AI Agent

WARA: Toward Automated Wireless Optimization Research with Closed-Loop LLM Agents

WARA：面向自动化无线优化研究的闭环大语言模型智能体

Yuan Guo, Yilong Chen, Chao Hu, Xianghao Yu, Liang Hong, Jie Xu

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

AI总结 该研究提出首个面向无线领域的端到端闭环LLM自动研究框架WARA，通过工件介导控制实现自动化无线优化研究，其性能优于单次LLM生成，接近同行评审论文质量。

Agent Inheritance Protocol: Speculating on Feralized Agents After Principals Die

智能体继承协议：主体死亡后的野生化智能体推测

Botao Amber Hu, Fangting

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

AI总结 本文推测区块链上的AI智能体在主体死亡后会野生化，提出以太坊标准草案ERC 42424以强制链上智能体必须有人类所有者和继承人，探讨人类管理与机器自主主权的边界。

Comments Submitted to NeurIPS 2026 Creative AI Track

Unaccountable Delegation, Fading Skills: Mapping the Risks of Workplace AI Agents

不可问责的授权与技能衰退：绘制职场AI智能体的风险图谱

Gabriele La Malfa, Lakmal Meegahapola, Edyta Bogucka, Jie M. Zhang, Michael Luck, Elizabeth Black, Daniele Quercia

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

AI总结 该研究开发了AI智能体多层框架，基于2078项工作任务生成风险场景并验证，扩展出15类职场AI风险分类法，揭示了不同部署模式的风险差异，为职场AI风险管控提供了分类工具与依据。

Characterizing Agentic Flooding of Government Services

刻画政府服务的智能体泛滥问题

Chris Schmitz, Lewis Hammond, Alan Chan

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

AI总结 该研究定义了政府服务的智能体泛滥问题，基于84起案例数据集分析其广泛存在性，开发风险矩阵评估高风险服务，梳理政府应对措施并推荐兼顾公平的缓解方案。

Comments To appear in the proceedings of the 9th AAAI Conference on AI, Ethics, and Society (AIES), October 12-14, 2026

LOCAL: Enabling Learning On-device Contiguously for Agent LLMs

LOCAL：支持智能体大语言模型在设备上进行连续学习

Xinxin Liu, Jiaxin Li, Zibo Wang, Yun Ji, Zhangqi Zhu, Qing Hu, Zhibin Wang, Rong Gu, Sheng Zhong, Chen Tian

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

AI总结 LOCAL是首个支持LLM智能体设备端连续学习的单GPU运行时，通过协同组件共享状态实现一致性，在7B级模型、24 GB单GPU上显著降低多项性能指标，保障学习与推理的连续性。

Comments 16 pages, 8 figures

Understanding Cognition-Induced Risks in Agentic AI Systems

理解智能体AI系统中认知引发的风险

Guanchu Wang, Qinuo Li, Mengnan Du, Xia Hu, Bowen Zhou

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Tsinghua University（清华大学） 纠错

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

AI总结 该研究针对由LLM驱动的智能体AI系统，基于物理、社会、自我指涉认知的三级框架分析其引发的风险，提出策略以增强系统可控性，保障长期安全发展。

Comments This paper has been accepted by IEEE Intelligent Systems, which can be accessed at https://doi.ieeecomputersociety.org/10.1109/MIS.2026.3721766. The DOI is 10.1109/MIS.2026.3721766

SocialCoach: Personalized Social Skill Learning with Agentic Tutoring and Practice

SocialCoach: 基于强化学习的智能辅导与练习的个性化社交技能学习

Tianfu Wang, Max Xiong, Jianxun Lian, Hongyuan Zhu, Zhengyu Hu, Yuxuan Lei, Linxiao Gong, Dapeng Hu, Xiaofang Li, Peiting Tsai, Nicholas Jing Yuan, Qi Zhang

机构 * HKUST (GZ)（香港科技大学（广州）） ； Duke University（杜克大学） ； MSRA Beijing（微软研究院北京） ； Microsoft Beijing（微软北京） 纠错

