AI Agent

Learn to Access and Backhaul the Sky: Multi-Scale Radio Map Guided Multi-UAV Cooperation

学会接入和回传天空：多尺度无线电地图引导的多无人机协作

Yifeng Yuan, Shijian Gao

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

AI总结 针对无人机群在三维场景中因用户移动和建筑遮挡导致的端到端瓶颈问题，提出多尺度无线电地图引导（MRMG）框架，结合全局、局部和链路级地图信息，通过多智能体强化学习实现无人机移动、下一跳选择和功率控制的联合优化，显著提升网络吞吐量和边缘用户速率。

Comments 6 pages, 4 figures

Modelling Opinion Dynamics at Scale with Deep MARL

用深度MARL建模大规模意见动态

Lukas Seier, Brandon Kaplowitz, Sebastian Towers, Richard Bailey, Jakob Foerster

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

AI总结 提出GPU加速的共识与真相发现游戏，扩展其他玩法至一般和社交互动，在Bluesky网络子集上验证模型，发现高从众性降低集体准确性并促进不诚实行为。

Comments 35 pages, 28 figures, preprint

On the Hardness of Optimal Motion on Trees

关于树上最优运动的难度

Tzvika Geft

机构 * Rutgers University（罗切斯特大学） 纠错

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

AI总结 本文证明，在树上，带标签和2色变体的多智能体路径寻找（MAPF）问题在距离、makespan和flowtime三个目标下均为NP难，解决了长期未决的经典Pebble Motion问题。

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

Memory Is Communication: The Frontier Between Remembering and Signaling

记忆即通信：记忆与信号之间的边界

Yashar Talebirad, Eden Redman, Ali Parsaee, Osmar R. Zaiane

机构 * Alberta Machine Intelligence Institute, University of Alberta（阿尔伯塔大学阿尔伯塔机器智能研究所） ； Network for Applied Technology（应用技术网络） 纠错

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

AI总结 该研究探讨受资源限制的智能体如何分配记忆与通信预算以优化决策，提出记忆-信号边界概念，通过参考博弈实验验证了从历史中获更大损失降幅可减少同伴通信的假设。

A Human-in-the-Loop Corpus for LLM-Based Simplification of Scientific Summaries

用于基于大语言模型的科学摘要简化的人工参与语料库

Kyuri Im, Michael Färber

机构 * ScaDS.AI, Technische Universität Dresden（ScaDS.AI，德累斯顿工业大学） 纠错

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

AI总结 研究基于大语言模型的科学文本简化，提出人工参与工作流程，先以GPT-4o-mini生成基线简化，再经不同阶段读者与专家反馈编辑，发布语料库及评估结果，支持跨学科科学交流简化系统相关工作。

Comments Accepted at FGWM@KI2026

Decentralized Stochastic Subgradient-type Methods with Communication Compression for Nonsmooth Nonconvex Optimization

非光滑非凸优化中带通信压缩的分布式随机次梯度类方法

Siyuan Zhang, Nachuan Xiao, Xin Liu

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

AI总结 针对非光滑非凸分布式优化问题，提出统一框架整合多种带压缩的随机次梯度方法，证明全局收敛性，并开发基于符号正则化和梯度跟踪动量的新方法。

Comments 36 pages

Reducing Conversational Escalation in Large Language Model Dialogue with Nonviolent Communication Constraints

使用非暴力沟通约束减少大语言模型对话中的对话升级

Zhixing Sun, Shenghe Xu, Tao Li

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 本研究通过非暴力沟通原则的轻量级提示约束，引导大语言模型在冲突对话中减少升级行为，实验表明该方法能稳定与高度抵抗用户的交互。

Multiagent Protocols with Aggregated Confidence Signals

带有聚合置信信号的多智能体协议

Ali Elahi, Barbara Di Eugenio

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

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

AI总结 提出三种协议，通过转换原始置信信号并采用软投票或贝叶斯融合，为多智能体系统输出聚合置信度，在保持正确性的同时显著提升判别能力。

Comments 22 pages and 5 figures, 9 pages and 2 figures before the appendix

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

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

Adjacency-Based Spectral Proxy Control of Mobile Communication Agents

基于邻接矩阵的移动通信智能体的谱代理控制

Mariana del Castillo, Federico Larroca

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 针对异构移动智能体网络，提出用邻接矩阵主导特征向量替代Fiedler向量的A-Fiedler方法，提升分布式估计鲁棒性，为分布式网络控制提供更简单路径。

