AI Agent

Abstract Event Causal Rules: Induction and Application

抽象事件因果规则：归纳与应用

Ziwei Zheng, Peiqiong Chen, Bang Wang

机构 * School of Electronic Information and Communications, Huazhong University of Science and Technology（华中科技大学电子信息与通信学院） 纠错

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

AI总结 本研究针对现有实例级因果对泛化缺陷，提出抽象事件因果规则（AECR）及相关归纳系统，构建知识库并设计 AR-GCAE 模型注入 AECR，在 CGEP 任务中提升了事件因果推理与预测性能，尤其对稀有未见样本效果显著。

FedCritic-MIMO: Communication-Efficient Serverless Federated Critic Learning for Massive-MIMO Resource Control in Open and Disaggregated 6G RANs

FedCritic-MIMO：面向开放与解耦6G无线接入网中大规模MIMO资源控制的通信高效无服务器联邦评论者学习框架

Amin Farajzadeh, Melike Erol-Kantarci

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

AI总结 FedCritic-MIMO是面向开放解耦6G RAN的通信高效无服务器联邦多智能体强化学习框架，通过稀疏评论者交换等技术实现多小区大规模MIMO资源控制，性能最优且通信开销降低76%。

Comments Submitted to IEEE for possible publication

Long-term Traffic Scene Prediction via Polynomial Representations in Autonomous Driving

自动驾驶中基于多项式表示的长期交通场景预测

Yue Yao

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

AI总结 本研究提出基于多项式表示的自动驾驶交通场景预测模型，结合理论分析与实证验证，在标准基准上接近最优准确率，提升分布偏移下的泛化能力，生成更合理的多智能体场景，降低计算成本。

AgentPanel: Toward a New Paradigm for Human--AI Collaboration in Exploring Scientific Questions

AgentPanel：面向科学问题探索的人机协作新范式

Zhiyao Cui, Qianyi Wang, Haoyang Yan, Yiqun Zhang, Siyue Ren, Hangfan Zhang, Zelin Tan, Hao Li, Chunjiang Mu, Dexian Cai, Shao Zhang, Chen Zhang, Meng Li, Jianan Chai, Yuting Fan, Zichao Ye, Xiaolei Yang, Xinyao Lu, Yuyang Yu, Wenjie Lou, Xiaosong Wang, Fenghua Ling, Shiyang Feng, Mao Su, Qiaosheng Zhang, Bo Zhang, Yang Chen, Lei Bai, Shuyue Hu

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

AI总结 研究人员探索科学问题时视角有限，本文提出人机协作多智能体论坛AgentPanel，其在多维度评估中表现优于基线，获多数用户认可，可用于早期科学探索。

Entity-Aware Sequence Transduction for Player-Centric Ball Action Spotting

面向以球员为中心的球动作检测的实体感知序列转换

Ruifeng Wang, Di Yang, Jiangtao Wang

机构 * School of Artificial Intelligence & Data Science, USTC（中国科学技术大学人工智能与数据科学学院） ； Suzhou Institute for Advanced Research, USTC（中国科学技术大学苏州高等研究院） 纠错

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

AI总结 针对以球员为中心的球动作检测任务，提出ME-DST模型，通过保留角色槽维度等设计提升性能，在FOOTPASS数据集上较TAAD+DST基线提升10.3个百分点，验证了显式实体建模的有效性。

MRAFnd: Multimodal Retrieval-Augmented Framework for Zero-Shot Fake News Detection

MRAFnd：面向零样本假新闻检测的多模态检索增强框架

Lehan Zhang, Yinlei Cheng, Shiqi Hu Yiheng Zhou, Shangxi Li, Naidong Zhao

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

AI总结 针对零样本假新闻检测的现有方法无法识别重复虚假手段与跨模态差异的问题，本文提出多模态检索增强框架MRAFnd，经多智能体协作推理，在Weibo-21等数据集上准确率最高提升2.35%，优于现有方法。