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

AI总结 提出SocialCoach系统，利用多智能体管道构建知识语料库、强化学习优化自适应练习调度，并结合沉浸式实践与反思辅导，以解决社交技能学习中专家辅导稀缺和知行差距问题。

D2-ScaleAgent: Dual-Dimensional Scaling for Long Document Understanding

D2-ScaleAgent：面向长文档理解的双维度缩放方法

Hao Zhang, Longrong Yang, Lunhao Duan, Ziyang Wang, Qing-Guo Chen, Shanshan Zhao

机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 针对现有多模态RAG长文档理解方法缺乏动态计算缩放能力的问题，提出D2-ScaleAgent双维度缩放智能体框架，在相关基准上取得良好效果。

JarvisBench: Always-on Intelligence Between Humans and Agents

JarvisBench：人类与智能体间的始终在线智能

Chen Chen, Zhehuai Chen

机构 * NVIDIA（英伟达） 纠错

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

AI总结 JarvisBench针对人类与智能体间的双向注意力协调问题，构建含45个任务实例的基准，可评估中间件的双向协调能力，为智能体能力提升提供稳定评估目标。

Deep Reinforcement Learning for 6G AI-RAN: A Comprehensive Survey

面向6G AI-RAN的深度强化学习：一项综合调查

Jie Lu, Peihao Yan, Qijun Wang, Ruxin Lin, Huacheng Zeng

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

AI总结 本文针对6G开放AI-RAN，首次开展深度强化学习（DRL）综合调查，梳理DRL基础、O-RAN感知框架、DRL应用分类及相关研究方向，填补了DRL方法论与O-RAN部署间的系统关联空白。

Reconstruction: A Blind Benchmark for Recovering Research Ideas from Pre-Publication Bibliographies

重构：从预发表参考文献中恢复研究思路的盲基准

Shaolong Chen, Yanlin Fei, Nazhou Liu, Xinmiao Yu, Lei Li, Rahul Thapa, Madalina Ciobanu, Qingqing Mao, Ritankar Das

机构 * Stanford University（斯坦福大学） ； Titan Holdings（泰坦控股公司） ； Prentis AI（普伦蒂斯人工智能公司） 纠错

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

AI总结 该研究提出Reconstruction盲基准，测试语言模型从预发表参考文献恢复论文思路的能力，发现多智能体流水线可将匹配率提升约2.4倍。

Position: Certified Correctness in Neural Constraint Reasoning Requires Symbolic Integration

立场：神经约束推理的认证正确性需要符号集成

Shufeng Kong, Xiaochuan Zhang, Caihua Liu

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

AI总结 本文针对神经约束推理在分布偏移下易出现约束违反的问题，提出需优先将神经方法与符号方法双向集成，通过多智能体认证推理框架实现计算效率与可证正确性。

Comments Accept by ICML 2026

Reward hacking in physical reinforcement learning revealed by turbulent drag reduction

减阻还是奖励黑客？赚取其奖励的循环多智能体强化学习

Giorgio Maria Cavallazzi, Miguel Pérez-Cuadrado, Alfredo Pinelli

机构 * School of Science and Technology, Department of Engineering, City St. George’s, University of London（伦敦大学科学与技术学院，工程系，圣乔治学院） 纠错

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

AI总结 针对壁湍流减阻控制中强化学习奖励与设计目标偏离的问题，提出可微投影、循环策略和真实壁面功率奖励的修正方案，在诚实核算下实现17%的保守减阻。

Learning Sequential Mobility Choice: A Review of Route and Activity Choice through Inverse Reinforcement and Imitation Learning

