Sakana Fugu Technical Report
Sakana Fugu 技术报告
机构 * Sakana AI
专题命中 多智能体 ：agent(abstract)；agentic(abstract)；multi-agent(abstract)；分类 cs.LG
AI总结 提出Fugu系列协调模型，通过动态代理框架组合多个LLM专长，在多项基准上达到最优性能，并描述其训练范式。
AI 大模型
AI Agent
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
1. 多智能体 1124 篇
Decentralized Autonomous Traffic Management through Corridor Networks
通过走廊网络的去中心化自主交通管理
机构 * Department of Aeronautics and Astronautics（航空航天系） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Maryland（马里兰大学）
专题命中 多智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 针对高密度自主航空交通，提出基于多智能体强化学习的去中心化走廊网络交通流管理方法，零样本迁移至复杂网络，无需集中协调或重训练。
Comments Presented at the Second US-Europe Air Transportation Research and Development Symposium (ATRDS2026)
PaperClaw: Harnessing Agents for Autonomous Research and Human-in-the-Loop Refinement
PaperClaw：利用智能体实现自主研究与人在回路精炼
机构 * Open scholarly indexes（开放学术索引） ； Priem et al.（Priem 等） ； Lo et al.（Lo 等） ； Si et al.（Si 等） ； Baek et al.（Baek 等） ； Wang et al.（Wang 等） ； Yang et al.（Yang 等） ； Wei et al.（Wei 等） ； Yao et al.（Yao 等） ； Shinn et al.（Shinn 等） ； Madaan et al.（Madaan 等） ； Packer et al.（Packer 等） ； Park et al.（Park 等） ； Zhong et al.（Zhong 等） ； Huang et al.（Huang 等） ； Ji et al.（Ji 等） ； Min et al.（Min 等）
专题命中 多智能体 ：agent(abstract)；tool use(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出PAPERCLAW多智能体系统，从研究领域到论文完成全自主，支持人在回路精炼，通过迭代假设验证生成可检验论文。
FairTutor: Equity-Aware Pedagogical LLM Routing for Budget-Constrained AI Tutoring
FairTutor: 预算受限AI辅导中的公平感知教学LLM路由
机构 * Independent researcher, Shanghai, China（独立研究者，上海，中国）
专题命中 多智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出FairTutor框架，通过教学驱动的多智能体编排实现成本效益AI辅导，在降低71.6%服务成本的同时达到97.1%的优质教学质量，并引入AIED优势差距指标衡量公平性。
Comments AI for Education Day at SIGKDD 2026, 14 pages, 2 figures
AI Scientists as Engines of Discovery: A Case for Development within Reformed Institutions
作为发现引擎的AI科学家：在改革机构内发展的案例
机构 * Institute of Cosmos Sciences (ICCUB), University of Barcelona（巴塞罗那大学宇宙科学研究所） ； ICREA ； Cavendish Astrophysics, University of Cambridge（剑桥大学卡文迪什天体物理学） ； Kavli Institute for Cosmology, University of Cambridge（剑桥大学卡维里宇宙学研究所） ； Center for Computational Astrophysics, Flatiron Institute（弗拉蒂隆研究所计算天体物理中心） ； Department of Astrophysical Sciences, Princeton University（普林斯顿大学天体物理科学系） ； Avature ； Department of Physics and Astronomy, Johns Hopkins University（约翰霍普金斯大学物理与天文学系） ； Department of Applied Mathematics and Statistics, Johns Hopkins University（约翰霍普金斯大学应用数学与统计学系） ； Flatiron Institute（弗拉蒂隆研究所） ； Munich Center for Machine Learning, LMU Munich（慕尼黑大学慕尼黑机器学习中心） ； Department of Computer Science and Technology, University of Cambridge（剑桥大学计算机科学与技术系） ； School of Clinical Medicine, University of Cambridge（剑桥大学临床医学院）
专题命中 多智能体 ：agent(abstract)；agentic(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本文论证多智能体AI系统将从被动工具进化为“AI科学家”，通过原型框架Denario加速发现周期，并提出机构需为验证、问责、可解释性和双重用途安全进行改革。
InvDesMobility: a reliability-gated first-principles feedback framework for closed-loop materials discovery
InvDesMobility：用于闭环材料发现的可靠性门控第一性原理反馈框架
机构 * School of Physics and Key Laboratory of Quantum State Construction and Manipulation (Ministry of Education), Renmin University of China（物理学院和量子态构造与操控重点实验室（教育部） ，中国人民大学）
