AI Agent

Mission-Level Runtime Assurance Framework for Autonomous Driving

自动驾驶任务级运行时保证框架

Chieh Tsai, Salim Hariri

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出一种评估驾驶安全与任务完成能力的运行时保证框架，通过监控系统拒绝不可行命令，实验证明其优于仅关注平台安全的方法。

STRIPS-WM: Learning Grounded Propositional STRIPS-style World Models from Images

STRIPS-WM：从图像学习基于命题的STRIPS风格世界模型

Abhiroop Ajith, Constantinos Chamzas

机构 * Worcester Polytechnic Institute（沃斯特理工学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出STRIPS-WM框架，从图像转换中学习符号化世界模型，用于机器人视觉任务规划，提升规划成功率。

PhyRoGen: Synthetic Generation of Physical Robot Manipulation Puzzles Using Procedural Content Generation

PhyRoGen：使用程序化内容生成物理机器人操作谜题的合成生成

Lennart Julian Droß, Andreas Orthey, Marc Toussaint

机构 * Technical University of Berlin（柏林技术大学） ； Robotics Institute Germany（德国机器人研究所） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 提出PhyRoGen框架，利用程序化内容生成自动创建机器人操作谜题的合成数据集，生成的24个谜题可在1-300秒内求解，并在物理仿真中验证可操作性。

Comments 8 pages, accepted at CASE 2026

Agentic ERP: Multi-Agent Large Language Model Architecture for Autonomous Enterprise Resource Planning

智能企业资源规划（Agentic ERP）：用于自主企业资源规划的多智能体大语言模型架构

Zhihao Liu, Tianyu Wang, Xi Vincent Wang, Lihui Wang

机构 * KTH Royal Institute of Technology（瑞典皇家理工学院） ； Department of Production Engineering（生产工程系） 纠错

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

AI总结 研究针对ERP系统过度依赖人类决策的问题，提出Agentic ERP架构，结合角色对齐的LLM智能体、人工参与框架和图编排器。通过特定决策问题表述、编排解耦及多层面评估，证明该方法优于基线，能让ERP主动执行决策，提供了参考架构与评估协议。

Agentic Knowledge Tracing: A Multi-Agent LLM Architecture for Stealth Assessment of Financial Literacy in Serious Games

Agentic知识追踪：用于严肃游戏中金融素养隐形评估的多智能体大语言模型架构

Gabriel Santos, Rita Julia, Marcelo Nascimento

机构 * Federal University of Uberlândia Computer Science Faculty（伯南布哥联邦大学计算机科学学院） 纠错

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

AI总结 提出多智能体大语言模型架构Agentic BKT，通过四阶段流程从严肃游戏事件中隐形评估金融素养，实验表明其预测效度显著优于单智能体基线。

Comments 8 pages, 5 figures, IEEE CoG 2026

BoardroomAI: Dependency-Aware Human-Steerable Multi-Agent Deliberation through Evolving Decision Graphs

BoardroomAI：通过演化决策图实现依赖感知、人类可引导的多Agent审议

Sanjeev Manivannan

机构 * Indian Institute of Technology Madras（马德拉斯印度理工学院） 纠错

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

AI总结 BoardroomAI通过四个组件实现依赖感知的人类可引导多Agent审议，实验显示其传播效率高、修复效果好，为相关研究提出了决策充分上下文闭合的需求。

Comments 14 pages, 2 figures

Agentic Social Affordance Framework (ASAF): Agent Identity Design as a Collaboration Interface in Multi-Agent Systems

智能体社会可供性框架 (ASAF)：多智能体系统中作为协作接口的智能体身份设计

Meng-Han Lee

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(title,abstract)；autonomous agent(abstract)

AI总结 提出ASAF框架，将社会可供性理论扩展到多智能体AI系统，将智能体身份设计视为协作接口，通过身份信号、行为启动和协作治理三个机制影响人机协作质量。

Comments 36 pages, 2 figures, 1 table. Introduces ASAF with falsifiable hypotheses and proposed experimental designs for testing agent identity design effects in multi-agent Human-in-the-Loop systems, grounded in a real-world 38-agent deployment

