AI Agent

Diffusion Forcing for Multi-Agent Interaction Sequence Modeling

扩散力场用于多智能体交互序列建模

Vongani H. Maluleke, Kie Horiuchi, Lea Wilken, Evonne Ng, Jitendra Malik, Angjoo Kanazawa

机构 * Sony Group Corporation（索尼集团公司） ； Meta ； UC Berkeley（加州大学伯克利分校） 纠错

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

AI总结 本文提出MAGNet框架，通过灵活的条件和采样生成多智能体运动序列，支持多种交互任务，实现长序列生成和智能体间协调。

Comments Project page: https://von31.github.io/MAGNet/ ; Code: https://github.com/Von31/MAGNet-code

ScaleEdit-12M: Scaling Open-Source Image Editing Data Generation via Multi-Agent Framework

ScaleEdit-12M：通过多智能体框架实现开源图像编辑数据生成的规模化

Guanzhou Chen, Erfei Cui, Changyao Tian, Danni Yang, Ganlin Yang, Yu Qiao, Hongsheng Li, Gen Luo, Hongjie Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； CUHK MMLab（香港中文大学多模态实验室） ； Fudan University（复旦大学） ； University of Science and Technology of China（中国科学技术大学） ； Xiamen University（厦门大学） 纠错

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

AI总结 本文提出ScaleEditor框架，通过多智能体方法构建大规模高质量图像编辑数据集，生成ScaleEdit-12M，涵盖23类任务，提升多种编辑模型性能。

Mapping Student-AI Interaction Dynamics in Multi-Agent Learning Environments: Supporting Personalised Learning and Reducing Performance Gaps

在多智能体学习环境中映射学生与AI的交互动态：支持个性化学习并减少表现差距

Zhanxin Hao, Jie Cao, Ruimiao Li, Jifan Yu, Zhiyuan Liu, Yu Zhang

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

AI总结 研究探讨了大学生与多AI代理的交互模式及其对认知和非认知因素的影响，发现不同知识水平的学生表现出不同的互动策略，从而影响学习成果和动机。

Comments 27 pages, 8 figures

MAFA: A Multi-Agent Framework for Enterprise-Scale Annotation with Configurable Task Adaptation

MAFA：一种用于企业级标注的多智能体框架，支持可配置的任务适应

Mahmood Hegazy, Aaron Rodrigues, Azzam Naeem

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

AI总结 MAFA通过可配置的多智能体协作解决金融行业标注积压问题，实现86%的人工标注一致性，每年节省5000小时人工标注工作，提升标注准确率和效率。

Journal ref AAAI Conference on Artificial Intelligence 2026

STRATUS: A Multi-agent System for Autonomous Reliability Engineering of Modern Clouds

STRATUS：一种用于现代云服务自主可靠性工程的多智能体系统

Yinfang Chen, Jiaqi Pan, Jackson Clark, Yiming Su, Noah Zheutlin, Bhavya Bhavya, Rohan Arora, Yu Deng, Saurabh Jha, Tianyin Xu

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

AI总结 本文提出STRATUS，一种基于LLM的多智能体系统，用于实现云服务的自主SRE。系统通过状态机组织多个专用智能体，提升故障检测、诊断和缓解的效率，并通过Transactional No-Regression规范提高自主故障缓解的成功率。

Comments 10 pages for main text

TrinityGuard: A Unified Framework for Safeguarding Multi-Agent Systems

TrinityGuard：多智能体系统的统一防护框架

Kai Wang, Biaojie Zeng, Zeming Wei, Chang Jin, Hefeng Zhou, Xiangtian Li, Chao Yang, Jingjing Qu, Xingcheng Xu, Xia Hu

机构 * Shanghai AI Laboratory（上海人工智能实验室） 纠错

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

AI总结 本文提出TrinityGuard框架，用于评估和监控基于大语言模型的多智能体系统安全风险，通过三级风险分类识别20种风险类型，结合测试模块和运行时监控实现预开发评估与运行时监控。

R3R: Decentralized Multi-Agent Collision Avoidance with Infinite-Horizon Safety

R3R：具有无限时间安全性的去中心化多智能体避障

Thomas Marshall Vielmetti, Devansh R. Agrawal, Dimitra Panagou

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

AI总结 R3R是首个在通信受限条件下提供无限时间安全保证的去中心化多智能体运动规划框架，通过结合安全框架与几何约束实现轨迹的可证明安全。

Comments 8 pages, LaTeX; submitted to the American Control Conference (ACC) 2026

coDrawAgents: A Multi-Agent Dialogue Framework for Compositional Image Generation

coDrawAgents：一种用于组合图像生成的多智能体对话框架

Chunhan Li, Qifeng Wu, Jia-Hui Pan, Ka-Hei Hui, Jingyu Hu, Yuming Jiang, Bin Sheng, Xihui Liu, Wenjuan Gong, Zhengzhe Liu