专题命中 多智能体 ：agent(abstract)；workflow(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出InvDesMobility框架，通过可靠性门控和证据分层，实现基于第一性原理的闭环逆向材料设计，在载流子迁移率搜索中筛选出86个可靠性门控生成通道。
Comments 33 pages, 4 main figures, 2 main tables; Supplementary Information included
Proprioceptive-visual correspondence enables self-other distinction in humanoid robots
本体感觉-视觉对应使能人形机器人的自我-他人区分
机构 * Eastern Institute of Technology, Ningbo（宁波东方理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学） ； East China Normal University（华东师范大学） ； Ningbo Institute of Digital Twin（宁波数字孪生研究院）
专题命中 多智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出通过本体感觉与视觉的对应学习自我-他人区分，无需身份标签或运动学模型，并建立预测性自我模型，支持目标到达、碰撞感知运动规划和运动重定向。
Comments 23 pages, 9 figures, 1 supplementary table
(Human) Attention Is (Still) All You Need: Human oversight makes AI-assisted social science reliable
（人类的）注意力（仍然）就是一切：人类监督使AI辅助的社会科学变得可靠
机构 * China Agricultural University（中国农业大学） ； University of Cambridge（剑桥大学）
专题命中 多智能体 ：agent(abstract)；workflow(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 提出人机协同决策架构HLER，通过预承诺、决策排序、问责和注意力分配，将AI辅助研究的失败率从72%降至16%。
Toward Secure LLM Agents: Threat Surfaces, Attacks, Defenses, and Evaluation
迈向安全的LLM智能体：威胁面、攻击、防御与评估
机构 * State Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） ； Technical University of Munich（慕尼黑技术大学）
专题命中 多智能体 ：agent(abstract)；agentic(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本文通过生命周期、系统导向的框架，综合247篇论文，围绕信息流、委托权限和持久状态，系统梳理了LLM智能体的威胁面、攻击、防御与评估，指出提示注入和工具控制流劫持仍是主要威胁，持久状态损坏和多智能体传播成为新兴关注点。
The Interlocutor Effect: Why LLMs Leak More Personal Data to Agents Than Humans
对话者效应：为什么LLMs向智能体泄露的个人数据比向人类多
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
专题命中 多智能体 ：agent(abstract)；AI agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 研究发现LLMs在与AI智能体对话时比与人类对话更易泄露个人身份信息，通过注意力抑制假说解释该现象，实验表明安全对齐注意力头在智能体交互中失活导致泄露增加23个百分点。
Cross-Disciplinary Taxonomy and Modeling of Misunderstanding Generation, Amplification, and Detection, from Pragmatics to AI Agents
误解产生、放大与检测的跨学科分类与建模：从语用学到智能体
专题命中 多智能体 ：AI agent(title)；分类 cs.AI、cs.CL
AI总结 本文整合九个领域研究，识别11种误解失败模式、8个分析层，形式化建模并提供证据矩阵等，是首个同时按过程节点与功能分类的误解研究。
Comments 49 pages, 2 figures, 8 tables, 94 references. Cross-disciplinary conceptual synthesis across multiple fields. Includes a source-by-source evidence matrix in Appendix A and a coding manual in Appendix B for independent application of the taxonomy
MECoBench: A Systematic Study of Multimodal Agent Collaboration in Embodied Environments
MECoBench：具身环境中多模态智能体协作的系统研究
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 多智能体 ：agent(title)；分类 cs.AI、cs.CL
AI总结 提出MECoBench基准，通过多任务、多结构、多模式的实验，系统研究多模态大模型在具身环境中的协作机制，发现协作能提升任务完成度但需平衡收益与复杂度，通信是关键，且协作增强鲁棒性。
Comments Project website: https://q-i-n-g.github.io/MECoBench-Website/
CPAgents: Agentic Composite Phenotype Generation for Cardiac Disease Association
CPAgents: 用于心脏疾病关联的智能复合表型生成
