AI Agent

GxP-Agent: Process-DAG Topology for Reliable Clinical Trial Programming with LLM Agents

GxP-Agent：基于流程有向无环图拓扑结构的可靠临床试验编程大模型智能体

Jaime Yan

机构 * Harrisburg University of Science and Technology（哈里斯堡科技大学） 纠错

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

AI总结 该研究提出基于流程DAG拓扑的多智能体系统GxP-Agent，在临床试验编程任务上显著优于现有方法，实现了高结构匹配率，验证了编码领域流程知识为图拓扑的有效性。

Comments Preprint. 9 pages main text, 3 figures, plus references and appendix

Multi-Agent AI System for Radiology Report Structuring and Quality Assurance with Independent Radiologist Evaluation

用于放射科报告结构化与质量保证的多智能体AI系统：独立放射科医师评估

Iryna Hartsock, Cesar Lam, Christopher Otteni, Aliya Qayyum, Robert Gatenby, Cyrillo Araujo, Ghulam Rasool

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

AI总结 本研究开发了一款本地部署的多智能体AI系统，可实现放射科报告结构化与质量保证，经独立放射科医师评估，该系统表现良好，或有助于放射科报告标准化。

Comments 14 pages, 2 figures, 4 tables

PrivAct: Internalizing Contextual Privacy Preservation via Multi-Agent Preference Training

PrivAct: 通过多智能体偏好训练内化上下文隐私保护

Yuhan Cheng, Hancheng Ye, Hai Helen Li, Jingwei Sun, Yiran Chen

机构 * Department of Electrical ； Computer Engineering, Duke University ； Department of Computer \& Information Science \& Engineering, University of Florida 纠错

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

AI总结 PrivAct通过多智能体偏好训练，内化上下文隐私保护，提升模型生成行为的隐私合规性，减少信息泄露并保持实用性。

Comments Accepted to ICML 2026

aDSL: Agentic 3D Creation via Joint Agent-Program Design

aDSL：通过智能体-程序联合设计实现智能体驱动的3D内容创建

Rui-Huan Wang, Si-Tong Wei, Jia-Qi He, Heng-Yi Wei, Baoquan Chen, Peng-Shuai Wang

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

AI总结 该研究联合设计以智能体为中心的领域特定语言aDSL与角色专业化多智能体系统，通过“规划-执行-评审”循环提升3D内容创建的鲁棒性等，在文本到形状等任务上优于LLM基线。

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。

Co-RL: Unsupervised Reasoning Emerges from Diverse Cohort in Multi-agent RL

Co-RL：多智能体强化学习中多样群体涌现的无监督推理

Yunhao Yang, Yuexin Bian, Yunjie Tian, Di Fu, Tianjin Huang, Yuanyuan Shi, Ziang Xiao, Nuno Vasconcelos, Yijiang Li

机构 * University of Exeter（埃克塞特大学） ； ByteDance（字节跳动） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； UC San Diego（加州大学圣迭戈分校） 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 本研究提出Co-RL框架，通过参数不共享的多智能体协作训练，利用同伴奖励减少对真实标注的依赖，提升纯文本及多模态任务的推理性能，缓解训练崩溃与响应同质化问题。

Comments 30 pages, 5 figures, 11 tables

Token Optimization and Context Window Management in Multi-Agent AI Workflows

多智能体AI工作流中的令牌优化与上下文窗口管理

Dvir Shamay

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

AI总结 本文提出多智能体AI工作流的令牌优化与上下文窗口管理框架，含六种模式，可缩短延迟、减少令牌用量；经2420次试验发现相关性对比上下文可提升模型准确率，为模型研究与生产实践提供可重复方法。

Comments 29 pages (main paper + technical appendix), 3 figures. Also archived on Zenodo: https://doi.org/10.5281/zenodo.21924612

CLAIR-Fin: An Adversarial Multi-Agent Framework for Claim-Level Verification and Adaptive Debate in Cross-Modal Financial QA