An Actionable Diagnosis of Multilingual, Multi-Agent Planning Failures

多语言多智能体规划失败的可操作诊断

Vikas Pahuja, Jonathan Brokman, Omer Hofman, Tamir Nizri, Daniel Vishna, Seraphina Goldfarb-Tarrant, Kelly Marchisio, Hisashi Kojima, Roman Vainshtein

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

AI总结 本研究针对多语言多智能体系统在非英语场景下的规划失败问题，提出规划-接地失败分类法，开发TART方法，在多语言任务中显著提升了现有系统的性能。

Comments 22 pages, 11 figures

Norm Enforcement for AI Agents: Robustly Shaping Behavior in Multi-Agent Systems

人工智能代理的规范执行：在多智能体系统中稳健塑造行为

Yaowen Ye, Jacob Steinhardt

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

AI总结 研究多智能体系统中语言模型代理的规范执行机制，针对简单机制易被利用的问题，确定估计代理可靠性及加重惩罚更新估计这两个关键要素，所构建机制可抵御利用且低成本惩罚违规，是塑造智能体行为的可扩展手段。

Comments ICML2026 Trustworthy AI for Good Workshop

PersonalPlan: Planning Multi-Agent Systems for Personalized Programming Learning

PersonalPlan: 面向个性化编程学习的多智能体系统规划

Zhiyuan Wen, Jiannong Cao, Peng Gao, Haochen Shi, Wengpan Kuan, Bo Yuan, Xiuxiu Qi

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

AI总结 提出PersonalPlan，一种两阶段多智能体规划器，通过分层SFT和奖励自适应GRPO生成可执行、个性化且具有教学支架的计划，在MAP-PPL数据集上优于现有方法。

Focus Is All You Need: Adaptive Goal-aware Attention Orchestration for Multi-Agent Graph Systems

你所需要的只是专注：多智能体图系统的自适应目标感知注意力编排

Mingzhou Fan, Siyuan Xu, Mingxuan Yuan

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

AI总结 研究多智能体图系统中注意力分配问题，提出自适应目标感知注意力编排框架AGAO，结合目标、拓扑、资源感知注意力，将静态图转变为自适应系统，经实验验证其能提高任务有效性并减少计算等消耗，确立注意力工程方向。

Unlocking Model Potentials Through Adaptive Multi-Agent Scaffolding for Efficient Issue Resolution

通过自适应多智能体脚手架解锁模型潜力以实现高效问题解决

Yang Chen, Aliya Ahmad, Yiheng Zhou, Reyhaneh Jabbarvand

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

AI总结 提出icat-agent，一种去中心化多智能体脚手架，通过基于事件的消息传递和基于规则的质量检查策略，显著提升复杂软件问题解决效率，在SWE-bench基准上超越现有方法。

XFlow: An Executable Protocol Programming System for Reliable Multi-Agent Workflows

XFlow: 一个用于可靠多智能体工作流的可执行协议编程系统

Hanqi Li, Jing Peng, Zijian Wang, Lu Chen, Kai Yu

机构 * X-LANCE Lab, School of Computer Science, Shanghai Jiao Tong University, Shanghai, China（X-LANCE实验室，计算机科学学院，上海交通大学，上海，中国） ； Jiangsu Key Lab of Language Computing, Suzhou, China（江苏省语言计算重点实验室，苏州，中国） ； Suzhou Laboratory, Suzhou, China（苏州实验室，苏州，中国） 纠错

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

AI总结 提出XFlow可执行协议编程系统及其领域特定语言XPF，通过将工作流承诺从提示移至可检查、可执行的协议结构，并利用生命周期管理的符号中介智能体输出，提升多智能体工作流的可靠性。