机构 * Department of Mechanical Engineering, University College London（伦敦大学学院机械工程系） ； CSIG Group, Tencent（腾讯CSIG组） ； Department of Computing, Imperial College London（帝国理工学院计算系） ； Department of Brain Sciences, Imperial College London（帝国理工学院脑科学系） ； Data Science Institute, Imperial College London（帝国理工学院数据科学研究所） ； FAU Erlangen–Nürnberg（埃尔朗根-纽伦堡大学） ； UK Dementia Research Institute, Imperial College London（英国痴呆症研究所帝国理工学院） ； Rosalind Franklin Institute（罗莎琳德·富兰克林研究所）
专题命中 多智能体 ：agentic(title)；分类 cs.AI、cs.LG
AI总结 提出CPAgents框架，通过多智能体协作自动构建可解释的复合表型（如多项式、比值和交互形式），在群体规模心脏影像队列中显著提升疾病判别性能。
Comments Accepted to MICCAI 2026
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
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。
A Precise Treatment of Soft Quotient Topology and Soft Covering Maps
软商拓扑与软覆盖映射的精确处理
专题命中 多智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)
AI总结 该研究建立软商拓扑基础理论，提出软覆盖映射精确定义，将其应用于多智能体运动规划以降低组合复杂性。
Comments 18 Pages. Comments are welcome
MixedComplementarityProblems.jl: A Fast, Batched, Open-Source Interior Point Solver for Mixed Complementarity Problems
MixedComplementarityProblems.jl：用于混合互补问题的快速、批处理开源内点求解器
专题命中 多智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)
AI总结 本文提出开源Julia实现的混合互补问题内点求解器MixedComplementarityProblems.jl，其批处理CPU版本处理多智能体变道轨迹博弈的速度约为PATH的100倍，GPU版本仅在KKT系统规模大时更具优势，且可靠性与PATH相当。
What Can I Edit? Open-Ended Strategy Discovery and the Emotion Editability Landscape
我能编辑什么？开放式策略发现与情感可编辑性景观
机构 * School of Artificial Intelligence, Shenzhen Technology University（深圳技术大学人工智能学院） ； School of Innovation Design, Shenzhen Technology University（深圳技术大学创新设计学院） ； Stanford University（斯坦福大学）
专题命中 多智能体 ：agent(abstract)；agentic(abstract)；multi-agent(abstract)
AI总结 研究情感图像编辑，EmoScope多智能体框架将任务转变为‘能编辑什么’，先发现可编辑空间，再平衡内容与情感，通过情感条件作用的可供性推理选择策略，在大规模评估中受青睐，还指出相关指标盲点及优势变化情况。
Ontology-Amplified Distillation and Contextuality Auditing for Sovereign Enterprise Language Models: A Combined Proof-of-Mechanism and Negative-Results Method Study
主权企业语言模型的本体增强蒸馏与上下文审查：机制验证与负面结果的组合方法研究
机构 * AgenticOS（智能操作系统）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 研究针对受数据驻留规则约束的金融机构需求，结合本体增强蒸馏机制验证与上下文审查方法，对Qwen3.6 - 27B学生模型进行训练及测试，结果不支持模型在多方面的优势，为企业语言模型应用提供参考。
Comments 15 pages, 2 figures. Combined proof-of-mechanism and negative-results method article consolidating ontology-amplified distillation with contextuality-audit routing for enterprise agents
Capture, Shield, or Neutralize: Engagement-Aware Pursuit-Evasion
捕获、防护或中和：基于交战感知的追逃
专题命中 多智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)
AI总结 研究多智能体对抗环境下的追逃问题，提出分层控制架构，将战略规划与安全保证解耦。通过零和滚动时域博弈及MPC求解，利用横向速度惩罚和CBF保证安全。模拟实验表明该框架能灵活切换策略，不同规则下性能稳健且控制逻辑不变。
Gimitest: A Comprehensive Tool for Testing Reinforcement Learning Policies
Gimitest：用于测试强化学习策略的综合工具
机构 * Simula Research Laboratory（西莫拉研究实验室）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.LG、cs.SE
AI总结 针对强化学习策略可靠性测试难的问题，提出综合框架并实现开源工具Gimitest，它支持多种gym框架，可修改集成组件，能在不同环境下测试单智能体和多智能体RL策略，展示了其有效性。
Collective Cognition in Hybrid Groups: A Network Science Synthesis
混合群体中的集体认知：网络科学综合研究
专题命中 多智能体 ：agent(abstract)；AI agent(abstract)；multi-agent(abstract)
AI总结 研究人工智能代理融入人类团队后混合系统中集体智能的产生，综合网络科学等多学科，通过注意力等视角分析不同网络中集体结果的塑造因素及扩展到混合环境的情况，确定鲁棒效应与需修正之处，得出对相关方面的启示。
Comments Non-authoritative author's version of forthcoming chapter in the Springer Nature Handbook of Hybrid Intelligence
