AI Agent

AI Agent Communications in AI-Native 6G Network: Status, Challenges and Opportunities

人工智能原生6G网络中的AI智能体通信：现状、挑战与机遇

Qiang Duan

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

AI总结 研究AI智能体通信在6G网络下面临的问题，基于面向服务虚拟化的架构（SOVA），通过分析6G关键架构范式满足SOVA要求的潜力，找出差距，进而明确研发方向，助力6G网络原生赋能AI智能体通信。

A Closed-Loop Multi-Agent Framework for Robust Multi-Robot Manipulation

用于鲁棒多机器人操作的闭环多智能体框架

Yi-Xiang He, Lan Wei, Haoming Cen, Jian-Jian Jiang, Zhuohao Li, Guanxing Lu, Yihan Yang, Dandan Zhang, Wei-Shi Zheng

机构 * Sun Yat-sen University（中山大学） ； Key Laboratory of Machine Intelligence and Advanced Computing, Ministry of Education, China（教育部机器智能与先进计算重点实验室） ； Imperial College London（帝国理工学院） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

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

AI总结 针对多机器人操作中高级推理应用于实际执行的挑战，提出基于分层闭环智能体的LLM框架，含规划、操作、验证智能体。经实际实验验证，该框架成功率高、适应性强，为多样操作任务提供可推广方法。

Comments RSS 2026

AgentsCAD: Automated Design for Manufacturing of FDM Parts via Multi-Agent LLM Reasoning and Geometric Feature Recognition

AgentsCAD: 通过多智能体大语言模型推理和几何特征识别实现FDM零件的自动化制造设计

Emmanuel George, Christopher Keefe, Peter Pak, Amir Barati Farimani

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

AI总结 提出AgentsCAD多智能体系统，结合B-Rep几何解析与LLM推理，自动检测FDM零件悬垂缺陷并生成修改建议，输出修正STEP文件。

VERITAS: A Multi-Agent Co-Scientist for Verifiable Image-Derived Hypothesis Testing

VERITAS：通过智能系统进行图像派生假设检验的可验证认知推理

Lucas Stoffl, Benedikt Wiestler, Johannes C. Paetzold

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

AI总结 VERITAS通过多智能体系统自主测试自然语言假设，生成可审计的证据链，通过四阶段工作流和认知证据标签框架提升医学影像研究的可验证性，达到81.4%的准确率。

Comments 43 pages, 5 figures. Code available at https://github.com/LucZot/veritas

SkyChain Intelligence: A Blockchain-Secured Multi-Agent DRL Framework for Low-Altitude Embodied Artificial Intelligence

SkyChain Intelligence：一种用于低空具身人工智能的区块链安全多智能体深度强化学习框架

Haoxiang Luo, Tianqi Jiang, Ruichen Zhang, Yinqiu Liu, Gang Sun, Hongfang Yu, Abbas Jamalipour, Dong In Kim

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

AI总结 针对低空具身AI代理在去中心化网络中面临的自主性、安全性和效率三难困境，提出SkyChain Intelligence框架，通过集成联盟区块链与多智能体深度强化学习，实现安全高效的分布式计算资源管理。

AONA: A Comprehensive Architecture and Workflow Design for Global Agentic Collaboration

AONA：全球智能体协作的综合架构与工作流设计

Jinliang Xu, Runkai Zhu, Bingqi Li, Fanjie Nie, Jin Li, Jiagui Xie

专题命中 多智能体 ：agentic(title,abstract)；workflow(title)；agent(abstract)；autonomous agent(abstract)

AI总结 针对现有互联网缺乏语义感知和去中心化信任机制的问题，提出AONA覆盖网络架构，通过四层逻辑蓝图和分布式节点基础设施，实现跨协议、跨平台的智能体互操作。

Comments 28 pages, 8 figures

NightFeats @ MMU-RAGent NeurIPS 2025: A Context-Optimized Multi-Agent RAG System for the Text-to-Text Track

NightFeats @ MMU-RAGent NeurIPS 2025: 面向文本到文本轨道的上下文优化多智能体RAG系统

Quentin Fever, Naziha Aslam

机构 * NightFeats 纠错

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

AI总结 提出一种结构化多智能体RAG系统NightFeats，通过检索、策展和组合三阶段分解知识合成，引入时序语义重排序、矛盾协调和引用保留架构，在MMU-RAGent竞赛中超越商业基线。

Comments 5 pages, 1 figure, 1 table. NeurIPS 2025 Competition Track (MMU-RAGent). System developed October 2025

