AI Agent

Facade Segmentation for Solar Photovoltaic Suitability

建筑光伏适用性分割

Ayca Duran, Christoph Waibel, Bernd Bickel, Iro Armeni, Arno Schlueter

机构 * ETH Zurich（苏黎世联邦理工学院） ； VITO CRIB Mol ； Stanford University（斯坦福大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种基于SegFormer-B5的管道，用于自动识别建筑立面的光伏适用区域并估算太阳能潜力，通过整合建筑组成信息，为城市能源规划提供可靠数据。

Comments NeurIPS 2025 Tackling Climate Change with Machine Learning Workshop version. Non-archival

A segment anchoring-based balancing algorithm for agricultural multi-robot task allocation with energy constraints

基于段锚的平衡算法用于有能源约束的农业多机器人任务分配

Peng Chen, Jing Liang, Kang-Jia Qiao, Hui Song, Tian-lei Ma, Kun-Jie Yu, Cai-Tong Yue, Ponnuthurai Nagaratnam Suganthan, Witold Pedryc

机构 * School of Electrical and Information Engineering, Zhengzhou University（郑州大学电气与信息工程学院） ； School of Electrical Engineering and Automation, Henan Institute of Technology（河南理工大学电气工程与自动化学院） ； School of Engineering, RMIT University（皇家墨尔本理工大学工程学院） ； KINDI Center for Computing Research, College of Engineering, Qatar University（卡塔尔大学工程学院KINDI计算研究中心） ； Department of Electrical and Computer Engineering, University of Alberta（阿尔伯塔大学电气与计算机工程系） ； Systems Research Institute of the Polish Academy of Sciences（波兰科学院系统研究所） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出基于段锚的平衡算法，解决多机器人在能源约束下的任务分配问题，通过协同机制优化路线和工期，优于现有算法。

OmniDocLayout: Towards Diverse Document Layout Generation via Coarse-to-Fine LLM Learning

OmniDocLayout: 通过粗到细的LLM学习实现多样化的文档布局生成

Hengrui Kang, Zhuangcheng Gu, Zhiyuan Zhao, Zichen Wen, Bin Wang, Weijia Li, Conghui He

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Sun Yat-sen University（中山大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 OmniDocLayout通过粗到细的LLM学习方法，生成多样化文档布局，解决现有布局生成中多样性和复杂性不足的问题。

Comments TL;DR: With the proposed OmniDocLayout-1M dataset and the LLM-based coarse-to-fine learning strategy, we enable diverse and complex document layout generation that achieves both strong condition consistency and adherence to fundamental aesthetic principles

MGFRec: Towards Reinforced Reasoning Recommendation with Multiple Groundings and Feedback

MGFRec: 向多接地与反馈的强化推理推荐迈进

Shihao Cai, Chongming Gao, Haoyan Liu, Wentao Shi, Jianshan Sun, Ruiming Tang, Fuli Feng

专题命中 规划决策 ：agent(abstract)

AI总结 MGFRec通过多轮接地和反馈机制提升推荐系统中推理与实际物品空间的一致性，改进推荐效果。

Comments Accepted at KDD 2026

Yummy Operations Robot Initiative: Autonomous Cooking System Utilizing a Modular Robotic Kitchen and a Dual-Arm Proprioceptive Manipulator

Yummy Operations Robot Initiative：自主烹饪系统利用模块化机器人厨房和双臂本体感知机械臂

Donghun Noh, Hyunwoo Nam, Kyle Gillespie, Yeting Liu, Dennis Hong

机构 * Yummy Operations Robot Initiative 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 YORI是一种利用模块化厨房和双臂本体感知机械臂的自主烹饪系统，通过模块化设计和优化调度实现多道菜的高效烹饪。

MammothModa2: A Unified AR-Diffusion Framework for Multimodal Understanding and Generation

MammothModa2: 一种用于多模态理解和生成的统一AR-扩散框架

Tao Shen, Xin Wan, Taicai Chen, Rui Zhang, Junwen Pan, Dawei Lu, Fanding Lei, Zhilin Lu, Yunfei Yang, Chen Cheng, Qi She, Chang Liu, Zhenbang Sun

机构 * ByteDance（字节跳动） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 MammothModa2通过统一的AR-扩散框架实现多模态理解和生成，结合自回归语义规划与扩散生成，取得文本到图像和指令编辑的优异表现。

ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving

ResAD：用于端到端自动驾驶的归一化残差轨迹建模

Zhiyu Zheng, Shaoyu Chen, Haoran Yin, Xinbang Zhang, Jialv Zou, Xinggang Wang, Qian Zhang, Lefei Zhang