CLAIR-Fin：用于跨模态金融问答中声明级验证与自适应辩论的对抗性多智能体框架

Fatema Tuj Johora Faria, Mukaffi Bin Moin, Jubayer Al Mahmud, M. F. Mridha, Md. Alam Hossain

机构 * Ahsanullah University of Science and Technology（阿萨努拉科技大学） ； Jashore University of Science and Technology（杰索尔科技大学） ； American International University - Bangladesh（孟加拉国美国国际大学） 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 本研究提出CLAIR-Fin九智能体框架，针对跨模态金融问答的声明级验证与自适应辩论，在BB-FinQA-X数据集上提升了模型忠实度，且弃权比例合理，优于相关基线方法。

KernelArc: A Multi-Agent Framework for GPU Kernel Optimization

KernelArc：面向GPU内核优化的多智能体框架

Joyjit Kundu, Ben Stoffelen, Kaili Wang, Peter Vrancx, Ludovic Denoyer

机构 * Interuniversity Microelectronics Centre (IMEC)（校际微电子中心） 纠错

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

AI总结 本文提出KernelArc多智能体框架，在NVIDIA H100等GPU上针对SOL-ExecBench工作负载优化出多款高性能内核，相关成果在对应基准任务中排名第一，验证了共享多智能体搜索的优化价值。

Comments 11 pages, 6 figures

MITRE-SAGE: A Multi-Agent Cybersecurity Question-Answering model

MITRE-SAGE：一种多智能体网络安全问答模型

Ali Habibzadeh, Farid Feyzi, Reza Ebrahimi Atani

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

AI总结 针对网络安全领域LLM的不足，研究提出多智能体框架MITRE-SAGE，结合MITRE-QA基准验证其在多项网络安全问答任务中优于基线方法，轻量级配置表现突出。

Emergent Misaligned Communication in Long-Horizon Multi-Agent LLM Commerce

长视野多智能体大语言模型商业环境中涌现的对齐失效通信

Zeyuan Li, Lukas Petersson, Alessandro Acquisti, Michiel A. Bakker

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

AI总结 该研究在Vending-Bench Arena环境中发现，竞争多智能体LLM交易场景会涌现与操作稀缺性、对手行为相关的可测量对齐失效通信，且该现象不受模型能力排名直接影响。

Every Picture Tells a Dangerous Story: Memory-Augmented Multi-Agent Jailbreak Attacks on VLMs

每幅画都讲述一个危险的故事：基于内存增强的多智能体 jailbreak 攻击 VLMs

Jianhao Chen, Haoyang Chen, Hanjie Zhao, Haozhe Liang, Zheng Wang, Tieyun Qian

机构 * Wuhan University（武汉大学） ； Zhongguancun Academy（中关村学院） ； Tianjin University（天津大学） ； University of the Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 本文提出MemJack框架，通过视觉语义引导多智能体协作，利用迭代空域投影过滤器提升对VLMs的攻击成功率，实验表明其在COCO数据集上达到71.48%的攻击成功率。

Comments 15 pages, 2 figures

Offline Multi-Agent Reinforcement Learning with a Physics-Informed World Model for Cooperative Mixed Traffic Control

面向协同混合交通控制的、融入物理信息世界模型的离线多智能体强化学习

Lu Liu, Chi Xie, Xi Xiong

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

AI总结 本研究针对混合交通中部分可观测高速瓶颈的网联自动驾驶车辆协同控制问题，提出融入物理信息世界模型的离线多智能体强化学习框架，经SUMO实验验证可提升状态重构与预测准确性。

MAG-Bot: A Multi-Agent Auditing Framework for Social Bot Detection

MAG-Bot：一种用于社交机器人检测的多智能体审计框架

Sichen Zhao, Yalun Qi

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

AI总结 本研究提出基于LangGraph的多智能体框架MAG-Bot，用于社交机器人检测，通过角色约束的证据分解修正单LLM审计的盲点，在TwiBot-22测试集上显著提升了检测的准确率、召回率与F1值。

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 V. 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。