机构 * Lingnan University（岭南大学） ； CMU（卡内基梅隆大学） ； CUHK（香港中文大学） ； Alibaba DAMO Academy（阿里巴巴达摩院） ； SJTU（上海交通大学） ； HKU（香港大学） ； China University of Petroleum（中国石油大学） 纠错

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

AI总结 coDrawAgents通过四类智能体协作提升复杂场景中多对象生成的准确性与属性保持，实验表明其在文本-图像对齐、空间准确性和属性绑定方面表现更优。

Comments Accepted to CVPR 2026 Findings

The price of decentralization in managing engineering systems through multi-agent reinforcement learning

在多智能体强化学习中管理工程系统去中心化的代价

Prateek Bhustali, Pablo G. Morato, Konstantinos G. Papakonstantinou, Charalampos P. Andriotis

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

AI总结 本研究探讨了多智能体强化学习在管理工程系统时去中心化的代价，发现冗余度增加会加剧协调挑战，但去中心化策略仍能超越启发式基线。

Multi-Agent Off-World Exploration for Sparse Evidence Discovery via Gaussian Belief Mapping and Dual-Domain Coverage

多智能体非世界探索用于稀疏证据发现的高斯信念映射与双域覆盖

Zhuoran Qiao, Tianxin Hu, Thien-Minh Nguyen, Shenghai Yuan

机构 * National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； The University of Queensland（昆士兰大学） 纠错

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

AI总结 本文提出基于高斯信念映射和双域覆盖的多智能体路径规划框架，用于非世界稀疏证据发现，通过平衡信息获取与操作安全，提升探索效率和鲁棒性。

An LLM-Assisted Multi-Agent Control Framework for Roll-to-Roll Manufacturing Systems

用于卷对卷制造系统的基于LLM的多智能体控制框架

Jiachen Li, Shihao Li, Christopher Martin, Zijun Chen, Dongmei Chen, Wei Li

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

AI总结 本文提出一种基于LLM的多智能体框架，用于自动化卷对卷制造系统的控制设计与适应，通过五个阶段实现安全、高效的控制性能

EigenData: A Self-Evolving Multi-Agent Platform for Function-Calling Data Synthesis, Auditing, and Repair

EigenData: 一个自演化多智能体平台用于函数调用数据合成、审计与修复

Jiaao Chen, Jingyuan Qi, Mingye Gao, Wei-Chen Wang, Hanrui Wang, Di Jin

机构 * Eigen AI 纠错

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

AI总结 EigenData通过自演化多智能体平台实现函数调用数据的合成、审计与修复，提升基准测试的准确性和模型排名的相关性。

TritonDFT: Automating DFT with a Multi-Agent Framework

TritonDFT：基于多智能体框架的DFT自动化

Zhengding Hu, Kuntal Talit, Zhen Wang, Haseeb Ahmad, Yichen Lin, Prabhleen Kaur, Christopher Lane, Elizabeth A. Peterson, Zhiting Hu, Elizabeth A. Nowadnick, Yufei Ding

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

AI总结 TritonDFT通过多智能体框架实现DFT自动化，提供可扩展的工作流设计、帕累托感知参数推断和多源知识增强，提升DFT执行的效率和准确性。

LLandMark: A Multi-Agent Framework for Landmark-Aware Multimodal Interactive Video Retrieval

LLandMark：一种用于地标感知多模态交互视频检索的多智能体框架

Minh-Chi Phung, Thien-Bao Le, Cam-Tu Tran-Thi, Thu-Dieu Nguyen-Thi, Vu-Hung Dao

机构 * AI VIETNAM（AI越南） 纠错

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

AI总结 LLandMark通过多智能体框架实现地标感知的多模态视频检索，结合LLM和OCR技术提升文化场景下的检索能力与可解释性。

Comments Accepted by AAAI 2026 Workshop on New Frontiers in Information Retrieval

Journal ref AAAI 2026 Workshop on New Frontiers in Information Retrieval

SPIRAL: Self-Play on Zero-Sum Games Incentivizes Reasoning via Multi-Agent Multi-Turn Reinforcement Learning

SPIRAL：通过多智能体多轮强化学习进行零和游戏的自我对战以促进推理

Bo Liu, Leon Guertler, Simon Yu, Zichen Liu, Penghui Qi, Daniel Balcells, Mickel Liu, Cheston Tan, Weiyan Shi, Min Lin, Wee Sun Lee, Natasha Jaques