Comments 14 pages, 6 figures, 2 tables, Presented at the MMM 2026

Context Compaction Theory

上下文压缩理论

Hayder Tirmazi, Sam Markelon, Allison Bishop, Michael Mitzenmacher

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

AI总结 本文对上下文压缩开展形式化研究，构建含两个博弈的框架，证明上下文生成博弈与单向通信复杂性等价，还通过案例评估Anthropic的上下文压缩端点性能。

Comments 21 pages, 2 figures, Preliminary version

Stress-Relief Annealing: Polynomial-Time Simulation-Free Layout Optimization for Automated Warehouses

应力释放退火：自动化仓库的多项式时间无模拟布局优化

Xiangjie Luo, Yulun Zhang, Miyuki Koshimura, Makoto Yokoo, Jiaoyang Li

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

AI总结 针对自动化仓库布局优化现有方法样本效率低的问题，本文提出多项式时间无模拟的应力释放退火算法，大幅提升吞吐量与可扩展性，且效率远高于进化基线方法，增益可推广至多种场景。

Mixture-of-Translators: Translating KV Caches Across Heterogeneous Large Language Models

混合翻译器：跨异构大语言模型的KV缓存转换

Jin-woo Lee, Minkyung Song, Junghyun Oh, Seunghoon Han, Soyoung Park, Gwangseon Jang, Sungsu Lim

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

AI总结 提出MoT框架解决异构LLM间KV缓存无法复用问题，通过多翻译器模块和上下文校正损失实现缓存转换，在多模型转换和实际场景中验证了性能与复用效果。

What makes prompts a graph: necessary and sufficient conditions for prompt graph engineering

提示词为何构成图：提示词图工程的充要条件

Sandeco Macedo

机构 * Federal Institute of Goiás（戈亚斯联邦学院） 纠错

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

AI总结 本研究通过文献分析构建了将提示词视为图节点的定义，提出提示词图工程的四个条件及操作化测试，明确其边界并应用于六个系统，为相关实践提供可操作定义与共享术语。

Belief Coevolution in a Social Network of Generalist and Specialist Large Language Models

通用型与专家型大语言模型组成的社交网络中的信念协同演化

Germans Savcisens, Samantha Dies, Courtney Maynard, Tina Eliassi-Rad

机构 * Khoury College of Computer Sciences, Northeastern University（东北大学库尔计算机科学学院） ； Network Science Institute, Northeastern University（东北大学网络科学研究所） ； Santa Fe Institute（圣塔菲研究所） 纠错

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

AI总结 该研究提出CoevolveSim框架，模拟通用型与专家型LLM组成的社交网络中信念扩散，发现专家型LLM可显著提升共识转变幅度，模拟多智能体LLM系统信念扩散需多样化底层LLM。

Comments 33 pages (14 pages of main text), 7 figures, 14 tables

The Human Utility Factor: A Computable Welfare Metric That Reframes AI Governance as a Constrained Optimisation Problem

人类效用因子：一种可计算的福利度量，将AI治理重新构建为约束优化问题

Sivasathivel Kandasamy

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

AI总结 研究提出人类效用因子（HUF）这一可计算福利度量，将AI治理转化为约束优化问题，经多智能体强化学习评估，发现需明确约束再分配以避免高自动化均衡损害社会目标。

AgentMap: Joint Equivalence and Subsumption Discovery for Ontology Matching

AgentMap：用于本体匹配的联合等价与包含关系发现

Yiping Song, Jiaoyan Chen, Renate Schmidt, Hui Yang, Wen Zhang

机构 * The University of Manchester（曼彻斯特大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 本文提出统一等价与包含发现的混合本体匹配任务，构建基于LLM的多智能体框架AgentMap，在三类设置下的本体匹配任务中均取得优异性能。

Comments 21 pages, 5 figures

Conformal Changepoint Localization and Root Cause Analysis with Corrupted Observations

含损坏观测值的保序变点定位与根因分析

Seunghun Yu, Meiyi Zhu, Petar Popovski, Joonhyuk Kang, Osvaldo Simeone

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； King’s College London（伦敦国王学院） ； Aalborg University（奥尔堡大学） ； Northeastern University London（伦敦东北大学） 纠错

