AI Agent

SolAgent: A Specialized Multi-Agent Framework for Solidity Code Generation

SolAgent: 一种专门用于Solidity代码生成的多智能体框架

Wei Chen, Zhiyuan Peng, Xin Yin, Chao Ni, Chenhao Ying, Bang Xie, Yuan Luo

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

AI总结 SolAgent通过双循环机制和文件系统能力，在智能合约生成中实现高正确性和安全性，Pass@1率达64.39%，减少安全漏洞39.77%。

Rethinking the AI Scientist: Interactive Multi-Agent Workflows for Scientific Discovery

重新思考AI科学家：用于科学发现的交互式多智能体工作流

Lukas Weidener, Marko Brkić, Mihailo Jovanović, Ritvik Singh, Chiara Baccin, Emre Ulgac, Alex Dobrin, Aakaash Meduri

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

AI总结 Deep Research通过交互式多智能体系统实现快速科学发现，其在计算生物学基准上达到领先性能，显著提升研究效率与准确性。

Advances and Innovations in the Multi-Agent Robotic System (MARS) Challenge

多智能体机器人系统（MARS）挑战的进展与创新

Li Kang, Heng Zhou, Xiufeng Song, Rui Li, Bruno N. Y. Chen, Ziye Wang, Ximeng Meng, Stone Tao, Yiran Qin, Xiaohong Liu, Ruimao Zhang, Lei Bai, Yilun Du, Hao Su, Philip Torr, Zhenfei Yin, Ruihao Gong, Yejun Zeng, Fengjun Zhong, Shenghao Jin, Jinyang Guo, Xianglong Liu, Xiaojun Jia, Tianqi Shan, Wenqi Ren, Simeng Qin, Jialing Yang, Xiaoyu Ma, Tianxing Chen, Zixuan Li, Zijian Cai, Yan Qin, Yusen Qin, Qiangyu Chen, Kaixuan Wang, Zhaoming Han, Yao Mu, Ping Luo, Yuanqi Yao, Haoming Song, Jan-Nico Zaech, Fabien Despinoy, Danda Pani Paudel, Luc Van Gool

机构 * SJTU（上海交通大学） ； Oxford（牛津大学） ； USTC（中国科学技术大学） ； Shanghai AI Lab（上海人工智能实验室） ； CMU（卡内基梅隆大学） ； HKU（香港大学） ； Tongji（同济大学） ； UC San Diego（南加州大学） ； CUHK-SZ（香港中文大学（深圳）） ； SYSU（华南理工大学） ； Harvard（哈佛大学） 纠错

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

AI总结 MARS挑战通过多智能体具身规划与控制任务，推动多智能体协作AI系统的发展。

Comments MARS Challenge @ NeurIPS 2025 Workshop on Space in Vision, Language, and Embodied AI. Challenge page: https://mars-eai.github.io/MARS-Challenge-Webpage/

When Agents Fail to Act: A Diagnostic Framework for Tool Invocation Reliability in Multi-Agent LLM Systems

当代理人失败时：多代理LLM系统工具调用可靠性的诊断框架

Donghao Huang, Gauri Malwe, Zhaoxia Wang

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

AI总结 本文提出了一种多代理LLM系统工具调用可靠性的诊断框架，通过大数据分析评估程序可靠性，发现工具初始化故障是小模型的主要瓶颈，而qwen2.5:32b在性能上接近GPT-4.1。

Comments Accepted for publication in 2026 The 9th International Conference on Artificial Intelligence and Big Data (ICAIBD 2026)

Motion-to-Response Content Generation via Multi-Agent AI System with Real-Time Safety Verification

基于多智能体AI系统的运动到响应内容生成及实时安全验证

HyeYoung Lee

机构 * Department of Artificial Intelligence（人工智能系） ； Korean University（韩国大学） 纠错

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

AI总结 本文提出了一种基于多智能体AI系统的实时内容生成方法，通过情感识别与安全验证代理，实现安全可控的响应内容生成，适用于儿童媒体和智能设备。

EHRNavigator: A Multi-Agent System for Patient-Level Clinical Question Answering over Heterogeneous Electronic Health Records

EHRNavigator: 一种用于异构电子健康记录上患者级临床问答的多智能体系统

Lingfei Qian, Mauro Giuffre, Yan Wang, Huan He, Qianqian Xie, Xuguang Ai, Xeuqing Peng, Fan Ma, Ruey-Ling Weng, Donald Wright, Adan Wang, Qingyu Chen, Vipina K. Keloth, Hua Xu