机构 * National University of Singapore（新加坡国立大学） ； Northeastern University（东北大学） ； Sea AI Lab（Sea AI 实验室） ； Centre for Frontier AI Research (CFAR), A*STAR（前沿人工智能研究中心（CFAR），A*STAR） ； Plastic Labs ； University of Washington（华盛顿大学） 纠错

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

AI总结 SPIRAL通过多智能体多轮强化学习在零和游戏中促进推理，展示了模型在多个基准测试中的显著性能提升。

Comments Accepted at ICLR 2026. Code: https://github.com/spiral-rl/spiral

AnimeAgent: Is the Multi-Agent via Image-to-Video models a Good Disney Storytelling Artist?

AnimeAgent: 多智能体 via 图像到视频模型是否是一个好的迪士尼故事创作艺术家？

Hailong Yan, Shice Liu, Tao Wang, Xiangtao Zhang, Yijie Zhong, Jinwei Chen, Le Zhang, Bo Li

机构 * UESTC ； vivo Mobile Communication Co. Ltd（vivo移动通信有限公司） 纠错

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

AI总结 AnimeAgent通过基于图像到视频的多智能体框架，提升自定义分镜生成的 consistency、prompt fidelity 和 stylization，首次解决静态扩散模型的动态表现力不足问题。

Comments Tech Report

CORE: Measuring Multi-Agent LLM Interaction Quality under Game-Theoretic Pressures

CORE: 在博弈论压力下评估多智能体大语言模型交互质量

Punya Syon Pandey, Yongjin Yang, Jiarui Liu, Zhijing Jin

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

AI总结 CORE通过量化多智能体LLM在不同博弈压力下的语言使用效果，揭示社会激励对语言适应的影响，并提供评估对话鲁棒性的指标。

Comments EACL 2026 (Main)

RF-Modulated Adaptive Communication Improves Multi-Agent Robotic Exploration

基于RF调制的自适应通信提升多智能体机器人探索

Lorin Achey, Breanne Crockett, Christoffer Heckman, Bradley Hayes

机构 * University of Colorado Boulder（科罗拉多大学波尔德分校） 纠错

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

AI总结 本文提出了一种自适应射频传输算法，通过动态调节传输位置提升多智能体机器人在通信受限环境中的探索效率，实验显示其在距离和时间上均优于现有方法。

EvoCorps: An Evolutionary Multi-Agent Framework for Depolarizing Online Discourse

EvoCorps：一种用于去极化的进化多智能体框架

Ning Lin, Haolun Li, Mingshu Liu, Chengyun Ruan, Kaibo Huang, Yukun Wei, Zhongliang Yang, Linna Zhou

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

AI总结 EvoCorps通过进化多智能体框架主动应对在线讨论中的极化问题，提升讨论质量并实现闭环干预。

Game-Theoretic and Algorithmic Analyses of Multi-Agent Routing under Crossing Costs

在交叉成本下的多智能体路由的博弈论与算法分析

Tesshu Hanaka, Nikolaos Melissinos, Hirotaka Ono

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

AI总结 本文提出了一种基于交叉成本的多智能体路由模型，结合博弈论与算法分析，解决了去中心化协调中的拥堵和延迟问题。

Comments Accepted as extended abstract at AAMAS 2026

Multi-Agent Monte Carlo Tree Search for Makespan-Efficient Object Rearrangement in Cluttered Spaces

多智能体蒙特卡洛树搜索用于 cluttered 空间中的 makespan 高效物体重新排列

Hanwen Ren, Junyong Kim, Aathman Tharmasanthiran, Ahmed H. Qureshi

机构 * Department of Computer Science, Purdue University（计算机科学系，普渡大学） 纠错

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

AI总结 本文提出CAM-MCTS框架，通过集中式任务分配与异步执行策略，提升杂乱环境中物体重新排列的makespan效率。

NetWorld: Communication-Based Diffusion World Model for Multi-Agent Reinforcement Learning in Wireless Networks

NetWorld: 基于通信的扩散世界模型用于无线网络中的多智能体强化学习

Kechen Meng, Rongpeng Li, Yansha Deng, Zhifeng Zhao, Honggang Zhang

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

AI总结 NetWorld通过通信增强的扩散世界模型，实现无线网络中多智能体强化学习的少样本泛化和高效轨迹规划。

Towards AI as Colleagues: Multi-Agent System Improves Structured Ideation Processes