MAVIS: Multi-Agent Video Retrieval via Structured Video Understanding

MAVIS: 通过结构化视频理解实现多智能体视频检索

Jie Zhang, Qilang Ye, Hao Zhou, Haochen Liang, Fei Luo

机构 * School of Computing and Information Technology, Great Bay University（大湾区大学计算机与信息技术学院） ； College of Computer Science, Nankai University（南开大学计算机学院） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Graduate School of Information Science and Technology, The University of Tokyo（东京大学信息科学与技术研究生院） 纠错

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

AI总结 提出多智能体框架MAVIS，通过结构化语义库解析视频，利用逻辑感知辩论机制协作推理，无需全库扫描和微调即可实现高效视频检索。

OPENPATH: A Supervisor--Specialist Agent System for Personalized, Accessible, and Multi-stop Urban Trip Planning

OPENPATH: 一种用于个性化、无障碍和多站点城市出行规划的监督-专家智能体系统

Ziyang Xiong, He Zong, Zhiyuan Xue, Manxi Wu

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

AI总结 提出监督-专家多智能体系统OPENPATH，结合LLM解析自然语言与经典算法优化路径，支持个性化偏好、多站点规划和无障碍需求，并用于城市尺度无障碍分析。

A Sheaf Framework for Strategic Multi-Agent Systems: From Consensus to Nash Equilibria

面向策略性多智能体系统的层框架：从共识到纳什均衡

Manuel Hernández, Eduardo Sánchez-Soto

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

AI总结 本文提出一个统一的范畴框架，通过引入博弈层概念，将事件演算、SCEL类集成形成和博弈论奖励结构整合到时空历史的格罗滕迪克拓扑中，并证明纳什均衡对应于派生最佳响应对应层的全局截面，而同调障碍分类策略一致性的失败。

A Multi-Agent Feedback System for Detecting and Describing News Events in Satellite Imagery

用于检测和描述卫星图像中新闻事件的多智能体反馈系统

Madeline Anderson, Mikhail Klassen, Ash Hoover, Kerri Cahoy

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Planet Labs 纠错

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

AI总结 提出一种迭代多智能体工作流SkyScraper，通过地理编码新闻文章并合成卫星图像序列描述，有效发现多时相事件并构建5000序列数据集。

DRAMA: Next-Gen Dynamic Orchestration for Resilient Multi-Agent Ecosystems in Flux

DRAMA: 为动态变化中的多智能体生态系统提供下一代动态编排

Xinkui Zhao, Yifan Zhang, Sai Liu, Naibo Wang, Guanjie Cheng, Yueshen Xu, Chang Liu, Shuiguang Deng, Jianwei Yin

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

AI总结 本文提出DRAMA，一种动态且鲁棒的多智能体系统，通过模块化架构和灵活的任务分配机制，提高多智能体在快速变化环境中的协作韧性。

Journal ref The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026

PROTEA: Offline Evaluation and Iterative Refinement for Multi-Agent LLM Workflows

PROTEA：多智能体大语言模型工作流的离线评估与迭代优化

Kazuki Kawamura, Satoshi Waki, Kei Tateno

机构 * Sony Group Corporation（索尼集团公司） 纠错

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

AI总结 本文提出PROTEA，一种用于多智能体大语言模型工作流的离线评估和迭代优化接口，通过配置评分标准和可视化工作流图中的节点状态，帮助开发者定位瓶颈并改进工作流性能。

Comments 9 pages, 3 figures, 1 table. To appear in Proceedings of ACL 2026 System Demonstrations

Enhancing Clinical Trial Patient Matching through Knowledge Augmentation and Reasoning with Multi-Agent

通过多智能体知识增强与推理提升临床试验患者匹配

Hanwen Shi, Jin Zhang, Kunpeng Zhang

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

AI总结 本文提出MAKAR多智能体系统，通过整合准则增强与结构化推理提升患者-试验匹配效率，平均提升7%性能，支持隐私保护部署。

GAMBIT: A Three-Mode Benchmark for Adversarial Robustness in Multi-Agent LLM Collectives

GAMBIT：多智能体LLM集体中对抗鲁棒性的三模式基准

Alexandre Le Mercier, Chris Develder, Thomas Demeester

机构 * IDLab–T2K, Ghent University–imec（IDLab–T2K，根特大学–imec） 纠错

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

AI总结 GAMBIT是首个多智能体对抗鲁棒性基准，通过三模式评估和两个独立评分，测试在适应性对抗者下的 impostor 检测器性能，展示了零样本评估的误导性及快速 recalibration 方法的重要性。

