AI Agent

Insights Generator: Systematic Corpus-Level Trace Diagnostics for LLM Agents

Insights Generator: LLM代理的系统级语料库追踪诊断

Akshay Manglik, Apaar Shanker, Kaustubh Deshpande, Jason Qin, Yash Maurya, Veronica Chatrath, Vijay S. Kalmath, Levi Lentz, Yuan Xue

机构 * Scale AI, Inc. 纠错

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

AI总结 本文提出Insights Generator，一种多智能体系统，通过在语料库中提出和测试假设来生成基于证据的洞察报告，从而系统性地诊断LLM代理的行为模式。

Efficient Coordination and Synchronization of Multi-Robot Systems Under Recurring Linear Temporal Logic

基于循环线性时序逻辑的多机器人系统高效协调与同步

Davide Peron, Victor Nan Fernandez-Ayala, Eleftherios E. Vlahakis, Dimos V. Dimarogonas

机构 * Department of Information Engineering, University of Padova（帕多瓦大学信息工程系） ； Division of Decision and Control Systems, School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology（皇家理工学院电气工程与计算机科学学院决策与控制系统系） 纠错

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

AI总结 提出一种结合离线计划综合与在线协调的底层方法，通过实时通信动态调整计划，并引入同步机制处理动作延迟，实现多机器人系统的可扩展协调与同步框架。

Comments Submitted for publication at IEEE ICRA 2025

Journal ref Proc. IEEE ICRA, 2025, pp. 10194-10200

Hallucination Mitigation with Agentic AI, Nested Learning, and AI Sustainability via Semantic Caching

基于智能体AI、嵌套学习与语义缓存的幻觉缓解与AI可持续性

Diego Gosmar, Deborah A. Dahl

机构 * Head of AI, Tesisquare Member, Open Voice Interoperability Initiative Linux Foundation AI & Data（AI负责人，Tesisquare成员，开放语音互操作性倡议Linux基金会AI与数据） ； Principal, Conversational Technologies Member, Open Voice Interoperability Initiative Linux Foundation AI & Data（首席科学家，对话技术成员，开放语音互操作性倡议Linux基金会AI与数据） 纠错

专题命中 多智能体 ：agentic(title)；分类 cs.AI

AI总结 提出一种HOPE启发的嵌套学习架构，结合连续记忆系统和语义缓存，通过三阶段智能体管道在混合基准上实现幻觉缓解，同时降低能耗并提高可观测性。

Comments 33 pages, 9 figures

Unmasking Conversational Bias in AI Multiagent Systems

揭示AI多智能体系统中的对话偏见

Erica Coppolillo, Giuseppe Manco, Luca Maria Aiello

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

AI总结 该研究针对AI多智能体系统的对话偏见检测空白，提出对话型LLMs多智能体系统偏见量化框架，发现现有问卷式方法无法检测到该场景下的偏见，呼吁开发更复杂的偏见检测与缓解工具包。

Artificial Leviathan: Exploring Social Evolution of LLM Agents Through the Lens of Hobbesian Social Contract Theory

人工智能利维坦：通过霍布斯社会契约理论视角探索大语言模型智能体的社会演化

Gordon Dai, Weijia Zhang, Jinhan Li, Siqi Yang, Chidera Onochie lbe, Srihas Rao, Arthur Caetano, Misha Sra

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

AI总结 本研究基于LLM智能体构建模拟社会，通过霍布斯社会契约理论验证其演化契合该理论，证实LLMs可模拟复杂社会动态，有望助力人类对社会系统的理解。

The Yokai Learning Environment: Tracking Beliefs Over Space and Time

Yokai 学习环境：在空间和时间上跟踪信念

Constantin Ruhdorfer, Matteo Bortoletto, Johannes Forkel, Jakob Foerster, Andreas Bulling

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

AI总结 Yokai学习环境通过跟踪和更新信念来实现有效合作，挑战现有ZSC方法的泛化能力。

Comments RLC 2026

SphUnc: Hyperspherical Uncertainty Decomposition and Causal Identification via Information Geometry