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

AI总结 本文针对含损坏观测值的系统，提出加权CONCH与加权CROC方法，结合元学习优化权重，可在保证置信集目标覆盖率的前提下缩小其规模，提升变点定位与根因分析的实用性。

Comments 34 pages, 6 figures

Pictura: Perspective-View Self-Play at Scale for Driving

Pictura：用于驾驶的大规模视角自博弈

Yuan Yin, Elias Ramzi, Marc Lafon, Valentin Charraut, Victor Bares, Yihong Xu, Éloi Zablocki, Alexandre Boulch, Thibault Buhet, Andrei Bursuc, Matthieu Cord

机构 * Valeo Brain（法雷奥智能大脑公司） ； Sorbonne Université, CNRS, ISIR（索邦大学、法国国家科学研究中心、智能系统与机器人研究所） 纠错

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

AI总结 研究针对驾驶模拟中自博弈存在的问题，提出建立视角自博弈训练机制，介绍GPU加速模拟器Pictura，通过普通PPO自博弈训练出Alberti策略，无需特权观测，性能接近且能零样本迁移优于特权矢量化策略。

SimBEV2X: A Large-Scale Dataset and Data Generation Tool for Multi-Task Vehicle-to-Everything Cooperative Perception

SimBEV2X：用于多任务车联网协同感知的大规模数据集与数据生成工具

Goodarz Mehr, Sepideh Gohari, Montasir Abbas, Azim Eskandarian

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

AI总结 研究针对V2X协同感知算法发展受限问题，介绍基于CARLA模拟器的SimBEV2X数据生成工具及数据集，通过它建立基线并提出CoBEVFusion架构，实现上下文感知多智能体特征聚合，性能优越。

Comments Submitted to IEEE for review

Mwando: Leveraging AI to Preserve and Teach shiKomori

Mwando：利用人工智能保护和教授希科莫里语

Naira Abdou Mohamed, Haidar Nassur Said Ali, Mohamed Hazra, Naoufal Mohamed Soibira, Roushnaty Ali Yamani

机构 * CP2BM Lab - Hassan II University（哈桑二世大学CP2BM实验室） ； Ibn Tofail University（伊本·图法伊勒大学） ； Sciences Po Grenoble（格勒诺布尔政治学院） 纠错

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

AI总结 研究旨在利用人工智能保护和教授希科莫里语，通过构建知识库和采用多智能体架构实现。对500个查询评估显示在词汇和语法方面性能良好，定性研究展示了能力与局限，为低资源语言开发教育工具提供蓝图。

AIR-BENCH Live: An Evolving Safety Benchmark for Foundation Models

AIR-BENCH Live：基础模型不断演进的安全基准测试

Rohan Naphade, Minzhou Pan, Bo Li

机构 * Virtue AI（美德人工智能公司） ； Carnegie Mellon University（卡内基梅隆大学） ； Northeastern University（东北大学） ； University of Chicago（芝加哥大学） ； University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 研究针对基础模型安全基准测试随模型和法规发展而不足的问题，提出AIR-BENCH Live，通过自动化更新管道和多智能体算法更新提示，扩展了基准测试风险数量，评估模型发现安全范围广等结果，使其能随领域发展。

Comments 11 pages, 7 figures, 3 tables

Chart Deception in Vision-Language Models: From Vulnerability to Mitigation

视觉语言模型中的图表欺骗：从漏洞到缓解

Ridwan Mahbub, Mohammed Saidul Islam, Md Tahmid Rahman Laskar, Mizanur Rahman, Mir Tafseer Nayeem, Enamul Hoque

机构 * York University（约克大学） ； University of Alberta（阿尔伯塔大学） 纠错

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

AI总结 研究视觉语言模型对图表欺骗的鲁棒性，引入VisDeception基准和欺骗分数，发现模型易受影响，提出推理时多智能体缓解框架，揭示可靠性差距，确立相关评估及推理方向以开发更可信的视觉分析VLM。