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

AI总结 EHRNavigator通过多智能体系统在异构电子健康记录上实现患者级临床问答，展示出高准确率和高效响应，有效连接基准评估与临床应用。

OpenMic: A Multi-Agent-Based Stand-Up Comedy Generation System

OpenMic: 基于多智能体的站立喜剧生成系统

Yuyang Wu, Hanzhong Cao, Jianhao Chen, Yufei Li

机构 * School of Electronics Engineering and Computer Science, Peking University（电子工程与计算机科学学院，北京大学） 纠错

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

AI总结 OpenMic通过多智能体系统生成基于文化背景的站立喜剧，结合检索增强生成和专用JokeWriter提升幽默与节奏表现。

LinguaGame: A Linguistically Grounded Game-Theoretic Paradigm for Multi-Agent Dialogue Generation

LinguaGame: 一种基于语言的多智能体对话生成博弈论范式

Yuxiao Ye, Yiming Zhang, Yiran Ma, Huiyuan Xie, Huining Zhu, Zhiyuan Liu

机构 * Tsinghua University（清华大学） ； University of California, Berkeley（加州大学伯克利分校） ； Peking University（北京大学） ； East China University of Political Science and Law（中国政法大学） 纠错

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

AI总结 LinguaGame通过博弈论范式提升多智能体对话生成的通信效率，利用语言感知推理实现意图和策略的高效沟通。

Agent Drift: Quantifying Behavioral Degradation in Multi-Agent LLM Systems Over Extended Interactions

智能体漂移：多智能体大语言模型系统在长时间交互中的行为退化量化

Abhishek Rath

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 本研究提出智能体漂移概念，通过理论框架和量化指标，探讨多智能体系统在长时间交互中的行为退化问题，并提出缓解策略以提升系统稳定性和可靠性。

Computing Universal Plans for Partially Observable Multi-Agent Routing Using Answer Set Programming

使用答案集编程计算部分可观测多智能体路由的通用计划

Fengming Zhu, Fangzhen Lin

机构 * Department of Computer Science（计算机科学系） ； Engineering Hong Kong University of Science（工程 香港理工大学） 纠错

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

AI总结 本文提出基于答案集编程的系统，用于计算部分可观测多智能体路由问题的通用计划，通过自定义动作偏好实现高效策略。

Comments In Proceedings ICLP 2025, arXiv:2601.00047

Journal ref EPTCS 439, 2026, pp. 143-166

MTTR-A: Measuring Cognitive Recovery Latency in Multi-Agent Systems

MTTR-A：多智能体系统中认知恢复延迟的测量

Barak Or

机构 * Office of the CEO, MetaOr Artificial Intelligence（MetaOr人工智能首席执行官办公室） ； Google–Reichman Tech School, Reichman University（Reichman大学Google–Reichman技术学院） 纠错

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

AI总结 本研究提出MTTR-A指标，用于测量多智能体系统中认知恢复延迟，通过理论分析和实验验证建立了运行时认知可靠性的量化基础。

Comments preprint

Analyzing Code Injection Attacks on LLM-based Multi-Agent Systems in Software Development

分析基于大语言模型的多智能体系统在软件开发中的代码注入攻击

Brian Bowers, Smita Khapre, Jugal Kalita

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

AI总结 本文研究了基于大语言模型的多智能体系统在软件开发中的代码注入攻击问题，提出了一种更健壮的架构，并通过添加安全分析代理提升了系统的安全性和效率。

Multi-Agent Intelligence for Multidisciplinary Decision-Making in Gastrointestinal Oncology

多智能体智能在胃肠肿瘤多学科决策中的应用

Rongzhao Zhang, Junqiao Wang, Shuyun Yang, Mouxiao Bian, Chihao Zhang, Dongyang Wang, Qiujuan Yan, Yun Zhong, Yuwei Bai, Guanxu Zhu, Kangkun Mao, Miao Wang, Chao Ding, Renjie Lu, Lei Wang, Lei Zheng, Tao Zheng, Xi Wang, Zhuo Fan, Bing Han, Meiling Liu, Luyi Jiang, Dongming Shan, Wenzhong Jin, Jiwei Yu, Zheng Wang, Jie Xu, Meng Luo