SphUnc：通过信息几何的超球面不确定性分解与因果识别

Rong Fu, Chunlei Meng, Jinshuo Liu, Dianyu Zhao, Yongtai Liu, Yibo Meng, Xiaowen Ma, Wangyu Wu, Yangchen Zeng, Shuaishuai Cao, Simon Fong

机构 * University of Macau（澳门大学） ； Fudan University（复旦大学） ； Hangzhou Dianzi University（杭州电子科技大学） ； Renmin University of China（中国人民大学） ； Hanyang University（翰阳大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； University of Liverpool（利物浦大学） ； Southeast University（东南大学） ； Central South University（中南大学） 纠错

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

AI总结 SphUnc结合超球面表示学习与结构因果建模，通过信息几何融合分解不确定性为epistemic和aleatoric成分，并通过样本模拟实现因果识别，提升多智能体系统中的预测准确性和不确定性校准能力。

Comments 22 pages, 15 figures

How memory can affect collective and cooperative behaviors in an LLM-Based Social Particle Swarm

记忆如何影响基于LLM的社会粒子群中的集体和合作行为

Taisei Hishiki, Takaya Arita, Reiji Suzuki

机构 * Graduate School of Informatics（信息学研究生院） 纠错

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

AI总结 研究探讨了大型语言模型代理的内部对齐特性如何影响记忆对其集体和合作动态的影响。通过将社会粒子群模型中的规则代理替换为具有大五人格特质和不同记忆长度的LLM代理，发现记忆长度是决定集体行为的关键参数，且不同模型对记忆的解读影响合作结果。

Comments 11 pages, 4 figures and 2 tables

A funny companion: Distinct neural responses to AI- versus human-attributed humor

一个有趣的伙伴：对人工智能与人类归因幽默的不同神经反应

Xiaohui Rao, Hanlin Wu, Zhenguang G. Cai

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

AI总结 研究人们对AI与人类归因幽默的神经反应，用EEG对比处理双关语及对照的方式，发现AI归因幽默使N400效应减弱、LPP增强，个体差异影响神经反应，凸显大脑对新幽默源的适应及幽默在人机互动中的作用。

Information-Theoretic Measures in AI: A Practical Decision Framework

人工智能中的信息论度量：实用决策指南

Nikolaos Al. Papadopoulos, Konstantinos E. Psannis

机构 * Department of Applied Informatics, University of Macedonia（马其顿大学应用信息系） 纠错

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

AI总结 本文为七种信息论度量提供实用决策框架，围绕每个度量的三个关键问题：回答的问题与AI场景、适合的估计器、最危险的误用，并附有流程图和决策表。

Comments 23 pages, 2 tables, 4 figures. Submitted to Artificial Intelligence Review, Springer

Digital Pantheon: Simulating and Auditing Coalition Formation with LLM Agents

数字万神殿：使用大语言模型智能体模拟和审计联盟形成

Dylan Van Mulders, Matthias Bogaert, Dirk Van den Poel

机构 * Ghent University（根特大学） 纠错

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

AI总结 该研究针对政治联盟形成谈判，提出结合多种技术的多智能体框架，在弗拉芒选举中实施，通过引入相关拓扑、分数和检验使其可解释，模拟产生稳定结果，能可靠预测现实，提供了探索政党兼容性等的测试平台。

Comments 11 pages, 2 figures, 5 tables, To be published in the AIDEM Workshop proceedings of the ECML PKDD 2026 Conference

Discovering Ordinary Differential Equations with LLM-Based Qualitative and Quantitative Evaluation

基于LLM的定性与定量评估的常微分方程发现

Sum Kyun Song, Bong Gyun Shin, Jae Yong Lee

机构 * Department of Artificial Intelligence, Chung-Ang University, Seoul, Republic of Korea（韩国首尔 Chung-Ang 大学人工智能系） ； Daejin University, Pocheon, Republic of Korea（韩国坡州市 Daejin 大学） 纠错