KaPilot: LLM-Assisted Generation of Kani Specifications for Unsafe Rust Verification

KaPilot：用于不安全Rust验证的大语言模型辅助Kani规范生成

Minghua Wang, Yuxi Ling, Mingzhi Gao, Yuwei Liu, Lin Huang

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

AI总结 研究针对不安全Rust内存安全验证规范编写难题，提出KaPilot多智能体框架，经轻量级分析、智能体协作及循环优化、策略筛选确定最佳规范，评估显示其在规范生成成功率和质量上优于AutoSpec。

Towards Reducing Foreign Language Anxiety Using Level-Appropriate Embodied Conversational Agents

使用水平适配的具身对话代理降低外语焦虑

Krishan Rajaratnam, Wenbin Gan, Yuan Sun

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

AI总结 研究针对外语焦虑影响二语习得问题，提出基于欧洲共同语言参考标准的多智能体具身对话系统，通过“生成-评估-再生”循环适配用户水平。小样本试点研究表明该系统生成的对话句子更适配学习者，虽未显著降低焦虑，但提供了相关见解。

Comments 8 pages, 6 figures, published in the proceedings of EDULEARN26

Journal ref K. Rajaratnam, W. Gan, Y. Sun (2026) TOWARDS REDUCING FOREIGN LANGUAGE ANXIETY USING LEVEL-APPROPRIATE EMBODIED CONVERSATIONAL AGENTS, EDULEARN26 Proceedings, Article 1459

Explainable Belief Harmonization under Dynamic Epistemic Partitions

动态认知分区下的可解释信念协调

Adam Kostka, Jarosław A. Chudziak

机构 * Warsaw University of Technology（华沙技术大学） 纠错

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

AI总结 研究多智能体信念组合中认知分区的运行时变化，提出结合回答集编程与Python的混合方法框架，能处理异构分辨率级别，保证可接受性、修复及解释完整性，经评估可实现完全违规检测和解释覆盖。

Comments In Proceedings ICLP 2026, arXiv:2607.17707

Journal ref EPTCS 450, 2026, pp. 529-543

End-to-End Learning of Safe Optimal Feedback Control in High Dimensions with Control Barrier Function Layers

基于控制障碍函数层的高维安全最优反馈控制的端到端学习

Xingjian Li, Kelvin Kan, Deepanshu Verma, Krishna Kumar, Stanley Osher, Samy Wu Fung

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

AI总结 研究在硬安全约束下高维半全局反馈控制器的学习问题，结合算子分裂与无雅可比反向传播方法，实现可扩展端到端训练并保持安全保证，证明该方法在高维多智能体非线性控制问题上的有效性。

CoGoal3D: Collaborative 3D Object Detection with 3D-Aware Fusion and Refinement

CoGoal3D：基于3D感知融合与优化的协作式3D目标检测

Zhihao Yang, Zhiyu Xiang, Peng Xu, Tianyu Pu, Kai Wang, Eryun Liu, Dongping Zhang, Yong Ding

机构 * Zhejiang University（浙江大学） ； Zhejiang Provincial Key Laboratory of Multi-Modal Communication Networks and Intelligent Information Processing（浙江省多模态通信网络与智能信息处理重点实验室） ； China Jiliang University（中国计量大学） 纠错

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

AI总结 针对V2X协作目标检测中3D检测效果不佳的问题，提出CoGoal3D框架，通过两阶段管道提取和优化3D特征，设计融合模块与辅助任务，还提出数据增强策略，在多数据集上取得新的最优性能。

Comments Accepted to ECCV 2026. 17 pages, 8 figures, 6 tables. Code: https://github.com/Megalo-f/CoGoal3D

Natural Language Access to Domain-Specific Metadata: A Reusable Framework for LLM Query Generation

