AI Agent

Foam-Agent: A Large Language Model-Based Multi-Agent Framework for Automating Computational Fluid Dynamics Workflows

Foam-Agent：迈向自动化智能CFD工作流程

Ling Yue, Nithin Somasekharan, Tingwen Zhang, Yadi Cao, Zhangze Chen, Shimin Di, Shaowu Pan

机构 * Department of Computer Science, Rensselaer Polytechnic Institute（里士满理工学院计算机科学系） ； Department of Mechanical, Aerospace, and Nuclear Engineering, Rensselaer Polytechnic Institute（里士满理工学院机械、航空航天与核工程系） ； Department of Computer Science and Engineering, University of California San Diego（加州大学圣地亚哥分校计算机科学与工程系） ； College of Education, Zhejiang Normal University（浙江师范大学教育学院） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） 纠错

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

AI总结 Foam-Agent通过多智能体框架和大型语言模型，实现自动化CFD工作流程，显著提升模拟效率和成功率。

Comments 34 pages, 9 figures, 9 tables

Journal ref Computer Methods in Applied Mechanics and Engineering, Vol. 461, 119271 (2026)

BoardroomAI: Dependency-Aware Human-Steerable Multi-Agent Deliberation through Evolving Decision Graphs

BoardroomAI：通过演化决策图实现依赖感知、人类可引导的多Agent审议

Sanjeev Manivannan

机构 * Indian Institute of Technology Madras（马德拉斯印度理工学院） 纠错

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

AI总结 BoardroomAI通过四个组件实现依赖感知的人类可引导多Agent审议，实验显示其传播效率高、修复效果好，为相关研究提出了决策充分上下文闭合的需求。

Comments 14 pages, 2 figures

Reconcile Once, Write Anytime: A Trust-Tiered Librarian and a Multi-Agent Writer for Drift-Free, Point-in-Time Research

一次对账，随时撰写：用于无漂移、时点研究的信任分层图书馆与多智能体撰写器

Xing Zhang, Yanwei Cui, Guanghui Wang, Peiyang He

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

AI总结 该研究提出双层智能体系统，通过信任分层图书馆与多智能体撰写器分离知识库与报告撰写，消除报告矛盾与漂移，实验验证其在多指标、多场景下的有效性与效率优势。

MARC v1: An Open-Source Multi-Agent Framework for Clinical AI Reasoning and Coordination

MARC v1：一个用于临床AI推理与协作的开源多智能体框架

Saisha Shetty, Satvik Tripathi, Austin Lin, Colin Zhao, Theodore Kim, Don Enwerem, Jacinta Arnold, Shahriar Faghani, Tessa S Cook

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

AI总结 该研究提出开源多智能体框架MARC v1，以确定性多智能体编排替代整体式LLM提示用于临床推理，含角色专业化智能体与分解器模块，支持多部署方式，具备模型无关、可解释等特性。

Comments 13 pages, 4 figures

Learning Latency-Aware Orchestration for Multi-Agent Systems

学习面向延迟的并行多智能体系统编排

Xi Shi, Mengxin Zheng, Qian Lou

机构 * University of Central Florida（中央佛罗里达大学） 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 本文提出LAMaS框架，通过显式优化关键路径降低多智能体系统并行执行的延迟，提升效率和性能。

Comments Preprint. Previously this version appeared as arXiv:2607.13359 which was submitted as a new work by accident

StateBridge: Training-free Hidden-state Alignment for Latent Communication in LLM Multi-Agent Systems

StateBridge：面向大语言模型多智能体系统潜在通信的无训练隐藏状态对齐

Yanwen Peng, Delvin Ce Zhang, Xi Wang, Nikolaos Aletras

机构 * School of Computer Science, University of Sheffield（谢菲尔德大学计算机科学学院） 纠错

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

AI总结 StateBridge 是一种无训练的潜在通信方法，通过闭式正交变换对齐大语言模型多智能体的隐藏状态，在 26 个模型-任务对中 22 个取得最优或并列最优性能，优于基线。

Comments 18 pages, 3 figures, 4 tables, accepted by COLM2026

OGR-MARL: Option-Guided Residual Multi-Agent Reinforcement Learning for Heterogeneous USV Cooperative Pursuit in Constrained Port Waterways

OGR-MARL：面向受限港口水道中异构无人水面艇协同追踪的选项引导式残差多智能体强化学习

Mao Jiayang, Wang Lanfeng, Peng Zhao-Han

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OGR-MARL框架，将其实例化为多款连续控制MARL算法，经厦门港水道实验验证，OGR-MASAC捕获率达75.0%，规则依从性与异构协同表现最优，且具备良好泛化潜力。

