AI Agent

An Evidence-Grounded Multi-Agent System for High-Level Bio-Robot Design

一种基于证据的用于高层生物机器人设计的多智能体系统

Yujun Chen, Tianle Li, Jiayu Chen, Zhen Yin

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

AI总结 该研究提出基于 Qwen3.5-27B 的 micro_biorobot_agent 多智能体系统，用于高层生物机器人设计，在评估中得分领先，来源追踪检查可显著降低错误缺口。

Comments 15 pages, 2 figures, 9 tables, and 4 algorithms

G-MARK: Grounded Multi-Agent Reasoning for Cooperative Driving via Knowledge Graphs

G-MARK：基于知识图谱的协同驾驶接地多智能体推理

Bhavya Gupta, Onat Gungor, Tajana Rosing

机构 * University of California, San Diego（加利福尼亚大学圣迭戈分校） ； West Virginia University（西弗吉尼亚大学） 纠错

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

AI总结 提出 G-MARK 框架，通过知识图谱实现协同驾驶多智能体推理，提升遮挡推理与控制选择性能，减小通信负载，效果优于现有基线。

Comments Accepted for oral presentation at the 25th IEEE International Conference on Machine Learning and Applications (ICMLA'26)

Reward-Guided Autoregressive Graph Generation for Efficient Multi-Agent Communication Topology Design

奖励引导自回归图生成的高效多智能体通信拓扑设计

Poomphob Suwannapichat, Boonyarit Changaival, Caesar Wu, Pascal Bouvry

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

AI总结 针对多智能体系统通信拓扑设计中 token 消耗过高的问题，本文提出 RGA-Designer 方法，通过结合 RLHF 训练奖励模型微调图生成器，在保持任务准确率的同时降低了 token 消耗。

Comments Full version of extended abstract accepted at ICONIP 2026 (poster)

Hallucination as a Feature, not a Defect: Evaluating a multi-agent architecture to transform speculative language-model outputs into testable scientific hypotheses

幻觉作为特征而非缺陷：评估一种将推测性语言模型输出转化为可检验科学假说的多智能体架构

Nicolas Rodriguez-Alvarez (IES Parquesol, Valladolid, Spain)

机构 * IES Parquesol（帕尔奎索尔学院） 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 该研究提出基于Rust的多智能体架构，通过生成与评估智能体的认识论摩擦循环将LLM的推测性输出转化为可检验假说，实验显示该架构在需经受严格约束时更具优势，且各架构在原创性等维度的平衡表现不同。

Comments 25 pages. Bilingual: full English version followed by the complete Spanish version. Includes an exploratory paired baseline and ablation study (6 conditions). Code and data: this https URL (https://doi.org/10.5281/zenodo.20649714)

Beyond Memory Majority: Latent-Source Reasoning for Multi-Agent Memory Arbitration

超越记忆多数：面向多智能体记忆仲裁的潜在源推理

Chenchen Lin, Wenhao Yuan, Xuehe Wang, Edith Cheuk Han Ngai

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

AI总结 该研究针对多智能体记忆仲裁中的记忆关联偏差问题，提出CAMA框架，通过解耦记忆、估计独立证据源数量及主动恢复缺失证据，有效抑制虚假多数，性能优于现有基线方法。

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, Shiqin Wang, 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 This work was accepted by WISE2026. 15 pages, 2 figures

ContestTrade: A Multi-Agent Trading System Based on Internal Contest Mechanism

ContestTrade：一种基于内部竞争机制的多智能体交易系统

Li Zhao, Rui Sun, Zuoyou Jiang, Bo Yang, Yuxiao Bai, Mengting Chen, Jing Li, Zuo Bai

机构 * Stepfun ； FinStep 纠错

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

AI总结 针对基于LLM的智能体在金融交易中决策受市场信息影响的问题，提出ContestTrade多智能体交易系统，通过“量化 - 预测 - 分配”竞争机制及两个专业团队协作，在A股回测中取得较好收益和风险调整绩效。

Memory Centric Power Allocation for Multi-Agent Embodied Question Answering

面向多智能体具身问答的记忆导向功率分配

Chengyang Li, Shuai Wang, Kejiang Ye, Weijie Yuan, Boyu Zhou, Yik-Chung Wu, Chengzhong Xu, Huseyin Arslan

机构 * Department of Electrical and Computer Engineering, The University of Hong Kong, Hong Kong（香港大学电子与计算机工程系） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China（中国科学院深圳先进技术研究所） ； Southern University of Science and Technology, Shenzhen, China（南方科技大学） ； University of Macau, Macau, China（澳门大学） ； Istanbul Medipol University, Istanbul, Turkey（伊斯坦布尔Medipol大学） 纠错

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

AI总结 本文提出基于生成对抗考试（GAE）的记忆质量模型和记忆导向功率分配方法，通过优化通信资源约束下的QoM函数，提升多智能体具身问答性能。

Comments 6 pages, accepted by IEEE GLOBECOM 2026

An Agentic Approach for Active Data Collection, Travel Behavior Modeling, and Weather-Sensitive Demand Prediction

一种用于主动数据收集、出行行为建模及天气敏感需求预测的智能体方法

Narges Ahmadi (1), Yubo Jiao (1), Jônatas Augusto Manzolli (1), Jiangbo Yu (1), Luis Miranda-Moreno (1) ((1) McGill University)

机构 * McGill University（麦吉尔大学） 纠错

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

AI总结 本研究提出三智能体工作流，结合对话式调查、传统建模与多模态LLM预测，基于学生通勤数据实现天气敏感出行需求预测，视觉配置模型准确率达71.5%

Multi-Agent Orchestration with the Common-Sense Reasoning Capabilities of LLMs for Autonomous Driving