Comments 46 pages, 16 figures

Safe Multi-Agent Behavior Must Be Maintained, Not Merely Asserted: Constraint Drift in LLM-Based Multi-Agent Systems

安全多智能体行为必须被维护，而非仅仅被断言：基于LLM的多智能体系统中的约束漂移

Tianxiao Li, Yixing Ma, Haiquan Wen, Zhenglin Huang, Qianyu Zhou, Zeyu Fu, Guangliang Cheng

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

AI总结 本文探讨了基于LLM的多智能体系统中约束漂移问题，指出安全约束在执行过程中可能丢失、扭曲或减弱，提出约束状态治理作为研究范式，以确保安全行为在轨迹中持续有效。

Comments 12 pages, 2 figures, 4 tables. Preprint

MAD-OPD: Breaking the Ceiling in On-Policy Distillation via Multi-Agent Debate

MAD-OPD: 突破基于策略的蒸馏的天花板：多智能体辩论

Jianze Wang, Ying Liu, Jinlong Chen, Xuchun Hu, Qilong Zhang, Yu Cao, Jun Wang, Hua Yang, Yong Xie, Qianglong Chen

机构 * School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 MAD-OPD通过多智能体辩论机制突破单教师限制，提出多教师辩论框架和基于任务的分歧原理，提升代理任务和代码生成性能。

Comments Preprint. 9-page main paper + appendix. 8 figures, 7 tables. Code: https://github.com/chiefovoavicii/MAD-OPD

Build, Judge, Optimize: A Blueprint for Continuous Improvement of Multi-Agent Consumer Assistants

构建、评判与优化：多智能体消费者助手持续改进的蓝图

Alejandro Breen Herrera, Aayush Sheth, Steven G. Xu, Zhucheng Zhan, Charles Wright, Marcus Yearwood, Hongtai Wei, Sudeep Das, Danny Nightingale, Meg Watson, Charles Pollnow

机构 * Metis ； DoorDash 纠错

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

AI总结 本文提出评估和优化对话购物助手的实用蓝图，通过生产级AI杂货助手示例，介绍多维评估标准和校准的LLM评判流程，并提出两种互补的提示优化策略。

Multi-Agent Object Detection Framework Based on Raspberry Pi YOLO Detector and Slack-Ollama Natural Language Interface

基于Raspberry Pi YOLO检测器和Slack-Ollama自然语言接口的多智能体目标检测框架

Vladimir Kalušev, Branko Brkljač, Milan Brkljač

机构 * The Institute for Artificial Intelligence Research（人工智能研究机构） ； Development of Serbia（塞尔维亚发展） ； Department of Power, Electronic and Telecommunication Engineering（电力、电子与电信工程系） ； Faculty of Technical Sciences, University of Novi Sad（技术科学学院，诺维萨德大学） ； Faculty of Finance, Banking and Auditing, Alfa BK University（金融、银行与审计学院，阿尔法BK大学） 纠错

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

AI总结 本文提出了一种基于边缘计算的多智能体目标检测系统，利用LLM自然语言接口实现系统控制与通信，并在资源受限硬件平台上集成所有组件。

Comments 19 pages, 7 figures, 2 tables, implementation code will be made available upon manuscript publication

AgentTrace: Causal Graph Tracing for Root Cause Analysis in Deployed Multi-Agent Systems

AgentTrace: 多智能体系统部署中的因果图追踪用于根本原因分析

Zhaohui Geoffrey Wang

机构 * USC Viterbi School of Engineering（南加州大学维特比工程学院） 纠错

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

AI总结 AgentTrace通过构建因果图追踪多智能体系统部署中的根本原因，实现高精度和低延迟的故障诊断，优于启发式和LLM基线方法。

Comments 11 pages, 1 figure, 19 tables. Published at ICLR 2026 Workshop on Agents in the Wild. Camera-ready version with revised layout and framework overview figure

ClimateAgents: A Multi-Agent Research Assistant for Social-Climate Dynamics Analysis

ClimateAgents: 一种用于社会-气候动态分析的多智能体研究助手

Shan Shan

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

AI总结 本文提出ClimateAgents，一种多智能体研究助手，通过整合多模态数据检索、统计建模和自动推理，帮助研究者探索社会-环境动态，提升气候分析的适应性和解释性。