Comments 6 pages,5 figures, accepted by ICUS 2026

Discovering Efficient and Explainable Communication Topologies for LLM-based Multi-Agent Systems via Causal Inference

通过因果推理发现基于大语言模型的多智能体系统的高效且可解释的通信拓扑

Junzhi Li, Peng He, Qirui Ji, Wei Wang, Lixiang Liu, Chuxiong Sun

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

AI总结 该研究针对基于LLM的多智能体系统通信拓扑可解释性不足的问题，提出模型无关框架E2-Explainer，通过因果推理识别关键通信子图，在保持任务性能的同时降低了通信成本。

Comments 18 pages, 4 figures. Submitted to AAAI 2027

Lines and Ladders: A Context-Aware Multi-Agent Framework for Large-Scale Retail Price Taxonomy

Lines and Ladders：面向大规模零售价格分类的上下文感知多智能体框架

Ravi Teja Chunduri, Srikaran Reddy Boya, Deep Narayan Mishra, Ajay Kumar B, Karthik Kumaran, Pranay Kona

机构 * Walmart Global Tech（沃尔玛全球科技） 纠错

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

AI总结 针对大规模零售商品定价管理难题，提出上下文感知多智能体框架自动化构建Lines and Ladders价格分类，3智能体系统在Lines任务F1达0.83，在多品类数据上表现优异且已投入生产。

Comments 8 pages. Accepted in the Main Conference of IEEE ICMLA 2026

Multi-AUV Ad-hoc network-based Target Tracking: A Value Gradient Guidance Multi-Agent Diffusion Reinforcement Learning Approach

基于多AUV自组织网络的目标跟踪：一种值梯度引导多智能体扩散强化学习方法

Jiaao Ma, Chuan Lin, Guangjie Han, Shengchao Zhu, Qian Zhu, Ying Liu, Zhenyu Wang

机构 * Software College, Northeastern University（东北大学软件学院） ； Hohai University（河海大学） 纠错

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

AI总结 针对多AUV自组织网络目标跟踪的训练不稳定、跟踪性能差问题，提出VGG-MADiffRL算法与MDCA架构，实现了更快收敛、更高跟踪精度与平稳训练动态，具有工程应用价值。

PSPACE-Completeness of Multi-Agent Path Finding for Large Agents

大智能体的多智能体路径寻路问题的PSPACE完全性

Maichi Zhang, Naoyuki Kamiyama, Kanae Yoshiwatari

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

AI总结 本文针对大智能体的多智能体路径寻路（LA-MAPF）问题，通过多项式时间归约从受限滑动令牌证明其为PSPACE完全，强化了该问题为NP难的已有结论。

Do LLMs Beat Nash? Testing Decentralized Coordination in Self-Play Multi-Agent Games

大型语言模型智能体能胜过纳什（均衡）吗？测试自玩多智能体游戏中的去中心化协调

Deborah Sinishaw, Qile Zhu, Edwin Meriaux, Gregory Dudek

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

AI总结 该研究测试无通信时LLM智能体能否超越纳什均衡，构建无通信博弈基准发现部分前沿托管模型可超越纳什，开放权重模型收益有限且无法迁移至多智能体团队。

Comments 5 pages, 5 figures. Submitted to the 2026 IEEE MIT Undergraduate Research Technology Conference (URTC)

Distance-Based Formation Control with Prescribed Performance for Higher-Order Multi-Agent Systems

高阶多智能体系统的具有指定性能的基于距离的编队控制

Janina Schaa, Maria Charitidou, Dimos Dimarogonas, Thomas Berger

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

AI总结 针对相对阶大于1的未知非线性多智能体系统，提出分布式无模型控制律，实现基于距离的编队控制，保证误差满足指定约束且信号有界，通过仿真验证了方法有效性。

When Truth Is Distributed: Misinformation Derails Collective Fact Recovery in LLM-Based Multi-Agent Systems

当真相被分散时：错误信息会破坏基于大语言模型（LLM）的多智能体系统中的集体事实恢复

Chenfei Yan, Zeyang Yue, Feifei Zhao, Erliang Lin, Lu Jia, Haibo Tong, Mingyang Lyu, Chengyi Sun, Yi Zeng

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

AI总结 本研究提出Hi-Agreement评估框架，发现基于LLM的多智能体系统中，关键证据持有者的虚假证词会破坏集体事实恢复，使恢复率从72.50%降至14.17%，且虚假证据会持续传播。