Heterogeneity-Aware Belief Synchronization for Semantic Communication in AI-Native 6G Networks

面向AI原生6G网络中语义通信的异质性感知信念同步

Muhammad Hannan Akram, Muhammad Abubakar Rashid, Wassi Haider Kabir, Haejoon Jung, Kapal Dev, Syed Ali Hassan

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 针对AI原生6G网络中异构AI模型导致的信念对齐难题，提出基于MEC服务器潜在翻译模型的异质性感知信念同步框架，可降低同步成本、保护隐私并维持低信念对齐误差。

Comments 8 pages, 4 figures

Synchronizing Beliefs with Second-Order Theory-of-Mind in Human-Autonomy Teams (Extended Version)

人机自主团队中基于二阶心理理论的信念同步（扩展版）

Jack Mirenzi, Henny Admoni

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 该研究针对奖励无法直接指定的场景，提出人机团队中教师与学习者通过二阶心理理论同步信念的方法，仿真显示该方法能提升偏好学习性能并修复模型漂移问题。

SkillSmith: Enhancing Locally Deployed Agents via Automatic Skill Construction and Evolution

SkillSmith：通过自动技能构建与演进增强本地部署智能体

Xinle Jiang, Remy Xie, Ming Tang

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 SkillSmith是云端-本地智能体协作框架，通过自动构建和演进技能增强本地智能体，使搭载Qwen3.6-27B的本地智能体任务有效性接近云端智能体，在AppWorld上平均动作数从36.1降至9.9且可泛化至其他SLM。

Comments 10 pages,8 figures

Scalable High-Fidelity Macromolecular Docking for GPU-Accelerated Supercomputers

面向GPU加速超级计算机的可扩展高保真大分子对接

Xiangyu Meng, Peng Chen, Mingzhen Li, Jianmin Wang, Sen Wang, Guangming Tan, Weile Jia, Mohamed Wahib, Tao Luo, Xun Wang

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文提出SparkleDock框架，通过优化GSO并行性、适配Tensor Core及负载均衡调度，在GPU上大幅加速大分子对接，实现512 GPU下数秒完成大规模高保真虚拟筛选。

Comments To be published in the International Conference for High Performance Computing, Networking, Storage, and Analysis(SC) 26

Implementing Causal Perception: Competing SCMs and Situated Fairness

实现因果感知：竞争结构因果模型与情境公平性

Jose M. Álvarez

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 本研究首次实现Álvarez与Ruggieri（2025）的因果感知框架，通过算法量化竞争SCM的分歧，结合德国信用数据集验证其对多智能体决策公平性的影响，凸显公平问题中竞争世界观的重要性。

Domain-Generalized Adaptive Semantic Communication for Collaborative Perception

面向协同感知的域泛化自适应语义通信

Fan Gao, Youzheng Wang, Ning Ge

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 提出域泛化语义通信框架RSTA，通过跨域原型对齐等技术解决车路协同感知中观测域偏移与信道损坏耦合退化问题，在多基准测试中取得AP指标提升且部署开销极低。

Comments Accepted by IEEE ICCC 2026. 6 pages, 5 figures

Improving the Understandability of Conceptual Models via Abstract Notation Engineering

通过抽象符号工程提升概念模型的可理解性

Amine Abbad-Andaloussi, Daniel Jeppe Schütt, Kasper Solhøj Jørgensen, Tobias van Deurs Lundsgaard, Hugo A. López

专题命中 多智能体 ：workflow(abstract)；分类 cs.SE

AI总结 本研究提出抽象符号工程方法，将其应用于DCR图形成DeCleaR，通过用高层级语义透明构造替代底层配置，提升了概念模型的可理解性及用户对DCR图的相关质量与偏好。

GVR-Coder: A Visual-Feedback Framework for Structured SVG Generation in Complex Document and Meeting Scenarios

