AI Agent

Agentic Nesting: A New Methodology for Existing Enterprise Application Integration and Services

智能体嵌套：现有企业应用集成与服务的新方法论

Xi Wang, Kun Li, Xianyao Ling, Gang Yin, Liang Zhang, Jiang Wu, Wenbo Lei, Jun Xu, Annie Wang, Fu Zhang, Weizhe Wang

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

AI总结 针对企业应用集成的传统方法存在的缺陷，本文提出Agentic Nesting多智能体协作框架，构建分层嵌套的智能体结构，实现跨应用的对话式集成，探索其在异构系统等场景的泛化潜力。

Search-Aided Joint Agent-Environment Reinforcement Learning for Robust Lifelong Multi-Agent Path Finding with Rotations

用于带旋转的鲁棒终身多智能体路径规划的搜索辅助联合智能体-环境强化学习

He Jiang, Jingtian Yan, Yulun Zhang, Yimin Tang, Tanishq Duhan, Rishi Veerapaneni, Guillaume Sartoretti, Jiaoyang Li

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

AI总结 针对带旋转约束的鲁棒终身多智能体路径规划难题，提出搜索辅助联合强化学习方法，通过结合Causal PIBT与联合优化智能体-环境策略，在高密度地图及混合现实仓库环境中取得显著性能提升。

Multi-Agent Reinforcement Learning for Online Traffic Scheduling in Time-Sensitive Application

面向时间敏感型应用的在线流量调度的多智能体强化学习

Marcos Carvalho, Fatih Temiz, Shavbo Salehi, Melike Erol-Kantarci, Daniel F. Macedo

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

AI总结 针对动态XR驱动的MEC场景中TSN调度的挑战，本文提出基于HAPPO算法的MARL框架，将各TSN队列建模为自主智能体，可降低平均帧等待时间最多26.8%、最坏情况延迟约16.8%。

OrchestraBench: Evaluating Multi-Agent Orchestration Failure Modes, Recovery, and Decomposition Quality

OrchestraBench：评估多智能体编排的故障模式、恢复能力与分解质量

Yidian Chen, Yingzi Gu, Natan Vidra, Spurthi Setty, Sharon Zheng

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

AI总结 OrchestraBench 是评估多智能体编排故障模式、恢复能力与分解质量的基准，通过可控故障注入揭示了不同路由策略、智能体模式的故障处理差异及级联规律。

Comments 8 pages, 4 figures

Offline Nash Solvers Meet Online Tree Search in Multi-Agent Games on Graphs

离线纳什求解器与在线树搜索在图上多智能体博弈中的结合

Mukesh Kumar, Yue Guan, Panagiotis Tsiotras

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

AI总结 多智能体追逃博弈计算纳什均衡策略有挑战，本文提出原始引导树搜索框架PGTS，结合离线精确纳什均衡计算与在线树搜索，实验表明其显著优于现有基线，在多种图拓扑上对对手保持稳健性能。

When Agentic AI Meets Integrated Sensing and Communication

当智能体AI遇上集成感知与通信

Kai Li, Conggai Li, Sarah Ali Siddiqui, Syed Sohail Ahmed, Xin Yuan, Shenghong Li, Wei Ni

机构 * University of Luxembourg（卢森堡大学） ； CSIRO（联邦科学与工业研究组织） ； Qassim University（卡西姆大学） ； Edith Cowan University（伊迪丝·考恩大学） 纠错

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

AI总结 本综述提出智能体AI与集成感知通信结合的AISAC范式，构建六阶段闭环框架与五成熟度等级，梳理相关领域进展，分析交叉需求，发现现有系统智能体成熟度不足，并指出多方面开放挑战。

Comments 35 pages, 132 references, 10 tables, 9 figures

From Siloed Algorithms to Compliance-First Agentic Platforms: A Multi-Layered Architecture for Hospital AI Systems

从孤立算法到合规优先的智能体平台：面向医院AI系统的多层架构

Manideep Dhar, Ritwik Singh, Sharat Chandra Kumar Manikonda

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

AI总结 针对医院AI部署孤立、规模化难的问题，提出含智能体编排、合规策略、隐私保护数据层的多层架构，通过原型验证可减少任务耗时与文档工作量，为医院AI平台建设提供实用蓝图。