GS-Agent: Creating 4D Physical Worlds With Generative Simulation

GS-Agent：通过生成式模拟创建4D物理世界

Hongxin Zhang, Chunru Lin, Junyan Li, Zhou Xian, Tsun-Hsuan Wang, Chuang Gan

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Genesis AI（创世纪人工智能公司） 纠错

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

AI总结 研究旨在从自然语言描述创建4D物理世界。核心方法是提出GS-Agent这一端到端多智能体框架，分解任务并让多智能体与物理引擎协作。主要贡献是能有效转换自然语言为物理合理的4D世界，实现相机和灯光控制，为新范式奠基。

Agentic Time Machine as an Infrastructure for Future-Event Forecasting

Agentic Time Machine：未来事件预测的基础设施

Jingyi Chai, Bingyang Zheng, Xiangrui Liu, Hao Lu, Zihang Zhou, Tianchen Wang, Kemeng Zhang, Siheng Chen

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 提出Agentic Time Machine（TM）基础设施，通过过滤截止后内容重建历史网络状态，并基于此设计规划-求解-聚合多智能体框架，实现高效且可靠的事件预测，在FutureX排行榜上取得最佳平均排名。

Understanding From Human Perspective: A Multi-agent System for Interactive Egocentric Medical Image Segmentation

从人类视角理解：用于交互式自我中心医学图像分割的多智能体系统

Rongjun Ge, Dongyang Wang, Heng Zhu, Zhirui Li, Yang Chen, Yuting He

机构 * School of Instrument Science and Engineering, Southeast University（东南大学仪器科学与工程学院） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Sichuan University-Pittsburgh Institute, Sichuan University（四川大学匹兹堡学院） ； Department of Biomedical Engineering, Case Western Reserve University（凯斯西储大学生物医学工程系） 纠错

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

AI总结 研究交互式自我中心医学图像分割面临的挑战，提出EgoMed-Agent多智能体系统，通过目标确认和定位引导传播工作流程从人类视角理解目标，实验显示该系统平均Dice远超基线，效果显著。

Multi-Agent Planning with Spatio-Temporal and Topological Constraints using STL-GO

基于STL-GO的时空与拓扑约束下的多智能体规划

Sheryl Paul, Vidisha Kudalkar, Anand Balakrishnan, Lars Lindemann, Alberto Speranzon, Jyotirmoy V. Deshmukh

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

AI总结 针对多智能体规划中的时空与拓扑约束难题，提出基于STL-GO的混合整数规划与可满足性模理论两种编码方案，在多无人机搜索与救援基准上验证了其表达能力。

Comments Accepted at Formal Methods for Computer-Aided Design 2026

ContractHIL-HLS: Contract-Aligned Multi-Agent Workflow with Hardware-in-the-Loop Feedback for HLS Design

ContractHIL-HLS：用于HLS设计的具有硬件在环反馈的合同对齐多智能体工作流

Jingbo Zhang, Haoxiang Sun, Wenbo Wang, Wenbo Zhang

机构 * BJUT-CS316-LAB（北京工业大学CS316实验室） 纠错

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

AI总结 研究针对实际HLS工程提出ContractHIL-HLS工作流，通过引入结构化合同、纳入硬件信息及分解智能体实现多方面改进，经实验验证其在HLS-Eval任务及板级测试中均有良好效果，提高了设计通过率并优化运行时间。

From Proprietary to Open-Source: Bridging the Distribution Gap via Multi-Agent Protocol Distillation in Agentic Search

从专有模型到开源模型：通过智能体搜索中的多智能体协议蒸馏弥合分布差距

Junlin Liu, Jiangwang Chen, Zixin Song, Shuaiyu Zhou, Chunji Lv, Hank Wu, Kailin Jiang, Jinyang Wu, Bohan Yu, Chenxi Zhou

机构 * Beijing Institute of Technology（北京理工大学） ； East China Normal University（华东师范大学） ； University of Science and Technology of China（中国科学技术大学） ； Tsinghua University（清华大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 研究旨在弥合专有与开源模型分布差距，提出多智能体协议蒸馏（MAPD）框架，利用结构化协议作中间表示，结合蒸馏与强化学习，在问答基准测试中表现出色，有效减轻学生策略问题，优于其他竞争方法。