Optimal Control Strategies for Multi-Agent Sheep Herding

多智能体赶羊的最优控制策略

Drake Brown, Trevor Garrity, Daniel Perkins, Davis Hunter, Wyatt Pochman

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

AI总结 针对n只狗赶m只羊至原点的最优控制问题，研究了solve_bvp、打靶法、线性化iLQR等方法的收敛性与适用性，指出标准数值技术的局限及非线性协调策略的需求。

Comments 11 pages, 5 figures

Moral Hazard in Multi-Agent Language Models

多智能体语言模型中的道德风险

Dane Malenfant

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

AI总结 研究多智能体语言模型中的道德风险，引入对话道德风险游戏，评估七个模型并分解行为，用多种优化机制更新，发现效果异质，强调应报告机制级行为而非仅团队成功。

Comments This revision substantially expands the empirical evaluation to eleven open-weight and three frontier models, adding matched query-cost, team-reward, group-size, and private-share incentive analyses. It also extends the weight-level and GEPA results, frozen-prompt information-structure interventions, statistical uncertainty analyses, and qualitative prompt/reasoning-trace studies

Multi-Agent Scheduling with LLM-Assisted Contract Net Negotiation for Stream Processing in Mobile Edge Computing

面向移动边缘计算中流处理的、基于大语言模型辅助合同网协商的多智能体调度

Sabeur Lajili, Zaki Brahmi

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

AI总结 针对移动边缘计算流处理的分散调度难题，提出MAS-DecStream模型，其核心为LLM-MR-CNP协议，实验表明该模型可降低延迟违规、提升冲突解决率与效用，多轮CNP优化及LLM辅助均具价值。

Comments 8

Agent Behavioral Contracts II: Certifying Compositional Reliability Without Assuming Independence

智能体行为契约II：不假设独立性的组合可靠性验证

Varun Pratap Bhardwaj, Garima Singh, Arun Pratap Bhardwaj

机构 * Qualixar 纠错

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

AI总结 该研究针对多智能体系统组合可靠性的独立性假设开展验证，发现组件共享模型时正相关性会高估冗余度，提出无依赖假设的有限样本验证方法并通过扩充矩函数提升验证效果，配套任意时间有效验证方法。

Comments 49 pages, 12 tables, 25 numbered definitions, 18 theorems with full proofs, six experiments, 65 references. Code, analysis scripts, and preregistration: https://github.com/qualixar/agentassert-abc

AaLLM: An End-to-End Analog Circuit Design Framework from Topology Generation to Sizing Using Large Language Models

AaLLM：基于大语言模型的从拓扑生成到尺寸确定的端到端模拟电路设计框架

Mohammed Ayman Habib, Rylan Hart, Morteza Fayazi

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

AI总结 本文提出AaLLM，一种端到端多智能体LLM工作流，自动完成模拟电路拓扑生成与尺寸确定，可减少SPICE调用次数和运行时间，创新拓扑性能与传统拓扑相当。

EU-ETS under attack? The impact of carbon price suppression on the decarbonization of the power sector

欧盟碳排放交易体系面临冲击？碳价抑制对电力部门脱碳的影响

Javier Gonzalez-Ruiz, Carlos Rodriguez-Pardo, Alice Di Bella, Paolo Mastropietro, Jose Pablo Chavez-Avila, Massimo Tavoni

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

AI总结 本文以意大利2026年《Decreto Bollette》法案为案例，采用MARLEY框架评估碳价抑制对电力部门脱碳的影响，发现该政策短期降本但长期减排效果差，仅在高绿色投资支持下可避免排放上升，却需采用与干预初衷矛盾的混合市场范式。

Comments 58 pages, 12 figures, 12 tables. Includes supplementary material

AQuA: Recursively Self-Improving Quantitative Trading Research Agents

AQuA：递归自我改进的量化交易研究智能体

Jiacheng Guo, Suozhi Huang, Yunlong Gao, Zihao Li, Jian Ge, Xu Kuang, Mengdi Wang

机构 * Princeton University（普林斯顿大学） ； Ant Group（蚂蚁集团） ； Stanford University（斯坦福大学） 纠错

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

AI总结 本研究提出AQuA系统，包含符号因子发现与可训练模型开发两个独立研究智能体，实现研究层面的递归自我改进，其构建的量化策略在美股等市场表现优异且连续五年收益为正。

Unmasking Conversational Bias in AI Multiagent Systems

揭示AI多智能体系统中的对话偏见

Erica Coppolillo, Giuseppe Manco, Luca Maria Aiello

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

AI总结 该研究针对AI多智能体系统的对话偏见检测空白，提出对话型LLMs多智能体系统偏见量化框架，发现现有问卷式方法无法检测到该场景下的偏见，呼吁开发更复杂的偏见检测与缓解工具包。