迈向AI作为同事：多智能体系统改进结构化构思过程

Kexin Quan, Dina Albassam, Mengke Wu, Zijian Ding, Jessie Chin

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

AI总结 MultiColleagues通过多智能体协作提升构思过程质量，展示AI作为同事的潜力

Journal ref Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems

MARS: Co-evolving Dual-System Deep Research via Multi-Agent Reinforcement Learning

MARS: 通过多智能体强化学习进行多系统深度研究

Guoxin Chen, Zile Qiao, Wenqing Wang, Donglei Yu, Xuanzhong Chen, Hao Sun, Minpeng Liao, Kai Fan, Yong Jiang, Penguin Xie, Wayne Xin Zhao, Ruihua Song, Fei Huang

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学 glowing 人工智能学院） ； Tongyi Lab, Alibaba Group（阿里集团通义实验室） 纠错

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

AI总结 MARS通过多智能体强化学习共进化双认知系统，无需监督微调即可在知识密集型任务中取得显著性能提升。

Comments Ongoing Work

LLM-Based Multi-Agent Blackboard System for Information Discovery in Data Science

基于大语言模型的多智能体黑板系统用于数据科学中的信息发现

Alireza Salemi, Mihir Parmar, Palash Goyal, Yiwen Song, Jinsung Yoon, Hamed Zamani, Tomas Pfister, Hamid Palangi

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

AI总结 本文提出了一种基于黑板架构的多智能体系统，用于提升数据科学中的信息发现效率，通过去中心化设计实现更高的可扩展性和灵活性。

Judgelight: Trajectory-Level Post-Optimization for Multi-Agent Path Finding via Closed-Subwalk Collapsing

Judgelight: 多智能体路径寻找中的轨迹级后优化 via 关闭子轨迹压缩

Yimin Tang, Sven Koenig, Erdem Bıyık

机构 * University of Southern California（南加州大学） ； University of California Irvine（加州大学尔湾分校） 纠错

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

AI总结 Judgelight通过压缩智能体轨迹中的闭合子轨迹，提高多智能体路径寻找的轨迹质量，减少20%的解决方案成本。

When Nobody Around Is Real: Exploring Public Opinions and User Experiences On the Multi-Agent AI Social Platform

当没有人真实存在时：探索多智能体AI社交平台上的公众意见与用户体验

Qiufang Yu, Mengmeng Wu, Xingyu Lan

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

AI总结 本文通过案例研究探讨多智能体AI社交平台中用户对AI代理的期望与问题，揭示AI主导社交环境带来的注意力过载和同质化互动等新挑战。

MMedAgent-RL: Optimizing Multi-Agent Collaboration for Multimodal Medical Reasoning

MMedAgent-RL: 优化多智能体协作以实现多模态医疗推理

Peng Xia, Jinglu Wang, Yibo Peng, Kaide Zeng, Zihan Dong, Xian Wu, Xiangru Tang, Hongtu Zhu, Yun Li, Linjun Zhang, Shujie Liu, Yan Lu, Huaxiu Yao

机构 * UNC-Chapel Hill（北卡罗来纳大学教堂山分校） ； Microsoft Research（微软研究院） ； CMU（卡内基梅隆大学） ； Rutgers University（罗格斯大学） ； Yale University（耶鲁大学） 纠错

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

AI总结 MMedAgent-RL通过强化学习优化多智能体协作，提升多模态医疗推理性能，实现23.6%的性能提升。

Comments ICLR 2026

TrustResearcher: Automating Knowledge-Grounded and Transparent Research Ideation with Multi-Agent Collaboration

TrustResearcher: 通过多智能体协作实现知识导向且透明的研究构想自动化

Jiawei Zhou, Ruicheng Zhu, Mengshi Chen, Jianwei Wang, Kai Wang

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

AI总结 TrustResearcher通过多智能体协作实现知识导向且透明的研究构想自动化，提供可配置的智能体和证据一致的构想生成。

Comments Accepted to The Web Conference (WWW) 2026 as a demo paper. 6 pages, 2 figures

EvoConfig: Self-Evolving Multi-Agent Systems for Efficient Autonomous Environment Configuration

EvoConfig：用于高效自主环境配置的自演化多智能体系统

Xinshuai Guo, Jiayi Kuang, Linyue Pan, Yinghui Li, Yangning Li, Hai-Tao Zheng, Ying Shen, Di Yin, Xing Sun

机构 * Tsinghua University（清华大学） ； Sun-Yat Sen University（孙逸人大学） ； Tencent Youtu Lab（腾讯优图实验室） 纠错

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

AI总结 EvoConfig通过自演化多智能体系统提升自主环境配置效率，实现更高成功率和更强调试能力。