FetalAgents: A Multi-Agent System for Fetal Ultrasound Image and Video Analysis

FetalAgents：一种用于胎儿超声图像和视频分析的多智能体系统

Xiaotian Hu, Junwei Huang, Mingxuan Liu, Kasidit Anmahapong, Yifei Chen, Yitong Luo, Yiming Huang, Xuguang Bai, Zihan Li, Yi Liao, Haibo Qu, Qiyuan Tian

机构 * Tsinghua University（清华大学） ； University of California San Diego（加州大学圣地亚哥分校） ； West China Second University Hospital, Sichuan University（四川大学华西第二医院） 纠错

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

AI总结 FetalAgents是一种多智能体系统，通过动态协调视觉专家，实现胎儿超声图像和视频的端到端分析与报告，提供高准确性和流程对齐的解决方案。

MAS-ZERO: Designing Multi-Agent Systems with Zero Supervision

MAS-ZERO：无需监督设计多智能体系统

Zixuan Ke, Austin Xu, Yifei Ming, Xuan-Phi Nguyen, Ryan Chin, Caiming Xiong, Shafiq Joty

机构 * Salesforce AI Research（Salesforce AI研究院） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 MAS-ZERO通过元层面设计实现无需监督的多智能体系统自动设计，提升推理、编程和代理任务的性能。

Comments SEA@NeurIPS (Oral) 2025

XAgen: An Explainability Tool for Identifying and Correcting Failures in Multi-Agent Workflows

XAgen：一种用于识别和纠正多智能体工作流程中故障的可解释性工具

Xinru Wang, Ming Yin, Eunyee Koh, Mustafa Doga Dogan

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

AI总结 XAgen是一种通过日志可视化、人机协同反馈和自动错误检测来帮助用户识别和纠正多智能体工作流程中故障的可解释性工具，提升了智能体AI的可解释性和调试效率。

The Agent Economy: A Blockchain-Based Foundation for Autonomous AI Agents

智能体经济：一种基于区块链的自主AI智能体基础

Minghui Xu

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

AI总结 本文提出基于区块链的智能体经济框架，通过五层架构实现自主AI智能体的经济自主性，解决身份、认知、经济和治理等核心问题。

Comments 17 pages, 2 figure

DiLLS: Interactive Diagnosis of LLM-based Multi-agent Systems via Layered Summary of Agent Behaviors

通过代理行为分层总结实现基于大语言模型的多代理系统交互诊断：DiLLS

Rui Sheng, Yukun Yang, Chuhan Shi, Yanna Lin, Zixin Chen, Huamin Qu, Furui Cheng

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

AI总结 DiLLS通过多层行为总结，帮助开发者更高效地诊断和理解基于LLM的多代理系统故障。

Multi-Agent Design: Optimizing Agents with Better Prompts and Topologies

多智能体设计：通过更优提示和拓扑结构优化智能体

Han Zhou, Xingchen Wan, Ruoxi Sun, Hamid Palangi, Shariq Iqbal, Ivan Vulić, Anna Korhonen, Sercan Ö. Arık

机构 * Google（谷歌） ； University of Cambridge（剑桥大学） 纠错

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

AI总结 本文提出MASS框架，通过优化提示和拓扑结构提升多智能体系统性能，并揭示了有效构建多智能体系统的原理。

Comments ICLR 2026

Game-Theoretic Lens on LLM-based Multi-Agent Systems

基于博弈论的基于大语言模型的多智能体系统视角

Jianing Hao, Han Ding, Yuanjian Xu, Tianze Sun, Ran Chen, Wanbo Zhang, Guang Zhang, Siguang Li

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

AI总结 本文通过博弈论视角，系统综述了基于大语言模型的多智能体系统，构建了理解、比较和指导未来研究的框架。

Comments 9 pages, 5 figures

Socialized Learning and Emergent Behaviors in Multi-Agent Systems based on Multimodal Large Language Models

Sureyya Akin, Shruti T. Tiwari, Ram Bhattacharya, Sagar A. Raman, Kiran Mohanty, Sita Krishnan

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

Comments We have identified critical issues in the code implementation that severely deviate from Algorithm 1, invalidating all experimental results and conclusions. Despite exhaustive efforts to correct these issues, we find they fundamentally undermine the paper's core claims. To uphold academic integrity and prevent misinformation, we are withdrawing this manuscript

DR. WELL: Dynamic Reasoning and Learning with Symbolic World Model for Embodied LLM-Based Multi-Agent Collaboration

Narjes Nourzad, Hanqing Yang, Shiyu Chen, Carlee Joe-Wong

机构 * University of Southern California（南加州大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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