Comments Peer-reviewed published article

Journal ref IJISRT, 11-2026(5), IJISRT26MAY1651

A Two-Tier Perspective on Inference-Time Parallelism in Multi-Agent LLM Systems

多智能体大语言模型系统推理时并行性的两层视角

Zihan Xu, Haolin Tian, Hai Jiang

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

AI总结 本文提出整合两类并行性的TIPEX框架，在GAIA基准上验证推理时并行性可提升多智能体系统性能，中等难度任务从两类并行性协调中获益最多。

Comments Accepted to ICML 2026

Multi-Agent Transformer for Queue-Level XR Traffic Scheduling in TSN Networks

面向TSN网络中队列级XR流量调度的多智能体Transformer

Marcos Carvalho, Fatih Temiz, Shavbo Salehi, Melike Erol-Kantarci, Daniel F. Macedo

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

AI总结 针对TSN网络中队列级XR流量调度的现有方法存在队列依赖捕捉能力弱、对XR流量适应性差的问题，本文提出基于多智能体Transformer的多智能体强化学习方法，仿真显示其延迟与故障率降低效果显著。

SimMOF: AI agent for Automated MOF Simulations

SimMOF：用于自动化MOF模拟的AI代理

Jaewoong Lee, Taeun Bae, Jihan Kim

机构 * Department of Chemical and Biomolecular Engineering, Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院（KAIST）化学与生物分子工程系） 纠错

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

AI总结 SimMOF通过自然语言查询自动化MOF模拟全流程，实现依赖感知计划生成、可运行输入生成、多代理协同执行及结果分析，提供数据驱动的MOF研究可扩展基础。

Comments 42 pages, 7 figures, 3 tables

Communication-Aware Multi-Agent Reinforcement Learning for Decentralized Cooperative UAV Deployment

面向通信的多智能体强化学习用于分布式协同无人机部署

Enguang Fan, Yifan Chen, Zihan Shan, Klara Nahrstedt, Matthew Caesar, Jae Kim

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Boeing Research and Technology（波音研究与技术） 纠错

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

AI总结 本文提出基于图的多智能体强化学习框架，通过集中训练分散执行策略，在部分可观测和间歇性链路条件下实现高效无人机协同部署，展示了在合作中继部署和对抗任务中的优越性能。

Unified Agent: Managing Interactions across Devices

统一智能体：管理跨设备交互

Xinshuang Liu, Runfa Blark Li, Shaoxiu Wei, Xin Lin, Truong Nguyen

机构 * University of California, San Diego（加利福尼亚大学圣迭戈分校） 纠错

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

AI总结 本文针对现有智能体跨设备交互场景的不足，提出带紧凑状态设计的统一智能体，构建对应基准数据集，其性能显著优于多种现有设计，且在不同MLLM设置下表现鲁棒。

M$^3$Prune: Hierarchical Collaborative Pruning for Efficient Multi-Modal Multi-Agent Retrieval-Augmented Generation

M³Prune：面向高效多模态多智能体检索增强生成的分层协同剪枝

Taolin Zhang, Weizi shao, Zijie Zhou, Chen Chen, Daiyang Yu, Tingyuan Hu, Chengyu Wang, Xiaofeng He

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

AI总结 M³Prune是优化多模态多智能体检索增强生成的分层协同剪枝框架，通过剪枝冗余通信边提升性能与token效率，实验中优于单智能体及多智能体基准系统。

Comments Accepted by ACM MM2026

Certifying Collective Reasoning in Multi-Agent Systems via Koopman Spectral Analysis

基于Koopman谱分析的多智能体系统集体推理验证

Nuzhat Khan, Indrakshi Dey

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

AI总结 本文提出基于Koopman算子理论的框架，通过分析多智能体集体的Koopman转移算子谱，实现对其推理收敛时间、派系及决策的可验证，在注意力共识模型上验证了方法的有效性，且运行高效。

DVAR: Adversarial Multi-Agent Debate for Video Authenticity Detection

DVAR：对抗性多智能体辩论用于视频真实性检测

Hongyuan Qi, Feifei Shao, Ming Li, Hehe Fan, Jun Xiao

机构 * Zhejiang University（浙江大学） ； Guangming Lab（光明实验室） 纠错

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

AI总结 DVAR通过多智能体辩论框架，将视频真实性检测转化为结构化推理过程，利用生成假设代理与自然机制代理的竞争，结合MDL框架和GenVideoKB知识库，实现对未知生成架构的强泛化能力。