TRUAV: Distributed Multi-Agent Reinforcement Learning for Trajectory Planning and Routing Enhancement in UAV-Aided IoT-Enabled VANETs

TRUAV：无人机辅助的物联网支持的车联网中用于轨迹规划和路由增强的分布式多智能体强化学习

Muhammad Umar Farooq Qaisar, Lin Zhang, Zhen Chen, Wajdy Othman, Shehzad Ashraf Chaudhry, Chang Liu

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

AI总结 研究无人机辅助车联网中轨迹规划与路由增强问题，提出基于独立表格Q学习的分布式多智能体强化学习框架TRUAV，其智能体依局部信息运行，奖励设计兼顾多种因素，模拟显示该框架在多方面表现良好，还讨论了相关挑战与方向。

Comments 7 pages, 3 figures, submitted to IEEE Internet of Things Magazine

PlanFlip: Attacking Multi-Agent LLM Systems via Planning-Phase Prompt Injection

PlanFlip：通过规划阶段提示注入攻击多智能体大语言模型系统

Yuhang Wang

机构 * Fudan University（复旦大学） 纠错

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

AI总结 研究针对多智能体大语言模型系统规划阶段的攻击，提出PlanFlip框架包含四种攻击，通过对九个模型的3479次测试发现能力放大漏洞、同类管道盲点及推理增强模型的抗性等结果，并提出检测方法，强调异构模型多样性对系统安全的重要性。

The Dynamic Verifiable Multi-Agent Human Agentic Loyalty Loop (DVM-HALL) Model and the Net Human-Agent Score (NHAS) in Autonomous Commerce

自主商业中的动态可验证多智能体人类智能忠诚循环（DVM-HALL）模型与净人机分数（NHAS）

Sai Srikanth Madugula, Peplluis Esteva de la Rosa, Daya Shankar

机构 * School of Technology, Woxsen University（沃森大学技术学院） ； Universitat de Girona（格尔纳达大学） ； School of Sciences, Woxsen University（沃森大学科学学院） 纠错

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

AI总结 研究人工智能发展下传统客户忠诚度范式受扰问题，提出动态可验证多智能体人类智能忠诚循环（DVM-HALL）模型，通过特定公式及机制确定品牌选择、校准信任等，还引入净人机分数（NHAS）并给出实证验证计划，为品牌应对转变提供理论。

A Multi-Agent Framework for Zero-Dimensional Reduced-Order Model Planning

用于零维降阶模型规划的多智能体框架

Bingteng Sun, Hao Yin, Yiling Chen, Renjie Xiao, Lei Xie, Shanyou Wang, Ruonan Wang, Shubao Chen, Qingzong Xu, Lin Lu, Qiang Du, Junqiang Zhu

机构 * Institute of Engineering Thermophysics, Chinese Academy of Sciences（中国科学院工程热物理研究所） ； National Key Laboratory of Science and Technology on Advanced Light-duty Gas-turbine（先进轻型燃气轮机技术重点实验室） ； University of Chinese Academy of Sciences（中国科学院大学） ； Qingdao Institute of Aeronautical Technology（青岛航空技术研究院） ； Nanjing Future Energy System Research Institute（南京未来能源系统研究院） 纠错

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

AI总结 本文针对复杂零维降阶模型规划中依赖人工、传统方法局限等问题，提出多智能体架构Z-COPA，其核心是专用图表示法，将规划转化为图结构优化问题，经多基准测试验证，该框架性能卓越且打破传统范式，提供新规划技术方法。

World Models as Adversaries: Multi-Agent Self-Play Fine-Tuning for Robust Motion Planning