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

AI总结 本文提出DoLQ方法，通过多智能体架构结合LLM进行定性与定量评估，实现常微分方程的发现，实验表明其在多维ODE基准测试中性能优于现有方法。

Comments Accepted at ICML 2026

Journal ref International Conference on Machine Learning 2026

Safety from Honesty in a Disinterested AI Predictor

无兴趣AI预测器中的诚实安全性

Yoshua Bengio, Oliver Richardson, Tomáš Gavenčiak, Michael Cohen, Rory Svarc, Damiano Fornasiere, Gael Gendron, David Hyland, Aton Kamanda, Adam Oberman, Francis Rhys Ward, Anna Gavenčiak, Jacob Livingston Slosser, Vincent Mai, Iulian Serban, Joumana Ghosn

机构 * LawZero ； Université de Montréal（蒙特利尔大学） ； Mila ； University of California Berkeley（加州大学伯克利分校） ； McGill University（麦吉尔大学） ； Arb Research ； Center for Theoretical Study Charles University in Prague（布拉格查理大学理论研究中心） ； University of Oxford（牛津大学） ； Sapien Institute（Sapien研究所） 纠错

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

AI总结 提出一种形式化安全论证，通过数据表示和训练过程确保预测器诚实预测而不成为追求目标的智能体，并证明危险预测器出现的概率可控。

MASCA: LLM based-Multi Agents System for Credit Assessment

MASCA：基于大语言模型的信用评估多智能体系统

Gautam Jajoo, Atharva Pandey, Pranjal A Chitale, Saksham Agarwal

机构 * Kairosity（凯罗斯蒂） 纠错

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

AI总结 研究信用评估问题，提出基于大语言模型的MASCA多智能体系统，采用分层架构，整合对比学习，从信号博弈论角度提供理论见解，进行偏差分析，实验证明该系统在金融应用尤其是信用评分中表现优于基线方法。

Comments Accepted at NeurIPS GenAI In Finance Workshop

The Language of Bargaining: Linguistic Effects in LLM Negotiations

谈判语言：大语言模型谈判中的语言效应

Stuti Sinha, Himanshu Kumar, Aryan Raju Mandapati, Rakshit Sakhuja, Dhruv Kumar

机构 * BITS Pilani（BITS 普利尼） 纠错

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

AI总结 研究通过多智能体模拟，在保持游戏规则等不变的情况下，系统分离英语和四种印度语言框架在不同游戏中的语言效应，发现语言选择对结果影响大，且因任务而异，强调仅用英语评估LLM谈判有局限。

Comments Under Review

RedCoder: Automated Multi-Turn Red Teaming for Code LLMs

RedCoder: 面向代码大语言模型的自动化多轮红队测试

Wenjie Jacky Mo, Qin Liu, Xiaofei Wen, Dongwon Jung, Hadi Askari, Wenxuan Zhou, Zhe Zhao, Muhao Chen

机构 * University of California, Davis（加州大学戴维斯分校） ； University of Southern California（南加州大学） 纠错

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

AI总结 提出RedCoder，一个通过多轮对话诱导代码大模型生成漏洞代码的自动化红队测试智能体，采用多智能体博弈生成原型对话和攻击策略库，并微调LLM作为骨干，实验表明其优于现有单轮和多轮方法。

Comments ACL 2026

DeALOG: Decentralized Multi-Agents Log-Mediated Reasoning Framework

DeALOG: 去中心化多智能体日志中介推理框架

Abhijit Chakraborty, Ashish Raj Shekhar, Shiven Agarwal, Vivek Gupta

机构 * Arizona State University（亚利桑那州立大学） 纠错

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

AI总结 提出去中心化多智能体框架DeALOG，通过共享自然语言日志实现多模态问答，各专业智能体协作检测和验证错误，无需中央控制，提升鲁棒性。

SIMSplat: Language-Aligned 4D Gaussian Splatting for Driving Scenario Generation

SIMSplat: 面向驾驶场景生成的语言对齐4D高斯泼溅

Sung-Yeon Park, Adam Lee, Juanwu Lu, Can Cui, Luyang Jiang, Rohit Gupta, Kyungtae Han, Ahmadreza Moradipari, Ziran Wang

机构 * Purdue University（普渡大学） ； University of California, Berkeley（加州大学伯克利分校） ； Toyota InfoTech Labs（丰田信息科技实验室） 纠错

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

AI总结 提出SIMSplat，一种基于场景图的4D高斯泼溅框架，通过嵌入语言对齐特征实现自由文本查询、对象级编辑和多智能体仿真，在驾驶场景生成中显著提升定位精度和任务完成率。

