

专题命中 工作流自动化 ：agent(title,title_cn)；分类 cs.AI

AI总结 该研究提出SAT-Edge-Agent硬件在环边缘智能体系统，部署于ARM异构边缘片上系统，通过实验验证其星载边缘编排可行性，为相关研究提供可复现的HIL边界。

Comments 17 pages, 4 figures, and 10 tables. Code and sanitized research artifacts are available at SAT-Edge-Agent" target="_blank" rel="noopener">https://github.com/keithhegit/SAT-Edge-Agent

Formal Verification of Agentic Systems over Operational Data

基于操作数据的智能体系统的形式化验证

Alejandro J. Mercado, Alessio Lomuscio

专题命中 工作流自动化 ：agentic(title,abstract)；agent(abstract)；workflow(abstract)；分类 cs.AI

AI总结 本文针对操作数据上的智能体系统，提出形式化验证框架，定义STEADs模型，证明其FO-CTL验证问题的不可判定性，给出有限域下的充分条件，引入规范包装器并在案例工作流中验证。

Comments 21 pages, including appendix; 0 figures

GDPevo: Evaluating Agent Self-Evolution on Real Business Tasks

GDPevo：在真实商业任务上评估智能体的自进化能力

Leijun Zhou, Zhihao Liu, Xiang Qu, Chenxu Liu, Yifei Liu, Yanke Yu, Jingzhe Xu, Xuejun Wu, Buyue Qian, Xi Chen, Yaowei Zheng, Junhao Hu

专题命中 工作流自动化 ：agent(title,abstract)；workflow(abstract)；分类 cs.AI

AI总结 本文提出GDPevo基准，通过规则杂交设计任务实现可归因评估，发现自进化可提升智能体测试准确率但仍远未达上限，相关资源已公开。

AgenticECO: An Agentic Framework for ECO on 3D Integrated Circuits

AgenticECO：面向三维集成电路工程变更指令（ECO）的智能体框架

Shuo Ren, Yaohui Han, Libo Shen, Zhiqiang Jia, Rongliang Fu, Bei Yu, Tsung-Yi Ho

专题命中 工作流自动化 ：agentic(title)；agent(abstract)；workflow(abstract)；分类 cs.AI

AI总结 针对3D-IC布线后ECO手动操作的缺陷，提出AgenticECO智能体框架搭配EcoRoute最小干扰布线层，在9个缺陷案例中表现优于基准方法，且所有结果通过各类设计检查，相关材料已开源。

Comments 20 pages, 12 figures

Evaluating LLM Trade-offs for Enterprise Automation: Lessons from Workflow Generation in a Production Enterprise Platform

评估用于企业自动化的大语言模型权衡：来自生产级企业平台中工作流生成的经验教训

Xavier Wrenn, Radoslav Raykov, Aleksandar Angelov, Hirokuni Kitahara, Yuji Watanabe, Anca Sailer

专题命中 工作流自动化 ：workflow(title,abstract)；分类 cs.AI、cs.SE

AI总结 该研究通过在生产级企业平台评估6种大语言模型的工作流生成能力，发现分段式流水线可提升结构成功率，使小型模型达生产可行性，为云工程提供模型无关的自动化方案。

Comments 10 pages, 3 figures, 5 tables. Accepted at the 14th IEEE International Conference on Cloud Engineering (IC2E 2026), Industry Track

CausalForge: A Formally Grounded, Self-Improving Agentic Framework for Automated Research in Causal Inference

因果锻造：一个用于因果推理自动化研究的形式化基础、自我改进的智能框架

Jiyuan Tan, Vasilis Syrgkanis

专题命中 工作流自动化 ：agentic(title,abstract)；分类 cs.AI、cs.LG

AI总结 提出因果锻造框架用于因果推理自动化研究，结合因果论库与因果史密斯智能管道，通过声明审核增强内核验证，并用自主研究工件评估系统，为因果推理自动化研究提供新途径。