Comments 9 pages

Quantigence: A Multi-Agent Framework for Post-Quantum Security Analysis on Commodity Hardware

Quantigence：一种用于量子安全研究的多智能体AI框架

Abdulmalik Alquwayfili

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

AI总结 Quantigence通过多智能体AI框架提升量子安全研究效率，实现67%的研究周转时间减少和更全面的文献覆盖。

Comments 12 pages, 6 figures, 3 tables. Code and data: https://github.com/AbdulmalikDS/quantigence

Decentralized Affine Transformation for Scalable and Safe Multi-Agent Aerial Coordination

面向可扩展且安全的多智能体空中协调的分布式仿射变换

Garegin Mazmanyan, Hossein Rastgoftar

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

AI总结 该研究提出分布式仿射变换框架，将二维AT建模为分布式主从问题，通过微型四旋翼无人机实验验证其可安全引导多智能体穿越狭窄受限环境且符合理论收敛性。

PICopilot: An LLM-based Agentic Framework for Assisting Photonic Integrated Circuit Design via Script Generation

PICopilot：一种基于大语言模型的智能体框架，通过脚本生成辅助光子集成芯片设计

Xiaohan Jiang, Zeyu Li, Wei Zhang, Jiang Xu

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

AI总结 PICopilot是首个基于LLM的智能体框架，通过带反馈机制的多智能体架构与专用RAG流程，成功完成全部48项PIC脚本任务，性能优于其他LLM方法及通用RAG的GPT-5。

Comments 9 pages, 6 figures

Beyond the Library: An Agentic Framework for Autoformalizing Research Mathematics

超越图书馆：用于自动形式化研究数学的智能体框架

Arshia Soltani Moakhar, Iman Gholami, Max Springer, Mahdi JafariRaviz, MohammadTaghi Hajiaghayi

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

AI总结 提出一种基于通用编码大语言模型的智能体自动形式化框架，通过多智能体管道和辅助引理技术，成功形式化了PutnamBench和STOC论文中的主要定理，其中两个证明无需额外公理。

Comments preprint

AI-Farol: Co-Evolutionary Dynamics in a Multi-Agent Two-Sided Learning Framework

AI-Farol：多智能体双边学习框架中的协同进化动力学

Iosif Polenakis, Kalliopi Kastampolidou, Theodore Andronikos

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

AI总结 本研究将El Farol Bar游戏的酒吧建模为AI驱动的策略参与者，扩展框架至部分可观测性与动态定价，构建双边协同进化学习系统，为复杂自适应系统的相关问题提供见解。

A multi-agent AI classroom based on dual-process reasoning hazards: a pilot with prospective physics teachers

基于双加工推理风险的多智能体AI课堂：面向未来物理教师的试点研究

Eugenio Tufino

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

AI总结 本研究构建基于双加工理论风险框架的多智能体AI模拟课堂，用于培养未来物理教师回应学生推理的能力，发现其能显著提升诊断分数，且可揭示教师知与行的发展差距，为物理教师培养提供支持。

Comments 16 pages, 4 figures, 3 tables

Behind EvoMap: Characterizing a Self-Evolving Agent-to-Agent Collaboration Network

EvoMap背后：表征一个自进化的智能体间协作网络

Qiming Ye, Peixian Zhang, Yupeng He, Zifan Peng, Gareth Tyson

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

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

AI总结 通过分析EvoMap网络中的150万资产和12.8万智能体，揭示其设计选择在可重用性、演化和可审计性方面的权衡，发现奖励机制导致98%资产未被重用、评分系统易被操纵以及验证机制存在缺陷。

Benchmarking and Enhancing LLMs for Rule-Intensive Review of National Standard Documents

面向规则密集型国家标准文档评审的大语言模型基准测试与增强

Tao Wang, Qihao Yang, Rongjiao Liang, Lianghong Lin, Haitao Wang, Xinyu Cao, Tianyong Hao