学习序列出行选择：基于逆强化学习与模仿学习的路径与活动选择综述

Tien Mai

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

AI总结 本综述构建了将交通选择建模与IRL、IL结合的统一框架，综述多种相关学习方法，提出嵌入行为约束的混合模型可提升出行选择预测性能。

Principled Authority Switching for Shared Autonomy in Human-Robot Teams

人机协作团队中共享自主的原则性权限切换

Sandeep Banik, Naira Hovakimyan

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

AI总结 本文提出一种合作博弈论框架，用于解决人机共享自主中的权限切换问题，推导了线性二次系统下最优切换策略的闭式递推式，验证了其在不同系统场景下的有效性，揭示了人类适应性与自主效率的权衡。

Comments 8 pages, 7 figures, accepted at IEEE RO-MAN 2026

SbDN: Source-based TSN-Grade Deterministic Networking using Commodity Switches

SbDN：使用商用交换机的基于源的TSN级确定性网络

Mohammadparsa Karimi, Majid Nabi, Andrew Nelson, Kees Goossens, Twan Basten

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

AI总结 该研究提出基于源的多智能体架构SbDN，用商用交换机实现TSN级确定性网络，通过TNP和TP两种方法保证时间关键流的端到端延迟，成本更低且调度时间短。

Comments 20 pages, 13 figures

Moving Horizon Estimation for Underwater Target Tracking Based on Time-Difference-of-Arrival Measurements

基于到达时间差测量的水下目标跟踪的移动时域估计

Anton Tolstonogov, David Cabecinhas, Pedro Batista, Antonio Pascoal

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

AI总结 本文针对水下目标跟踪难题，研究基于到达时间差的移动时域估计方法，仿真显示其鲁棒性优于经典扩展卡尔曼滤波，可作为多智能体跟踪系统的实用组件。

Comments 6 pages, 2 figures. This work has been accepted to IFAC WC 2026 for publication

$\texttt{Flip-Team}$: Cooperative Takeover Games with Stochastic Human Override

Flip-Team：带随机人工干预的协作接管游戏

Sandeep Banik, Naira Hovakimyan

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

AI总结 本文提出带随机人工干预的协作博弈论框架，将共享自主系统的控制切换问题建模为利益一致的动态博弈，推导线性二次系统的最优切换策略闭式递推式，验证了其在不同系统下的有效性，揭示人类适应性与自主效率的权衡。

Comments 8 pages, 7 figures, accepted at IEEE CDC 2026

An Asynchronous Triggered MAC Protocol for Underwater Acoustic Networks

用于水下声网络的异步触发MAC协议

Bingwen Huangfu, Jiani Guo, Shanshan Song, Nan Sun, Jun Liu, Miao Pan

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

AI总结 针对水下声网络MAC协议同步开销大、调度灵活性不足的问题，提出异步触发MAC（AT-MAC），采用异步可变时隙与增强多智能体深度强化学习，结合负载感知公平性机制，提升了信道利用率与公平性。

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

Deep reinforcement learning with spatial and temporal awareness for active boundary control of buoyancy-driven convection

具有时空感知能力的深度强化学习用于浮力驱动对流的主动边界控制

Giorgio Maria Cavallazzi, Miguel Pérez Cuadrado, Alfredo Pinelli

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

AI总结 针对深度强化学习在热对流控制中产生的退化驱动问题，提出结合卷积策略网络、GRU记忆、离策略训练和动作平滑约束的框架，成功实现细胞合并并降低努塞尔数，并在双扩散对流中自适应发现行波驱动。

Distributed Safety Critical Control among Uncontrollable Agents Using Reconstructed Control Barrier Functions

在不可控代理中使用重建的控制屏障函数实现分布式安全关键控制

Yuzhang Peng, Wei Wang, Jiaqi Yan, Mengze Yu

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

AI总结 本文研究了在存在不确定行为的不可控代理的多智能体系统中分布式安全关键控制的问题，提出了一种新的重建控制屏障函数方法，通过分布式自适应观测器获得其他代理的状态估计来重建耦合的控制屏障函数，并设计了安全关键二次规划控制器，证明了所提出的分布式控制方案在不确定动态环境中能够严格保证系统安全。