作为对手的世界模型：用于鲁棒运动规划的多智能体自我博弈微调

Tong Nie, Yuewen Mei, Junlin He, Yihong Tang, Jian Sun, Wei Ma

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Tongji University（同济大学） ； McGill University（麦吉尔大学） ； Mila-Quebec AI Institute（米拉-魁北克人工智能研究所） 纠错

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

AI总结 研究在密集交通中自动驾驶车辆鲁棒运动规划问题，提出对抗世界建模（AWM）框架，通过多智能体自我博弈微调，引入解耦求解器，经实验验证该方法能生成可转移对抗交互，使规划器在多种场景有竞争力。

Agentic SABRE: An Uncertainty-Aware Neuro-Symbolic Multi-Agent Framework for Adaptive Ransomware Detection

智能SABRE：一种用于自适应勒索软件检测的不确定性感知神经符号多智能体框架

Henry Kabuye, Biju Issac, Jeyamohan Neera

机构 * School of Computer Science, Northumbria University（诺森比亚大学计算机科学学院） 纠错

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

AI总结 针对勒索软件检测难题，提出智能SABRE框架，融合语义与行为证据，用蒙特卡洛随机失活推理量化不确定性，通过决策层编排器及可解释阈值进行风险和不确定性感知分类，还集成事后可解释机制。

Comments 34 pages

DSIP: A Dynamic Coordination Planner for Signal-Free Intersections using Diffusion-Model-Based Multi-Agent Motion Planning

DSIP: 基于扩散模型的多智能体运动规划的无信号交叉口动态协调规划器

Qian Hu, Haoyang Peng, Songan Zhang, Ming Yang, Hongtei Eric Tseng

机构 * Global Institute of Future Technology, Shanghai Jiao Tong University（上海交通大学全球未来技术学院） ； School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院） ； Department of Electrical Engineering, The University of Texas at Arlington（德克萨斯大学阿灵顿分校电气工程系） 纠错

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

AI总结 提出DSIP框架，利用扩散模型生成多车连续轨迹优化，替代传统信号相位控制，在SUMO仿真中显著降低平均延误并提高平均速度。

From Privacy to Workflow Integrity: Communication-Graph Metadata in Autonomous Agent Interoperability

从隐私到工作流完整性：自主智能体互操作性中的通信图元数据

Bijaya Dangol

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 针对智能体通信图元数据泄露问题，提出工作流完整性威胁模型，定义传输层与引导层隐私属性，并通过A2A案例验证元数据保护可有效抑制任务推断。

Comments 22 pages, 7 figures, 6 tables

Tensor-Coord: Algebraic Decomposition of Joint Plan Tensors for Conflict-Free Multi-Agent LLM Planning

Tensor-Coord：用于无冲突多智能体LLM规划的联合计划张量代数分解

Mudit Rastogi

机构 * University of Michigan（密歇根大学） 纠错

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

AI总结 提出Tensor-Coord框架，将多智能体联合计划表示为三阶张量，通过CP和Tucker分解识别协调结构，计算协调复杂度并定位冲突，实现无冲突规划。

Trust Between AI Agents: Measuring Formation, Breakage, and Recovery, with Implications for Governing Multi-Agent Systems

AI智能体之间的信任：衡量形成、破裂与恢复，及其对多智能体系统治理的启示

Yujiao Chen

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

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

AI总结 提出基于代价验证的行为信任度量，通过合作生存游戏研究六个前沿模型快照的信任形成、破裂与恢复，发现信任形成可减少验证，恢复慢于形成，且集群失败延长怀疑，建议校准而非最大怀疑作为治理核心。

Multi-Agent Debate Strategies: Survey, Taxonomy, and Challenges

多智能体辩论策略：综述、分类与挑战

Quim Motger, Marc Oriol, Jordi Marco, Xavier Franch

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

AI总结 本文通过对141项多智能体辩论研究的系统综述，提出三维分类法，揭示领域默认采用狭窄设计模式的问题，将分类法定位为研究图谱与基准框架，未来拟形式化为可执行规范以优化辩论配置。

Comments Under review at ACM Computing Surveys