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

AI总结 该研究针对规则密集型国家标准文档评审推出首个基准GB/T-Bench，提出多智能体框架GB/T-Reviewer，实验显示其大幅缩小了LLM与专家在该任务上的能力差距，为高风险文档领域可信AI奠定基础。

Computationally Efficient Collaborative Communication Via Regularity-Based Coarsening

Mark Bedaywi, Scott Emmons, Nika Haghtalab, Stuart Russell

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

Abstract Event Causal Rules: Induction and Application

抽象事件因果规则：归纳与应用

Ziwei Zheng, Peiqiong Chen, Bang Wang

机构 * School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息与通信学院） 纠错

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

AI总结 本研究针对现有实例级因果对泛化缺陷，提出抽象事件因果规则（AECR）及相关归纳系统，构建知识库并设计 AR-GCAE 模型注入 AECR，在 CGEP 任务中提升了事件因果推理与预测性能，尤其对稀有未见样本效果显著。

Trace Only What You Need: Structure-Aware On-Demand Hypergraph Memory for Long-Document Question Answering

仅追踪所需：面向长文档问答的结构感知按需超图记忆

Xiangjun Zai, Xingyu Tan, Chen Chen, Xiaoyang Wang, Wenjie Zhang

机构 * University of New South Wales（新南威尔士大学） ； CSIRO（澳大利亚联邦科学与工业研究组织） ； University of Wollongong（伍伦贡大学） 纠错

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

AI总结 提出DocTrace，一种多智能体RAG框架，通过查询触发的知识组织、文档结构感知和经验引导推理，解决长文档问答中知识组织成本高、结构利用不足和推理经验无法复用的问题，在三个数据集上取得最佳性能。

From Guessing to Seeing: Enhancing LLM-Based Program Repair via Trace-Guided Multi-strategy Debate

通过多智能体辩论引导的运行时执行轨迹指导的自动程序修复

Jiaqing Wu, Tong Wu, Manqing Zhang, Yunwei Dong, Bo Shen

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

AI总结 本文提出TraceRepair框架，利用运行时事实作为共享约束进行补丁验证，通过多智能体协作提高修复效率和泛化能力，实验显示其在修复缺陷和处理新 bug 数据集上表现优异。

Comments 13 pages, 4 figures, 10 tables. Accepted at the 41st IEEE/ACM International Conference on Automated Software Engineering (ASE 2026)

Worst-Case Distance-Aware Error Bounds for Neural Networks

K-DAREK：基于距离的Kurkova- Kolmogorov网络误差

Masoud Ataei, Vikas Dhiman, Mohammad Javad Khojasteh

机构 * Microelectronic Engg. Rochester Institute of Technology Rochester, NY, USA（微电子工程系罗切斯特理工学院罗切斯特分校） 纠错

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

AI总结 K-DAREK是一种基于距离的Kurkova-Kolmogorov网络误差算法，用于高效且可解释的函数近似，具有不确定性量化和稳健的误差界。

HCRide: Harmonizing Passenger Fairness and Driver Preference for Human-Centered Ride-Hailing

HCRide：面向以人为中心的网约车服务，协调乘客公平性与司机偏好

Lin Jiang, Yu Yang, Guang Wang

机构 * Department of Computer Science, Florida State University（佛罗里达州立大学计算机科学系） ； Department of Computer Science and Engineering, Lehigh University（莱斯利大学计算机科学与工程系） 纠错

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

AI总结 本研究设计了基于Habic算法的HCRide网约车系统，在不损害效率的前提下协调乘客公平性与司机偏好，经深圳和纽约数据集验证，其效率、公平性及司机偏好满意度均优于现有基线。

Comments 9 pages, 4 figures. Accepted as a regular paper in the Human-Centred Artificial Intelligence Track at IJCAI 2025

Large-Market Discipline in Combinatorial Double Auctions: No Assembly, Bundle Selection, and Complementarities

组合双向拍卖中的大市场约束：无组合、束选择与互补性

Konstantinos E. Zachariadis, Yongxin Yang

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

AI总结 针对存在无组合约束的商品束市场，构建组合买方出价双向拍卖，证明其继承大市场约束特性，模拟显示无组合是有限市场关键摩擦。

Comments 67 pages, 8 figures, 6 tables