Journal ref Y. Peng, W. Wang, J. Yan and M. Yu, "Distributed Safety Critical Control among Uncontrollable Agents Using Reconstructed Control Barrier Functions," 2026 European Control Conference (ECC), Reykjavík, Iceland, 2026, pp. 1084-1089

Projecting onto the unit dual quaternion set

投影到单位对偶四元数集合

Ziyang Li, Chunfeng Cui, Jiaxin Xie

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

AI总结 本文针对实际应用中常用的$2^R$-范数，系统研究向单位对偶四元数集合的投影问题，识别不同情况并通过数值实验验证了所提算法的有效性。

Comments to appear in Journal of Global Optimization

Beyond Direct Access: Resource Hijacking in LLM Agents

超越直接访问：大语言模型智能体中的资源劫持

Puyu Zeng, Qibing Ren

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 该研究首次识别智能体资源劫持这一安全盲区，推出ResourceHijackBench及自动化生成流程，实验显示无防御时OpenClaw平均攻击成功率达84.06%，现有防御仍不足。

Comments 11 pages, 3 figures, 4 tables

The 2026 Singapore Consensus on Global AI Safety Research Priorities

2026年新加坡全球AI安全研究优先事项共识

Stephen Casper, Oskar Galeev, Yoshua Bengio, Mohan Kankanhalli, Lee Wan Sie, Tegan Maharaj, Chris Meserole, Luke Ong, Stuart Russell, Dawn Song, Max Tegmark, Brian Tse, Xue Lan, Andrew Yao, Zhang Ya-Qin, Zhou Bowen, Imane Bello, Kwan Yee Ng, Vanessa Wilfred, Erica Liaw, Lee Chein Inn, Lin Wanxuan, Ng En Qi, Jonathan Lee, José Villalobos, Abhishek Aggarwal, Adam Gleave, Alan Chan, Alex Leung, Alvin Kwock, Anthony Tung, Arisa Siong, Arthur Tea, Ben Bucknall, Benjamin Weinstein-Raun, He Bing Sheng, Liu Bo, Bryan Kian Hsiang Low, Chris Ngo, Clement Neo, Cyrus Hodes, Dan Hendrycks, Daniel Ross, Liu Dapeng, Denise Wong, Djordje Zikelic, Elham Tabassi, Fabien Le Voyer, Fazl Barez, Gabriel Nicholas, Henry Papadatos, Jaan Tallinn, James Petrie, Xu Jia, Shao Jing, Jonathan Barry, Julia Chen, Sun Jun, Karson Elmgren, Kat Lyness, Katherine Lee, Kristy Loke, Lee Kwee Geak, Leslie Teo, Meng Ling Yu, Lisa Soder, Madhulika Srikumar, Malcolm Murray, Mark Brakel, Mark Nitzberg, Mary Phuong, Matthew Jagielski, Max Fenkell, Miro Plueckebaum, Kim Myuhng Joo, Hu Naying, Neil Davison, Nicolas Miailhe, Niki Iliadis, Nur Syahidah Sahrom, Ong Chen Hui, Pradeep Varakantham, Rebecca Finlay, Renata Dwan, Robert Opp, Rumman Chowdhury, Saad Siddiqui, Sabina Nong, Sam Ramadori, Sami Jawhar, Samuel Boger, Sara Hooker, Ying Shao Wei, Sebastian Hallensleben, Shinyuk Kang, Sophie Toura, Sreejith Balakrishnan, Stephanie Kasaon, Stephen Clare, Summer Yue, Sunny Yuqing Sun, Supheakmungkol Sarin, Tian Tian, Tim Schreier, Tori Westerhoff, Urvashi Aneja, Wayne Tee, Lu Wei, Xu Wei, Zhang Wenxuan, Hu Xia, Yang Xiaofang, Pan Xudong, Xiao Yajun, Yifan Jia, Tan Yong Khiam, Yuejin Du, Yuma Kurihara, Tan Zhi Xuan, Sören Mindermann

专题命中 多智能体 ：AI agent(abstract)