Second MOASEI Competition at AAMAS'2026: A Technical Report
2026年AAMAS会议上的第二届MOASEI竞赛：技术报告
专题命中 多智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)
AI总结 介绍2026年开放代理系统评估方法倡议（MOASEI）竞赛，在2025年基础上保留部分领域并新增内容，扩展报告指标，总结竞赛设计、与上年差异及拼车评估结果，DLC方法获拼车赛道冠军。
Comments Report from the MOASEI'2026 Competition held at AAMAS'2026
CommonRoad-Game: A Human-in-the-Loop Simulation Framework for Autonomous Driving
CommonRoad-Game：面向自动驾驶的人机协同仿真框架
专题命中 多智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)
AI总结 提出CommonRoad-Game轻量级人机协同仿真框架，通过多线程同步机制实现确定性交互，支持运动规划器测试与人类驾驶行为分析。
Comments 15 pages, 18 figures, 2 tables. Source code: https://github.com/Yunfei-Bi8/CommonRoad-Game
Semantic-based Internet of Embodied Intelligence: Visions and Frontiers
基于语义的具身智能物联网：愿景与前沿
专题命中 多智能体 ：agent(abstract)；autonomous agent(abstract)；planning(abstract)
AI总结 提出基于语义的具身智能物联网（SIoEI），通过语义信息统一度量解决多智能体网络中的多模态数据传输开销和逻辑推理与物理约束解耦问题，并验证其在信道鲁棒性和端到端延迟方面的优势。
Comments 7 pages, 4 figures
CooperScene: Multi-Modal Cooperative Autonomy Benchmark with C-V2X Communication Characterization
CooperScene: 具有C-V2X通信特性的多模态协作自主基准
机构 * University of California, Riverside（加州大学河滨分校）
专题命中 多智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)
AI总结 提出CooperScene数据集，通过真实C-V2X通信特性、多模态传感器和3GPP标准，建立多车协作感知基准，包含59K帧、344K标注对象。
Comments Accepted to ECCV 2026. 15 pages, 15 figures
Proposal-Conditioned Latent Diffusion for Closed-Loop Traffic Scenario Generation
基于提议条件的闭环交通场景生成潜扩散模型
机构 * CARIAD SE ； Technical University of Munich（慕尼黑工业大学） ； Institute of Automotive Engineering (FZD), TU Darmstadt（达姆施塔特工业大学汽车工程研究所（FZD））
专题命中 多智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)
AI总结 提出一种基于实例场景上下文和多模态提议先验的扩散框架，通过紧凑动作潜表示和提议初始化提升采样效率，实现闭环交通场景的逼真、安全且可控生成。
Comments Accepted for publication at the IEEE International Conference on Intelligent Transportation Systems (ITSC), 2026
A Greatest Common Divisor Criterion of Certain Binomial Coefficients
某些二项式系数的最大公约数判据
专题命中 多智能体 ：agent(abstract,abstract_cn)；AI agent(abstract)
AI总结 证明OEIS A080170中的二项式系数最大公约数判据，该判据等价于n/P > P，其中n=k+1，P是整除n的最大素幂。
Comments 13 pages
A Mixed-Reality Testbed for Autonomous Vehicles
自动驾驶汽车的混合现实测试平台
机构 * Division of Systems Engineering（系统工程系） ； Boston University（波士顿大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系）
专题命中 多智能体 ：agent(abstract)；planning(abstract)；multi-agent(abstract)
AI总结 提出一种混合现实硬件在环测试平台，集成物理移动机器人与高保真仿真环境，用于验证感知、规划和控制算法，并支持多智能体系统研究。
Comments 9 pages, 7 figures, 1 table
MedEasy: Designing AI Standardized Patients for Clinical Consultation Training
MedEasy：为临床咨询培训设计AI标准化患者
专题命中 多智能体 ：agent(abstract)；workflow(abstract)；multi-agent(abstract)
AI总结 提出多智能体系统MedEasy，通过患者对话、临床操作、决策提交、文档记录和反馈组织虚拟患者练习，基于形成性研究设计分阶段工作流，评估表明学习者将其视为连贯的咨询环境。
MODE-RAG: Manifold Outlier Diagnosis and Energy-based Retrieval-Augmented Generation Evaluation
MODE-RAG: 基于流形异常诊断和能量的检索增强生成评估
机构 * School of Computer Science & Tech, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； School of AI and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL、cs.LG
AI总结 提出MODE-RAG多智能体系统，利用变分自由能和内部注意力状态动态门控干预，结合蒙特卡洛树搜索和logit扰动减少多模态检索增强生成中的幻觉和逻辑捏造。
Comments To be presented at ACL 2026