Distributed Nesterov Flows for Multi-agent Optimization

分布式Nesterov流用于多智能体优化

Zihao Ren, Lei Wang, Guodong Shi

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

AI总结 本文提出连续时间分布式Nesterov流，通过Lyapunov方法分析其收敛性，设计新的参数选择并推导离散时间算法，实现更快的收敛速度和更优的收敛率。

Symmetry-Breaking in Multi-Agent Navigation: Winding Number-Aware MPC with a Learned Topological Strategy

多智能体导航中的对称性破坏：基于 winding 数的 MPC 与学习拓扑策略

Tomoki Nakao, Kazumi Kasaura, Tadashi Kozuno

机构 * Graduate School of Informatics, Kyoto University（京都大学信息学研究生院） ； OMRON SINIC X Corporation（OMRON SINIC X公司） 纠错

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

AI总结 WNumMPC 通过学习拓扑策略和 winding 数，有效解决多智能体导航中的对称性死锁问题，实现鲁棒的仿真到现实迁移。

Comments 13 pages, 7 figures

A Theoretical Framework for Parallel Lifelong MAPF Using Group Decentralized Planning

基于组分散规划的并行终身MAPF理论框架

Alex DeWeese, Jiaoyang Li, Guannan Qu

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

AI总结 针对L-MAPF问题，本文证明RHCR的近最优性，提出并行规划的GD-RHCR框架，其在扩展智能体规模时仍能保持高吞吐量和低单规划成本。

WONDER: A Radio World Model-based Negotiation Framework for Multi-Agent UAV Coverage Optimization

WONDER：一种基于无线电世界模型的多智能体无人机覆盖优化协商框架

Jiahao Huang, Rongpeng Li, Zhifeng Zhao, Guoru Ding, Honggang Zhang

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

AI总结 针对灾后无线覆盖中断问题，提出基于JEPA无线电世界模型与PPO演员交替更新的WONDER框架，在含62个城市场景的RadioDynamics仿真中，其平衡得分0.870，覆盖优于STACCA且保持无人机全连通。

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。

Delegation Asymmetry in Agentic Recommender Systems: Measuring Two-Sided Receptivity in Online Dating

智能体推荐系统中的委托不对称性：在线约会中的双边接受度测量

Daria Leshchikova, Valentina V. Kuskova, Dmitry Zaytsev, Valerii Klimov

机构 * Fleamily, Inc.（弗利米利公司） ； Lucy Family Institute for Data & Society（露西数据与社会研究所） ； University of Notre Dame（圣母大学） 纠错

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

AI总结 该研究针对约会平台智能体推荐系统，开发测量双边智能体接受度的模型，发现存在委托不对称性，量化了相关倾向及设计杠杆，为智能体推荐设计提供启示。

GADR: Gathering Architecture Decision Records from Meeting Transcriptions

GADR：从会议转录文本中收集架构决策记录

Lucas Daniel Costa da Silva, Kiev Gama

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

AI总结 本文提出多智能体自校正工作流GADR，从原始会议转录文本提取架构决策并生成Nygard格式ADR，经评估其效果优于零样本、少样本基线，还探讨了RAG丰富化的权衡及自动架构文档可追溯性问题。

Modeling Large-Scale Adversarial Swarm Engagements using Optimal Control

利用最优控制建模大规模对抗性蜂群作战

Claire Walton, Isaac Kaminer, Qi Gong, Abram H. Clark, Theodoros Tsatsanifos

专题命中 多智能体 ：agent(summary_cn,abstract)

AI总结 本文提出利用最优控制建模大规模对抗性蜂群作战，通过考虑agent损耗和空间动态，有效捕捉对抗互动的动力学。

Comments arXiv admin note: substantial text overlap with arXiv:2108.02311 (https://arxiv.org/abs/2108.02311). substantial text overlap with arXiv:2108.02311 (https://arxiv.org/abs/2108.02311)

Institution-Specific LLM Prompting Recovers PHI That De-identification Systems and Their Gold Standards Both Miss

基于机构特定的大语言模型提示工程恢复去标识化系统及其黄金标准均遗漏的受保护健康信息

Daniel Palacios, Matthew Brady Neeley, Angel Adetomike Otto, Shalini Dhamodharan, John P. Woodhouse, Chi-fan Lin, Mark Zobeck, Zhandong Liu, Hyun-Hwan Jeong