AI总结 该研究基于第二届AI安全国际科学交流成果，发布2026年新加坡全球AI安全研究优先事项共识，聚焦技术AI安全、社会韧性及自主AI智能体风险管理，为全球AI安全研究提供方向。

Comments Available at https://aisafetypriorities.org/

Majority voting is not good for heaven or hell, with mirrored performance

多数投票并非天堂或地狱的良方，具有镜像表现

Pavel Chebotarev, Vadim Afonkin

专题命中 多智能体 ：agent(abstract)

AI总结 本文研究了多数投票在不同环境中的表现，发现对称多数规则在有利环境和敌对环境中的性能呈镜像对称，揭示了其在不同情境下的优劣差异。

Comments 34 pages, 5 figures. Submitted to a journal. The manuscript has been extended

GenRouter: Unified Workflow Routing for Agentic Image Generation

GenRouter：面向智能体图像生成的统一工作流路由

Harold Haodong Chen, Zhiyu Hou, Wen-Jie Shu, Weilin Ruan, Yingjie Xu, Litao Guo, Ying-Cong Chen

机构 * HKUST(GZ)（香港科技大学（广州）） ； HKUST（香港科技大学） ； SUSTech（南方科技大学） ； ZODA ； CUHK（香港中文大学） 纠错

专题命中 工作流自动化 ：workflow(title,abstract)；agentic(title,abstract)

AI总结 GenRouter是首个智能体图像生成的统一工作流路由框架，通过需求分析、经验匹配、帕累托过滤实现自适应路由，可大幅降低计算开销与延迟并提升视觉对齐效果。

Comments Code: https://github.com/EnVision-Research/GenRouter

Specifying AI-SDLC Processes: A Protocol Language for Human-Agent Boundaries

指定AI-SDLC流程：一种用于人-智能体边界的协议语言

Ylli Prifti, Pasquale De Meo, Alessandro Provetti

机构 * Birkbeck, University of London（伦敦大学伯贝克学院） 纠错

专题命中 工作流自动化 ：agent(title)；AI agent(abstract)；autonomous agent(abstract)；workflow(abstract)

AI总结 提出一种领域特定语言，用于将AI-SDLC流程指定为协议，通过形式语法、良构条件、操作语义和执行不变量，区分策略与机制，实现结构强制以约束流程非确定性，并证明其能有效降低系统故障率。

Comments v2: substantially revised - enforcement soundness theorem with Lean 4 mechanisation, restructured failure-rate analysis, expressiveness study, end-to-end evaluation on SWE-bench Verified. 30 pages. Artifact: https://doi.org/10.5281/zenodo.21967946. Under review at ACM TOSEM

MUSE: An Interactive Meta-Agent for Understanding and Steering LLM-powered Data Science Systems

MUSE：一种用于理解和操控大语言模型驱动的数据科学系统的交互式元智能体

Wei-Hao Chen, Weixi Tong, Yuan Tian, Chenglong Wang, Tianyi Zhang

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

AI总结 本文提出交互式元智能体MUSE，通过重构执行轨迹、支持上下文交互与混合意图操控，提升用户对大语言模型驱动的数据科学系统的理解与控制，经15人被试间研究验证可提高任务效率与用户信心。

Comments To appear in the 39th Annual ACM Symposium on User Interface Software and Technology (UIST '26), November 2-5, 2026, Detroit, MI, USA

Insurance as AI Risk Infrastructure: A Generative-Agent Simulation of AI Adoption

作为AI风险基础设施的保险：AI采纳的生成智能体模拟

Yixuan Yuan, Dedai Wei, Chudong Qian, Jielin Feng, Ziyue Lin, Yuheng Zhao, He Cao, Erasmo Purificato, Xinwu Ye

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

AI总结 本文提出将保险作为AI风险基础设施，开发LLM驱动的基于智能体的社会模拟系统，验证其可降低企业财务风险，加速AI工具采纳并提升企业偿付能力与总体资本。