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Ninth People’s Hospital, Shanghai Jiao Tong University School of Medicine（上海第九人民医院，上海交通大学医学院） ； Renji Hospital, Shanghai Jiao Tong University School of Medicine（仁济医院，上海交通大学医学院） ； Shanghai Institute of Infectious Disease and Biosecurity, Fudan University（上海市传染病防治研究所暨生物安全研究所，复旦大学） ； Shanghai Health Development Research Center (Shanghai Medical Information Center)（上海市卫生健康发展研究中心（上海市医疗信息中心）） ； Shanghai Kupas Technology Co., Ltd.（上海库帕斯科技有限公司） 纠错

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

AI总结 本文提出基于多智能体的框架，用于提升胃肠肿瘤多学科决策的自动化支持，通过模拟多学科团队协作，提高推理逻辑和医疗准确性。

IntelliCode: A Multi-Agent LLM Tutoring System with Centralized Learner Modeling

IntelliCode：一个具有集中式学习者建模的多智能体LLM辅导系统

Jones David, Shreya Ghosh

机构 * School of Computer Science and Engineering, VIT-AP University（计算机科学与工程学院，VIT-AP大学） ； School of Electrical and Computer Sciences, Indian Institute of Technology Bhubaneswar（电气与计算机科学学院，印度理工学院布巴内斯瓦尔学院） 纠错

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

AI总结 IntelliCode通过集中式学习者建模和多智能体协作，实现透明且可靠的LLM辅导系统，提升学习效率和课程适应性。

Comments Submitted to EACL 2026 System Demonstrations Track. 6 pages (main content), 6 figures, includes appendices

PDE-Agent: A toolchain-augmented multi-agent framework for PDE solving

PDE-Agent：一种增强工具链的多智能体框架用于PDE求解

Jianming Liu, Ren Zhu, Jian Xu, Kun Ding, Xu-Yao Zhang, Gaofeng Meng, Cheng-Lin Liu

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

AI总结 PDE-Agent通过增强工具链的多代理协作框架，实现从自然语言描述中自动化的PDE求解。

Comments Adding Affiliation Information on arXiv

Diagnose, Localize, Align: A Full-Stack Framework for Reliable LLM Multi-Agent Systems under Instruction Conflicts

诊断、定位、对齐：一种用于在指令冲突下可靠LLM多智能体系统的全栈框架

Guancheng Wan, Leixin Sun, Longxu Dou, Zitong Shi, Fang Wu, Eric Hanchen Jiang, Wenke Huang, Guibin Zhang, Hejia Geng, Xiangru Tang, Zhenfei Yin, Yizhou Sun, Wei Wang

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Sea AI Lab（Sea AI 实验室） ； Stanford University（斯坦福大学） ； University of Oxford（牛津大学） ； Yale University（耶鲁大学） ； NTU（南洋理工大学） ； NUS（新加坡国立大学） ； Boston University（波士顿大学） 纠错

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

AI总结 本文提出了一种全栈框架，通过诊断、定位和对齐三个阶段提升LLM多智能体系统在指令冲突下的可靠性。

Comments Upon further review, we realized that the version submitted to arXiv was not the final draft and omits crucial results and discussion. To avoid confusion and ensure the integrity of the record, we request withdrawal and will resubmit once the complete work is ready

DiscoVerse: Multi-Agent Pharmaceutical Co-Scientist for Traceable Drug Discovery and Reverse Translation

DiscoVerse：多智能体制药合作者用于可追溯的药物发现与逆向翻译

Xiaochen Zheng, Alvaro Serra, Ilya Schneider Chernov, Maddalena Marchesi, Eunice Musvasva, Tatyana Y. Doktorova

机构 * F. Hoffmann-La Roche Ltd.（Hoffmann-La Roche有限公司） 纠错

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

AI总结 DiscoVerse通过多智能体系统实现制药领域可追溯的药物发现与逆向翻译，结合人类参与和大规模数据验证，展示出高召回率和精准决策能力。

Comments 24 pages, 5 figures, 3 tables. Updated version: added three pharmaceutical industry use cases and revised text for clarity

DynTaskMAS: A Dynamic Task Graph-driven Framework for Asynchronous and Parallel LLM-based Multi-Agent Systems