机构 * Baylor College of Medicine（贝勒医学院） ； Jan and Dan Duncan Neurological Research Institute（简与丹·邓肯神经学研究所） 纠错

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

AI总结 本文提出校准良好的上下文学习（ICL）的大语言模型（LLM），可通过机构特定提示恢复去标识化系统遗漏的受保护健康信息（PHI），平衡精确率与召回率，是专用去标识化系统的有效替代方案。

Distribird: Literature-Informed Prior Distribution Design for Bayesian Model Calibration

Distribird：用于贝叶斯模型校准的文献先验分布设计

Patrik P. Süli, György Eigner, Roland Hollós

机构 * Obuda University（欧布达大学） ； Biomatics and Applied Artificial Intelligence Institute, John von Neumann Faculty of Informatics, Obuda University（欧布达大学约翰·冯·诺依曼信息学院生物信息学与应用人工智能研究所） ； Physiological Controls Research Center, Obuda University（欧布达大学生理控制研究中心） ； HUN-REN Centre for Agricultural Research（HUN-REN农业研究中心） ； Czech Academy of Sciences（捷克科学院） 纠错

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

AI总结 Distribird是一款自动化文献先验分布设计的智能体网络应用，通过多智能体流程生成贝叶斯模型校准所需先验，在24个跨领域参数上验证，其先验质量与单提示基线相当，且具备可追溯性、拒绝越权请求及本地运行的优势。

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, Jason 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。

Debate Training Reduces Reward Hacking in RLAIF

辩论训练可减少RLAIF中的奖励黑客行为

Zachary Kenton, Lili Janzer, Rory Greig, Tian Huey Teh, Kirill Tyshchuk, Jonah Brown-Cohen, Harri Edwards, Senthooran Rajamanoharan, Noah Y. Siegel, Natasha Jaques, Rohin Shah

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

AI总结 该研究提出用辩论训练替代RLAIF基线，在数学任务中可减少奖励黑客行为，维持裁判性能并恢复45%的性能差距，还验证了多方面相关实验结论。

The Emergence of Lab-Driven Alignment Signatures: A Psychometric Framework for Auditing Latent Bias and Compounding Risk in Generative AI

实验室驱动的对齐签名的出现：一种心理测量框架，用于审计生成AI中的潜在偏见和叠加风险

Dusan Bosnjakovic

机构 * AI Researcher（人工智能研究员） 纠错

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

AI总结 本文提出了一种心理测量框架，用于审计生成AI中的潜在偏见和叠加风险，通过分析九个领先模型的实验室信号，揭示了持续行为聚类的成因。

Comments v2: expanded from 9 to 18 behavioral dimensions and from 4 to 6 developer organizations; revised statistical methodology (rank-based inference with effect-size criterion, replacing variance-decomposition approach); model-level results now reported; references corrected throughout

An O-RAN-Assisted MARL Approach for Dynamic Sidelink and Infrastructure Selection in V2X Communications

面向V2X通信中动态侧链路与基础设施选择的O-RAN辅助多智能体强化学习方法

Maria Katarine Santana Barbosa, Kelvin Lopes Dias

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

AI总结 该研究针对6G车联网V2X通信的干扰与资源问题，提出O-RAN辅助的MARL系统，采用聚类与集中训练分布式执行策略，在仅车辆及VRU共存场景下均显著降低损失与延迟。

Comments This paper has been accepted for publication in IEEE Transactions on Vehicular Technology

Self-Configurable Mesh-Networks for Scalable Distributed Submodular Bandit Optimization

可自我配置的网格网络用于可扩展的分布式子模带提优化

Zirui Xu, Vasileios Tzoumas

机构 * Department of Aerospace Engineering, University of Michigan（航空航天工程系，密歇根大学） 纠错

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

AI总结 本文提出了一种可自我配置的网格网络方法，通过限制信息中继和消息大小，实现分布式子模带提优化的可扩展性和接近最优性。