结合大语言模型常识推理能力的多智能体协同框架用于自动驾驶

Mehdi Azarafza, Faezeh Pasandideh, Ali Ehteshami Bejnordi, Stefan Henkler, Achim Rettberg

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

AI总结 该研究针对自动驾驶中强化学习等方法的上下文推理缺陷，提出结合LLM常识推理的混合多智能体协同框架，经CARLA场景验证可保留结构化控制与安全机制，具备应用潜力。

Comments 17 pages, 7 figures

Two-sided receptivity to conversational AI agents in online dating: Bilingual survey data from Fledge.Love

在线约会中对对话式AI智能体的双向接受度：来自Fledge.Love的双语调查数据

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

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

AI总结 本研究发布来自Fledge.Love的双语调查数据集，测量在线约会用户对对话式AI智能体及生成式AI功能的双向接受度，为相关研究提供可复用的数据资源。

Question-Guided Evidence Acquisition for Multimodal Visual Question Answering

面向多模态视觉问答的问题引导式证据获取

Alin-Ionut Popa

机构 * Amazon Inc.（亚马逊公司） 纠错

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

AI总结 针对多模态视觉问答中模型读取文档不可靠的问题，提出Q-Guide智能体引导感知，在两个数据集上优于基线方法，且增益来自精准感知引导而非复杂控制逻辑。

Differential Privacy in Feature Reconstruction Aided Federated Learning for Agent's Semantic Communication Model Update

面向智能体语义通信模型更新的特征重建辅助联邦学习中的差分隐私

Yoon Huh, Bumjun Kim, Wan Choi

专题命中 多智能体 ：agent(title)

AI总结 本文提出差分隐私辅助的FedSFR框架，通过特征传输与模型选择机制，在异构无线环境下提升语义通信模型训练的通信效率、稳定性与图像重建质量，且隐私保护效果优于基于梯度的传输方案。

Comments IEEE Globecom 2026

PACT: Phenotype-Aware Contrastive Team Representation for Multi-Phenotype Grouped Ad Hoc Teamwork

PACT：面向多表型分组临时协作的表型感知对比团队表示

Beiwen Zhang, Yongheng Liang, Guowei Zou, Haitao Wang, Liu Cong, Hejun Wu

机构 * Sun Yat-sen University（中山大学） 纠错

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

AI总结 针对多智能体系统中需与多样表型陌生队友协作的MPG-AHT问题，提出PACT方法，经实验验证其在分布外评估与样本效率上均优于现有最优基线。

When Do LLM Agents Help? Deadline-Aware Mixed-Criticality Task Scheduling at the Autonomous-Vehicle Edge

大语言模型智能体何时有用？自动驾驶车辆边缘的感知期限感知混合关键度任务调度

Reza Zakerian

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

AI总结 该研究针对自动驾驶车辆边缘MEC的混合关键度任务调度，构建强启发式算法，发现LLM控制平面仅在安全关键任务激增时优于静态启发式算法。

Comments 8 pages, 5 figures, and 4 tables

A Virtual Member of a Community of Practice for the Society of Petroleum Engineers: From Prototype to Deployment

石油工程师协会实践社区的虚拟成员：从原型到部署

John Boden, Joshua Eckroth, Dayne Freitag, Skyler Gipson, Johnathan Keefe, Karen Myers, Eric Schoen, Pedro Sequeira, Reid Smith, Michael Wessel

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

AI总结 本文介绍了面向SPE石油天然气领域实践社区的虚拟助手ATHENA，经迭代优化后，其在井规划知识任务中优于RAG基线，已整合至SPE研究门户并部署使用。

Comments 7 pages

Mitigating Identity Essentialism in LLM Agents with Longitudinal Life Trajectories

通过纵向生活轨迹缓解大语言模型智能体中的本质主义身份偏差

Hexi Wang, Yujia Zhou, Bangde Du, Weihang Su, Xinyuan Cao, Qingyi Pan, Qingyao Ai, Yueyue Wu, Min Zhang, Yiqun Liu

专题命中 多智能体 ：agent(abstract)；分类 cs.CL

AI总结 针对现有LLM智能体存在的身份本质主义偏差导致组内反应同质化的问题，提出LifeMem纵向记忆框架，在Add Health等数据集上验证其可提升与人类数据的一致性。

Comments 23 pages, 12 figures

GENIE: Generative Neural Inference for Epidemics

GENIE：面向流行病的生成式神经推理

Laura M. Guzmán-Rincón, George R.E. Bradley, Joel Kandiah, Kyriakos Flouris, Pietro Liò, Paul J. Birrell, Alexander E. Zarebski, Daniela De Angelis

专题命中 多智能体 ：agent(abstract)

AI总结 该研究针对传统流行病预测模型的不足，提出GENIE这一基于机器学习的时空框架，结合两类编码器，通过模拟训练后在住院高峰等指标上性能优于现有模型。

RMWorld: Task-Aware Radio World Models with Value-of-Information Guided Multi-Trial Learning for Multi-UAV Communication Control

RMWorld：面向多无人机通信控制的、具备信息价值引导多试学习的任务感知无线电世界模型

Xiucheng Wang, Nan Cheng, Junxi Huan

专题命中 多智能体 ：planning(abstract)

AI总结 提出任务感知无线电世界模型 RMWorld，结合信息价值校准与多试选择，在多无人机通信控制任务中，于 100 次 3GPP 试次和 30 次 DeepMIMO 试次上取得了更优的速率误差与积压控制效果。