Oranits: Mission Assignment and Task Offloading in Open RAN-based ITS using Metaheuristic and Deep Reinforcement Learning

Oranits: 基于Open RAN的智能交通系统中的任务分配与卸载——元启发式与深度强化学习方法

Ngoc Hung Nguyen, Nguyen Van Thieu, Quang-Trung Luu, Anh Tuan Nguyen, Senura Wanasekara, Nguyen Cong Luong, Fatemeh Kavehmadavani, Van-Dinh Nguyen

机构 * Department of Smart City, Hanyang University（翰阳大学智能城市系） 纠错

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

AI总结 提出Oranits系统模型，通过元启发式算法CGG-ARO和深度强化学习框架MA-DDQN优化车辆协作中的任务依赖与卸载成本，分别提升任务完成率7.7%和12.5%。

Comments 16 pages, 13 figures

Journal ref IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, 2026

Algorithmic Prompt Generation for Diverse Human-like Teaming and Communication with Large Language Models

面向多样化类人团队协作与通信的算法化提示生成与大型语言模型

Siddharth Srikanth, Varun Bhatt, Boshen Zhang, Werner Hager, Charles Michael Lewis, Katia P. Sycara, Aaquib Tabrez, Stefanos Nikolaidis

机构 * Thomas Lord Department of Computer Science, University of Southern California（美国南加州大学汤姆·劳德计算机科学系） ； School of Computing and Information, University of Pittsburgh（美国匹兹堡大学计算与信息学院） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； Sibley School of Mechanical and Aerospace Engineering, Cornell University（康奈尔大学西伯利机械与航空航天工程学院） 纠错

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

AI总结 结合质量多样性优化与LLM代理，自动搜索生成多样化团队行为的提示，捕获人类协作与通信策略，并通过用户研究验证其类人性。

People-Centred Medical Image Analysis via Fairness-Aware Human-AI Cooperation

以人为本的医学图像分析：通过公平感知的人机协作

Zheng Zhang, Milad Masroor, Cuong Nguyen, Tahir Hassan, Yuanhong Chen, David Rosewarne, Kevin Wells, Thanh-Toan Do, Gustavo Carneiro

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

AI总结 提出PecMan框架，联合建模子群依赖可靠性、决策分配和协作预测，通过门控与整合机制动态分配病例给自动模型或人类专家，无需测试时敏感属性，实现公平感知的人机协作分类。

Comments Submitted to Medical Image Analysis

Easier to Mislead Than to Correct: Harmful and Beneficial Revision in LLM Conformity

误导比纠正更容易：LLM 从众中的有害与有益修正

Jiaming Qu, Lucheng Fu, Yibo Hu

机构 * Amazon（亚马逊） ； Georgia Institute of Technology（佐治亚理工学院） ； Illinois Institute of Technology（伊利诺伊理工学院） 纠错

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

AI总结 通过控制实验，研究大语言模型在多智能体系统中面对同伴答案时的从众行为，发现同伴一致意见更容易误导原本正确的模型，而权威标签使模型更倾向于选择被认可的答案，且通用推理干预无法可靠地减少有害修正。

Unsupervised Partner Design Enables Robust Ad-hoc Teamwork

无监督伙伴设计实现鲁棒的临时团队协作

Constantin Ruhdorfer, Matteo Bortoletto, Victor Oei, Anna Penzkofer, Andreas Bulling

机构 * University of Southampton（索姆塞特大学） 纠错

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

AI总结 提出无监督伙伴设计(UPD)方法，通过动态生成并基于可学习性准则自适应选择训练伙伴，无需预训练伙伴群体或手动调参，在多个任务中达到强性能，并在人机交互研究中获得更高评价。

Comments 27 pages

More Capable, Less Cooperative? When LLMs Fail At Zero-Cost Collaboration

能力越强，合作越少？当LLM在零成本协作中失败时

Advait Yadav, Sid Black, Oliver Sourbut

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

AI总结 研究LLM在多智能体系统中零成本协作的失败原因，通过构建去战略复杂性的环境，发现能力更强的模型（如o3）反而合作更差，并区分了能力失败与主动信息隐瞒，提出针对性干预措施。