GVR-Coder：面向复杂文档与会议场景的结构化SVG生成视觉反馈框架

Yiming Xu, Jihua Kang, Chunsai Du, Qifan Zhang, Wangqiu Zhou, Yiting Wu, Tianqi Li, Qi Song

机构 * University of Science and Technology of China（中国科学技术大学） ； ByteDance Inc.（字节跳动公司） ； Hefei University of Technology（合肥工业大学） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 针对复杂文档与会议场景文本转SVG的三大挑战，提出GVR-Coder框架，引入定制数据集DocMeetSVG-100K，结合课程微调、双渲染反馈强化学习与智能体循环，生成质量优于基线。

Everyone is unique: Towards Behaviorally Heterogeneous Negotiation Dialogue Systems for Debt Collection

每个人都是独特的：迈向用于债务催收的行为异质性协商对话系统

Yuhang Yang, Kai Tang, Chao Ye, Haobo Wang, Qiqi Luo, Jinguang Zheng, Zhixin Zhang

机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 针对债务催收场景中现有基准无法体现用户行为异质性的问题，提出DebtBench基准并开发DebtGPT代理，用16个先进LLMs实验，发现多数模型表现不佳，DebtGPT优于开源基线且性能与GPT-4o相当。

Volition Elicitation: Operational Semantics for People and Their Machines

意志激发：人与机器的操作语义学

Ehud Shapiro

机构 * London School of Economics（伦敦经济学院） ； Weizmann Institute of Science（魏茨曼科学研究院） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 研究含人和个人机器的分布式系统中由人意志驱动的计算，定义编程语言vGLP并给出操作语义，通过激发人意志实现用户界面，利用AI将意志保护多智能体原子事务生成vGLP程序及实现，得到部署在智能手机上的应用。

Towards quantum machine learning for assessing the resilience of post-quantum cryptography

迈向用于评估后量子密码学弹性的量子机器学习

Jarosław A. Miszczak

机构 * Institute of Theoretical and Applied Informatics（理论与应用信息研究所） ； Polish Academy of Sciences（波兰科学院） 纠错

专题命中 多智能体 ：workflow(abstract)；分类 cs.LG

AI总结 研究尝试利用量子生成对抗网络（QGANs）评估后量子密码学弹性，通过将基于哈希数字签名概率分布加载到量子计算机内存的示例应用，证实近期混合量子 - 经典方法有此能力，为利用量子计算攻击后量子密码原语迈出第一步。

Comments 14 pages, 7 figures, version accepted for ICCS 2026

Journal ref Lecture Notes in Computer Science, vol 16789 (2026)

TRAIL: A Platform for Configurable Human--AI Teaming Experiments

TRAIL：一个用于可配置人机协作实验的平台

Mohammad Amin Samadi, Pedro Martins De Bastos, Jaeyoon Choi, Spencer JaQuay, Seehee Park, Nia Nixon

机构 * School of Education, University of California, Irvine（加州大学伊文斯分校教育学院） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 研究人工智能队友设计属性对团队的影响，TRAIL平台将大五人格等与多种实验方法结合，在课堂部署中实现纵向链式实验、文本相似性分析等，发现不同人格代理对团队有不同影响。

Communication-Efficient Digital-Twin Coordination for Heterogeneous LLM Embodied Agents over Computing Power Networks

基于计算能力网络的异构大语言模型实体代理的通信高效数字孪生协调

Nuocheng Yang, Sihua Wang, Zihan Chen, Tony Q. S. Quek, Changchuan Yin

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Singapore University of Technology and Design（新加坡科技设计大学） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 针对异构大语言模型实体代理协作面临的通信开销大、协调质量受LLMs能力限制和行动延迟等挑战，提出基于轻量级数字孪生的LDT-Coord框架，通过特定方法减少通信开销，实现与传统方法相当的任务成功率且保持鲁棒性。