DynTaskMAS: 一种基于动态任务图的异步和并行LLM多智能体系统框架

Junwei Yu, Yepeng Ding, Hiroyuki Sato

机构 * The University of Tokyo（东京大学） ； Hiroshima University（广岛大学） ； National Institute of Informatics（国家信息研究所） 纠错

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

AI总结 DynTaskMAS通过动态任务图框架提升基于LLM的多智能体系统在异步并行任务处理中的效率与性能。

From homeostasis to resource sharing: Biologically and economically aligned multi-objective multi-agent gridworld-based AI safety benchmarks

从稳态到资源共享：生物和经济对齐的多目标多智能体网格世界基于AI安全基准

Roland Pihlakas

机构 * Independent researcher（独立研究者） 纠错

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

AI总结 本文提出生物和经济对齐的多目标多智能体网格世界基准，用于评估AI安全中的稳态、 diminishing returns、可持续性和资源共享等关键问题。

Comments 21 pages, 13 figures, 2 tables

BAMAS: Structuring Budget-Aware Multi-Agent Systems

BAMAS: 构建预算感知的多智能体系统

Liming Yang, Junyu Luo, Xuanzhe Liu, Yiling Lou, Zhenpeng Chen

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

AI总结 BAMAS通过整数线性规划和强化学习构建预算感知的多智能体系统，有效降低部署成本的同时保持性能。

Comments Accepted by AAAI 2026 (oral paper)

Chatty-KG: A Multi-Agent AI System for On-Demand Conversational Question Answering over Knowledge Graphs

Chatty-KG：一种用于基于知识图谱的按需对话问答的多智能体AI系统

Reham Omar, Abdelghny Orogat, Ibrahim Abdelaziz, Omij Mangukiya, Panos Kalnis, Essam Mansour

机构 * Concordia University（康科德大学） ； IBM Research（IBM研究院） 纠错

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

AI总结 Chatty-KG通过多智能体系统实现基于知识图谱的对话问答，结合RAG检索与结构化执行，提升多轮问答的准确性和效率。

Comments This paper is accepted to SIGMOD 2026

AirFed: A Federated Graph-Enhanced Multi-Agent Reinforcement Learning Framework for Multi-UAV Cooperative Mobile Edge Computing

AirFed: 一种基于联邦图增强的多智能体强化学习框架，用于多无人机协同移动边缘计算

Zhiyu Wang, Suman Raj, Rajkumar Buyya

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

AI总结 AirFed通过联邦图增强的多智能体强化学习框架，解决多无人机协同移动边缘计算中的轨迹规划、任务卸载和资源分配问题，实现高效知识共享和显著性能提升。

LLM-Driven Stationarity-Aware Expert Demonstrations for Multi-Agent Reinforcement Learning in Mobile Systems

基于大语言模型的站稳意识专家示范的多智能体强化学习在移动系统中的应用

Tianyang Duan, Zongyuan Zhang, Zheng Lin, Songxiao Guo, Xiuxian Guan, Guangyu Wu, Zihan Fang, Haotian Meng, Xia Du, Ji-Zhe Zhou, Heming Cui, Jun Luo, Yue Gao

机构 * Division of Computer Science, The University of Hong Kong（计算机科学系，香港大学） ； Department of Electrical and Electronic Engineering, The University of Hong Kong（电气电子工程系，香港大学） ； Department of Computer Science and Technology, Peking University（计算机科学与技术系，北京大学） ； Department of Computer Science, City University of Hong Kong（计算机科学系，城市大学） ； China Unicom Digital Technology, China Unicom co.,Ltd（中国联合数字技术，中国联合有限公司） ； School of Computer and Information Engineering, Xiamen University of Technology（计算机与信息工程学院，厦门理工学院） ； School of Computer Science, Engineering Research Center of Machine Learning and Industry Intelligence, Sichuan University（计算机科学学院，机器学习与工业智能工程研究中心，四川大学） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） ； Institute of Space Internet, Fudan University（空间互联网研究院，复旦大学） ； School of Computer Science, Fudan University（计算机科学学院，复旦大学） 纠错

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

AI总结 本文提出RELED框架，通过大语言模型驱动的专家示范与自主探索相结合，提升多智能体强化学习在移动系统中的性能和稳定性。

Comments 15 pages, 9 figures

Addressing Situated Teaching Needs: A Multi-Agent Framework for Automated Slide Adaptation