Comments Accepted to the ICML 2026 main conference

The Theory of Strategic Evolution: Games with Endogenous Players and the Seven Laws of Strategic Replicators

战略进化理论：具有内生参与者和战略复制者的博弈

Kevin Vallier

机构 * Institute of American Constitutional Thought and Leadership（美国宪法思想与领导力研究所） ； University of Toledo（托莱多大学） 纠错

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

AI总结 本文提出战略进化理论，引入具有内生参与者的博弈，定义进化稳定智能分布，通过跨层增益矩阵构建战略层层次结构，证明相关封闭性及定理，可用于分析人工智能部署动态等，揭示人格工程问题及稳定多智能体系统的宪法约束。

Comments 171 pages. Formalized in Lean 4 with Mathlib: 240 theorems in the elaborated environment, 141 audited headline results, cold-compiling from a clean checkout with zero custom axioms. Source, theorem-by-theorem contract, and reproducible axiom audit: https://github.com/selfreferencing/TSE_Formal. Companion to Agentic Capital

Classification of $σ$-validity in iterated announcements

σ有效性的分类

Eiji Yamada

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

AI总结 研究Agotnes等人关于σ有效性的猜想，通过重新表述问题，对多主体K45、单主体KD45和多主体S5进行了分类，证明原猜想错误，揭示真假宣告的不对称性。

Comments 21 pages, 4 figures. v2: Added proofs of the nonexistence of non-trivially 0k1-valid and 01k0-valid formulas in multi-agent KD45, thereby completing the classification for this class. Revised related statements and proofs throughout

CADENCE: Predicting Realized MAPF Execution Time Beyond Sum of Costs

CADENCE：预测实际MAPF执行时间超越成本总和

Abhishek Seetharamu, Badrikanath Praharaj, Sreeram MV

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 提出CADENCE框架，通过分析原始运动负担和交互感知协调特征，发现原始运动负担能显著提高多智能体路径规划执行时间的预测精度，超越传统成本总和指标。

Comments 7 pages, 4 figures, 3 tables and this paper was accepted at Multi-Agent Robotic Systems: Real-World Collaboration and Interaction a workshop at the international conference of robotics and automation (ICRA 2026)

Distributed Online Submodular Maximization under Communication Delays: A Simultaneous Decision-Making Approach

分布式在线子模优化在通信延迟下的研究：一种同时决策方法

Zirui Xu, Vasileios Tzoumas

机构 * University of Michigan（密歇根大学） 纠错

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

AI总结 本文提出分布式在线贪心算法DOG，解决通信延迟下的子模优化问题，通过结合对抗性带宽学习与延迟反馈，在任意网络拓扑中实现同时决策，分析协调性能与收敛时间的权衡。

Comments Accepted to ACC 2026

Optimizing CUDA like a Human: Micro-Profiling Tools as Expert Surrogates for LLM-Based GPU Kernel Optimization

像人类一样优化CUDA：微剖析工具作为基于LLM的GPU内核优化的专家替代品

Jiading Gai, Shuai Zhang, Kaj Bostrom, Jin Huang, Vihang Patil, Haoyang Fang, Bernie Wang, Huzefa Rangwala, George Karypis

机构 * Amazon（亚马逊） ； Siemens（西门子） ； University of Minnesota（明尼苏达大学） 纠错

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

AI总结 提出KernelPro闭环多智能体系统，通过LLM代码生成与硬件剖析反馈及可插拔瓶颈检测工具迭代优化GPU内核，在KernelBench上实现2.42x/4.69x/5.30x加速比，并首次兼顾能效优化。

Sparks of Cooperative Reasoning: LLMs as Strategic Hanabi Agents

合作推理的火花：LLMs作为战略汉诺塔代理

Mahesh Ramesh, Kaousheik Jayakumar, Aswinkumar Ramkumar, Pavan Thodima, Aniket Rege, Emmanouil-Vasileios Vlatakis-Gkaragkounis

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

AI总结 本文研究了在不完全信息下多智能体系统的合作推理挑战，通过汉诺塔游戏评估不同LLM模型在策略沟通和状态跟踪中的表现，展示了模型在协作游戏中的改进效果。