自然语言访问特定领域元数据：用于大语言模型查询生成的可重用框架

Blake G. Fitch, Cato Elia Kurtz

机构 * Max Planck Institute for Biological Cybernetics（马克斯·普朗克生物信息学研究所） 纠错

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

AI总结 研究针对特定领域档案元数据查询难题，提出NLKGQ系统，借助OWL本体和LLMs，能零样本生成准确结构化查询。经神经影像档案元数据实验，最佳配置准确率达100%，明确影响准确率关键因素，还对比SPARQL与SQL，凸显OWL优势。

Feedback Attribution and Representation Geometry: Metrics for Comparing Individual and Shared Rewards in MARL

反馈归因与表示几何：多智能体强化学习中个体与共享奖励比较的度量

Tasha Pais, Richard Higgins

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

AI总结 研究多智能体强化学习中团队平均奖励下，学习表示上奖励归因的特征。提出EffRank/$n$和$D_\text{act}$指标，在SMACv2测试发现观测解释几何特征，奖励归因体现在行为，且指标开销低。

Comments Accepted at the Reinforcement Learning from World Feedback Workshop, ICML 2026

Evaluating Open-Weight LLMs for Generating Structured Threat Information for Autonomous Vehicle Vulnerabilities

评估开放权重语言模型用于生成自动驾驶车辆漏洞的结构化威胁信息

Md Erfan, Ahmed Ryan, Md Kamal Hossain Chowdhury, Md Rayhanur Rahman

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

AI总结 研究自动驾驶车辆漏洞相关结构化威胁信息生成问题，利用开放权重语言模型，通过构建CAV-STIXGen数据集评估11个模型，分析CWE和MITRE ATT&CK共现，展示AI辅助转换可自动化威胁情报并优先防御运输安全。

Comments 9 pages

PRISA: Proactive Infrastructure LiDAR Framework for Intersection Safety Assessment

PRISA：用于交叉路口安全评估的主动式基础设施激光雷达框架

Tam Bang, Hussam Abubakr, Emiliano de la Garza Villarreal, Truc Phuong Nguyen, Austin Harris, Toru Hirano, Mina Sartipi, Yunfei Xu, Hoang H. Nguyen

机构 * University of Tennessee at Chattanooga（田纳西大学查塔努加分校） 纠错

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

AI总结 研究针对城市交叉路口危险问题，提出PRISA框架，利用隐私保护、低光鲁棒的路边传感器，通过自动整理训练数据训练轨迹预测模型，进行连续运动预测和双重替代安全评估，经实验验证其在交叉路口安全监测方面具有实际可行性。

Comments Accepted for publication at the 2026 IEEE 29th International Conference on Intelligent Transportation Systems (ITSC 2026). 8 pages, 2 figures

Data-Native Global Optimization for Big Data K-means Clustering

大数据K均值聚类的数据原生全局优化

Ravil Mussabayev, Rustam Mussabayev, Zukhra Yerdaliyeva, Kuldeyev Nursultan

机构 * AI Research Lab, Satbayev University（人工智能研究实验室，萨特巴耶夫大学） ； Laboratory for Analysis and Modeling of Information Processes, Institute of Information and Computational Technologies（信息与计算技术研究所信息过程分析与建模实验室） 纠错

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

AI总结 针对大数据K均值聚类难题，提出Big-means++算法，通过策划输入实现可扩展性与全局搜索质量，利用遍历样本诱导景观、流动在位策略、新抖动机制及竞争多智能体系统等方法，经实验验证其有效性、效率和鲁棒性。

Physics-enhanced reinforcement learning for real-time optimal control of dynamical systems

用于动态系统实时最优控制的物理增强强化学习

Matteo Tomasetto, Nicolò Botteghi, Gabriele Bruni, Andrea Manzoni

机构 * Politecnico di Milano（米兰理工大学） ； MOX - Department of Mathematics, Politecnico di Milano（米兰理工大学数学MOX系） 纠错

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

AI总结 研究针对高维和参数化动态系统控制，提出物理增强强化学习（PEARL）范式，利用其动力学可微性，采用演员-伴随算法，经实验验证该方法能减少环境交互、样本效率高、可泛化并能扩展到高维空间。