Comments 14 pages, 6 figures, 5 tables

Learning social norms enhances compatibility in dynamic human-AI coordination

学习社会规范可增强动态人机协作中的兼容性

Yi Yang, Siyuan Liu, Xin Gao, Huamu Sun, Chao Liu, Qing Zhou, Bingbing Nie

机构 * School of Vehicle and Mobility, Tsinghua University, Beijing, China（清华大学车辆与移动系统学院） ； State Key Laboratory of Intelligent Green Vehicle and Mobility, Tsinghua University, Beijing 100084, China（清华大学智能绿色车辆与移动系统国家重点实验室） ； State Key Laboratory of Cognitive Neuroscience and Learning & IDG/McGovern Institute for Brain Research, Beijing Normal University, Beijing, China（北京师范大学认知神经科学与学习国家重点实验室） ； Beijing Key Laboratory of Safe AI and Superalignment, Beijing, China（北京安全人工智能与超对齐关键实验室） ； Beijing Institute of AI Safety and Governance, Beijing, China（北京人工智能安全与治理研究院） 纠错

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

AI总结 研究以行人与车辆互动为代表，搭建实验平台，识别出人类社会规范的三项原则，将其融入人工智能显著改善人机协作，在闭环互动任务中，融入社会规范的大语言模型总分比基线策略高出近四倍，比人际互动高出43%。

Comments 44 pages, 5 figures, supplementary information included

Strategic Bargaining in Multi-Buyer Markets: Reinforcement Learning from Verifiable Rewards for LLM Negotiations

多买家市场中的战略谈判：基于可验证奖励的强化学习用于大语言模型谈判

Shuze Daniel Liu, Claire Chen, Jiabao Sean Xiao, Xin Chen, David Simchi-Levi

机构 * Institute for Data, Systems, and Society, Massachusetts Institute of Technology（数据、系统与社会研究所，麻省理工学院） ； Mitch Daniels School of Business, Purdue University（米奇·丹尼尔斯商学院，普渡大学） ； The Division of Physics, Mathematics and Astronomy, California Institute of Technology（物理、数学与天文学部，加州理工学院） ； Department of Computing and Mathematical Sciences, California Institute of Technology（计算与数学科学系，加州理工学院） ； H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（H. 米尔顿·斯图尔特工业与系统工程学院，佐治亚理工学院） ； Department of Civil and Environmental Engineering, Operations Research Center, Massachusetts Institute of Technology（土木与环境工程系、运筹学中心，麻省理工学院） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 研究多买家市场中卖家与买家的谈判，提出基于可验证奖励的强化学习方法，使卖家能平衡市场探索与剩余提取，实现多阶段战略演变，提升谈判技能，提取更高剩余，且策略可推广。

Teaming Up with AI: Coordination and Cooperation

与人工智能合作：协调与协作

Nicole Immorlica, Inbal Talgam-Cohen

机构 * Yale University and Microsoft Research（耶鲁大学和微软研究院） ； Tel Aviv University（特拉维夫大学） 纠错

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

AI总结 探讨如何在劳动力中与人工智能协作以最大化经济价值并实现‘真正’协作。结合理论计算机科学和经济学，考虑协调与合作两层工具，展示基于算法和经济研究的方法可增强两者，为AI市场研究指明方向。

Beyond the Prompt: Jailbreaking Function-Calling LLMs via Simulated Moderation Traces

超越提示：通过模拟审核轨迹越狱函数调用大语言模型

Junlong Liu, Haobo Wang, Weiqi Luo, Xiaojun Jia

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

AI总结 针对函数调用大语言模型的结构性漏洞，提出基于模拟审核轨迹的黑盒攻击框架SMT，通过多轮交互绕过安全约束，在多个商业模型上实现高攻击成功率。

AI for Quality Assurance in the Operating Room

手术室中用于质量保证的人工智能

Pietro Mascagni, Lalith Sharan, Deepak Alapatt, Nicolas Padoy

机构 * Fondazione Policlinico Universitario Agostino Gemelli IRCCS（阿戈斯蒂诺·杰梅利大学综合医院基金会IRCCS） ； Institute of Image-Guided Surgery, HU-Strasbourg（斯特拉斯堡大学医院图像引导外科研究所） ； University of Strasbourg, CNRS, INSERM, ICube, UMR7357（斯特拉斯堡大学，法国国家科学研究中心，法国国家健康与医学研究院，ICube实验室，UMR7357） ； Scialytics SAS（Scialytics SAS公司） 纠错

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

AI总结 本文提出AI赋能的手术质量保证框架，利用手术视频数据实现术中质量持续评估与改进，并讨论了关键挑战。