Distributed Online Submodular Maximization under Communication Delays: A Simultaneous Decision-Making Approach

分布式在线子模优化在通信延迟下的研究：一种同时决策方法

Zirui Xu, Vasileios Tzoumas

机构 * University of Michigan（密歇根大学） 纠错

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

AI总结 本文提出分布式在线贪心算法DOG，解决通信延迟下的子模优化问题，通过结合对抗性带宽学习与延迟反馈，在任意网络拓扑中实现同时决策，分析协调性能与收敛时间的权衡。

Comments Accepted to ACC 2026

Entropy-Augmented Multi-Objective Policy Optimization in Multiagent Systems

多智能体系统中的熵增强多目标策略优化

Jamie Santos, Ayhan Alp Aydeniz, Raghav Thakar, Kagan Tumer

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

AI总结 针对多智能体系统中多目标进化算法忽略行为多样性的问题，提出熵增强策略评估方法，在漫游者领域实验中使超体积较NSGA-II提升最高达48%，验证了行为多样性的优化价值。

Joint Communication-Control Strategy Optimization with Partially Nested Information Structures: The Linear-Quadratic Case

部分嵌套信息结构下的通信与控制策略联合优化：线性二次情形

Haoyi You, Kaiqing Zhang

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

AI总结 本文针对多智能体线性系统的JCCO问题，基于CIB框架建立形式化模型，提出基于动态规划的方法求解开环及闭环通信策略下的最优策略，可导出里卡蒂方程并拓展至分散线性二次控制场景。

Comments Preliminary version accepted to IEEE CDC 2026

Anytime Plug-and-Play Control with Contract-Based Distributed MPC

基于契约的分布式模型预测控制的随时即插即用控制

Sabrina Bodmer, Danilo Saccani, Melanie N. Zeilinger, Andrea Carron

机构 * Institute for Dynamic Systems and Control, ETH Zurich（动态系统与控制研究所，苏黎世联邦理工学院） ； Institute of Mechanical Engineering, École Polytechnique Fédérale de Lausanne（机械工程研究所，洛桑联邦理工学院） 纠错

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

AI总结 研究多移动机器人应用中通信拓扑时变问题，提出基于局部通信的分布式控制算法，靠距离邻居定义和预测轨迹契约，有效支持智能体随时加入或离开，保证避碰和约束满足。

Asynchronous Distributed Bandit Submodular Maximization under Heterogeneous Communication Delays

异步分布式带宽子模最大化在异构通信延迟下的研究

Pranjal Sharma, Zirui Xu, Vasileios Tzoumas

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

AI总结 本文研究了在异构通信延迟下异步分布式多智能体带宽子模最大化问题，提出了一种异步协调算法，证明了其在通信延迟和时钟偏差下的近似保证。

Heterogeneity-Aware Belief Synchronization for Semantic Communication in AI-Native 6G Networks

面向AI原生6G网络中语义通信的异质性感知信念同步

Muhammad Hannan Akram, Muhammad Abubakar Rashid, Wassi Haider Kabir, Haejoon Jung, Kapal Dev, Syed Ali Hassan

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 针对AI原生6G网络中异构AI模型导致的信念对齐难题，提出基于MEC服务器潜在翻译模型的异质性感知信念同步框架，可降低同步成本、保护隐私并维持低信念对齐误差。

Comments 8 pages, 4 figures

SoM-MTM: Synesthesia of Machines (SoM)-Driven Masked Token Model for Cooperative Perception over Packet Loss Channel

SoM-MTM：机器联觉（SoM）驱动的掩码令牌模型，用于丢包信道上的协同感知

Haozhen Li, Rongqing Zhang, Xiang Cheng

专题命中 多智能体 ：agentic(abstract)

AI总结 针对丢包信道协同感知的通用性不足问题，提出SoM-MTM模型，结合掩码图像建模与外部路由MoE机制，提升感知性能与泛化能力，且模型成本可控

Energy Efficiency Maximization for FAS-Assisted Downlink Communication in Mobile Embodied AI Networks (MEAN) over Interference Channels

干扰信道中移动具身人工智能网络（MEAN）里流体天线系统（FAS）辅助的下行通信的能效最大化

Ruopeng Xu, Zhaohui Yang, Jiaxiang Wang, Chenliang Wu, Zhaoyang Zhang

专题命中 多智能体 ：agent(abstract)

AI总结 针对干扰信道中FAS辅助的下行MEAN，该研究联合优化智能体位置、FAS端口选择与发射功率以最大化能效，提出的迭代算法在噪声严重时性能优于基准方案。