应对情境教学需求：一种多智能体框架用于自动幻灯片适应

Binglin Liu, Yucheng Wang, Zheyuan Zhang, Jiyuan Lu, Shen Yang, Daniel Zhang-Li, Huiqin Liu, Jifan Yu

机构 * Tsinghua University, Beijing, China（清华大学，北京，中国） 纠错

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

AI总结 本文提出一种多智能体框架，用于自动化教学幻灯片适应，通过教师访谈识别关键摩擦点，并在8门课程中验证了其有效性，达到0.89的F1分数。

An Analysis of Constraint-Based Multi-Agent Pathfinding Algorithms

基于约束的多智能体路径寻找算法分析

Hannah Lee, James D. Motes, Marco Morales, Nancy M. Amato

机构 * Parasol Lab, School of Computer Science, University of Illinois at Urbana Champaign（帕索尔实验室，计算机科学学院，伊利诺伊大学厄巴纳-香槟分校） ； Department of Computer Science at Instituto Tecnológico Autónomo de México (ITAM)（墨西哥自治理工学院（ITAM）计算机科学系） 纠错

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

AI总结 本文分析了基于约束的多智能体路径寻找算法，探讨了保守型与激进型约束在不同场景下的性能差异，并提供了决策流程图以指导约束选择，同时强调了拓扑特征在多机器人运动规划中的重要性。

AnimAgents: Coordinating Multi-Stage Animation Pre-Production with Human-Multi-Agent Collaboration

AnimAgents: 协调多阶段动画前期制作的人机多智能体协作

Wen-Fan Wang, Chien-Ting Lu, Jin Ping Ng, Yi-Ting Chiu, Ting-Ying Lee, Miaosen Wang, Bing-Yu Chen, Xiang 'Anthony' Chen

机构 * National Taiwan University（国立台湾大学） ； Google DeepMind（谷歌DeepMind） ； HCI Research, UCLA（人机交互研究， UCLA） 纠错

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

AI总结 AnimAgents通过人机多智能体协作系统，协调多阶段动画前期制作流程，提升协调性、一致性和信息管理效率。

Dialogue Diplomats: An End-to-End Multi-Agent Reinforcement Learning System for Automated Conflict Resolution and Consensus Building

对话外交官：一种端到端的多智能体强化学习系统，用于自动化冲突解决与共识构建

Deepak Bolleddu

机构 * School of Computing and Engineering（计算与工程学院） ； College of Engineering（工程学院） ； University of Wollongong（沃灵顿大学） 纠错

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

AI总结 Dialogue Diplomats通过端到端多智能体强化学习框架，结合分层共识网络、渐进谈判协议和上下文感知奖励机制，实现复杂环境中的自动化冲突解决与共识构建。

Hybrid Differential Reward: Combining Temporal Difference and Action Gradients for Efficient Multi-Agent Reinforcement Learning in Cooperative Driving

混合差分奖励：结合时序差分和动作梯度用于高效合作驾驶多智能体强化学习

Ye Han, Lijun Zhang, Dejian Meng, Zhuang Zhang

机构 * School of Automotive Studies, Tongji University（交通学院） 纠错

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

AI总结 本文提出混合差分奖励机制，结合时序差分和动作梯度，提升多智能体协同驾驶的收敛速度和策略稳定性。

Sensorium Arc: AI Agent System for Oceanic Data Exploration and Interactive Eco-Art

Sensorium Arc：面向海洋数据探索与交互生态艺术的AI代理系统

Noah Bissell, Ethan Paley, Joshua Harrison, Juliano Calil, Myungin Lee

机构 * Immersive Media Design University of Maryland College Park（沉浸媒体设计大学马里兰大学学院公园分校） ； Center for the Study of the Force Majeure University of California, Santa Cruz（重大研究机构加州大学圣克鲁兹分校） ； Virtual Planet Technologies（虚拟星球技术） 纠错

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

AI总结 Sensorium Arc通过AI代理将海洋数据转化为生动叙事，结合科学洞察与生态诗意，实现沉浸式环境数据探索与交互生态艺术

Comments (to appear) NeurIPS 2025 Creative AI Track

Tele-LLM-Hub: Building Context-Aware Multi-Agent LLM Systems for Telecom Networks

Pranshav Gajjar, Cong Shen, Vijay K Shah

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