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； Horizon Robotics ； School of EIC, Huazhong University of Science & Technology（华中科技大学电子信息学院） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 ResAD通过归一化残差轨迹建模简化端到端自动驾驶学习任务，提升规划性能。

Path and Bone-Contour Regularized Unpaired MRI-to-CT Translation

路径和骨轮廓正则化的无配对MRI到CT翻译

Teng Zhou, Jax Luo, Yuping Sun, Yiheng Tan, Shun Yao, Nazim Haouchine, Scott Raymond

机构 * School of Computer Science and Technology, Guangdong University of Technology, Guangzhou, China（计算机科学与技术学院，广东技术大学，广州，中国） ； Neurological Institute, Cleveland Clinic, OH, USA（神经医学研究院，克利夫兰医学中心，俄亥俄州，美国） ； Department of Neurosurgery, The First Affiliated Hospital, Sun Yat-sen University, Guangzhou, China（神经外科，中山大学附属第一医院，广州，中国） ； Brigham and Women’s Hospital, Harvard Medical School, MA, USA（布里奇沃特医院，哈佛医学院，马萨诸塞州，美国） ； Department of Radiology, Medical Imaging Center, University Medical Center Groningen, University of Groningen, 9712 CP Groningen, The Netherlands（放射科，医学影像中心，格罗宁根大学医学中心，格罗宁根大学，荷兰） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出了一种路径和骨轮廓正则化的无配对MRI到CT翻译方法，通过神经普通微分方程建模连续流，并利用骨轮廓生成网络提升骨结构翻译精度。

Journal ref Comput. Med. Imag. Graph. (2025) 102656

VoxCity: A Seamless Framework for Open Geospatial Data Integration, Grid-Based Semantic 3D City Model Generation, and Urban Environment Simulation

VoxCity: 一个无缝框架，用于开放地理空间数据整合、基于网格的3D城市模型生成和城市环境模拟

Kunihiko Fujiwara, Ryuta Tsurumi, Tomoki Kiyono, Zicheng Fan, Xiucheng Liang, Binyu Lei, Winston Yap, Koichi Ito, Filip Biljecki

专题命中 规划决策 ：planning(abstract)

AI总结 VoxCity通过自动化生成3D城市模型和环境模拟，提供了一站式解决方案，促进可持续城市发展。

Journal ref Computers, Environment and Urban Systems (2026) 123: 102366

Quantification of the Plan Aperture Modulation of Radiotherapy Treatment Plans

放射治疗计划中计划孔径调制的量化

Victor Hernandez, Iñigo Lara-Aristimuño, Ruben Abella, Jordi Saez

专题命中 规划决策 ：planning(abstract)

AI总结 本研究提出了一种新的指标PAM，用于量化放射治疗计划中的调制，通过几何解释克服了传统指标的局限性，并能有效应用于治疗计划系统中。

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。

Be My Eyes: Extending Large Language Models to New Modalities Through Multi-Agent Collaboration

Be My Eyes: 通过多智能体协作扩展大型语言模型到新模态

James Y. Huang, Sheng Zhang, Qianchu Liu, Guanghui Qin, Tinghui Zhu, Tristan Naumann, Muhao Chen, Hoifung Poon

机构 * University of Southern California（南加州大学） ； Microsoft Research（微软研究院） ； University of California, Davis（加州大学戴维斯分校） 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 BeMyEyes通过多智能体协作扩展LLMs到多模态推理，利用高效VLMs与强大LLMs的互补优势，实现轻量级开源解决方案。

AutoMAS: A Generic Multi-Agent System for Algorithm Self-Adaptation in Wireless Networks

AutoMAS：一种通用的多智能体系统，用于无线网络中的算法自适应

Dingli Yuan, Jingchen Peng, Jie Fan, Boxiang Ren, Lu Yang, Peng Liu

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

AI总结 AutoMAS通过多智能体系统实现无线网络中算法的自适应优化，提升复杂任务处理的准确性和鲁棒性。

DataSage: Multi-agent Collaboration for Insight Discovery with External Knowledge Retrieval, Multi-role Debating, and Multi-path Reasoning

DataSage: 基于外部知识检索、多角色辩论和多路径推理的多智能体协作以实现洞察发现

Xiaochuan Liu, Yuanfeng Song, Xiaoming Yin, Xing Chen

机构 * ByteDance, China（字节跳动） 纠错

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

AI总结 DataSage通过多智能体协作、外部知识检索和多路径推理，提升数据洞察发现的准确性和深度。

ALMAS: an Autonomous LLM-based Multi-Agent Software Engineering Framework

ALMAS: 一种基于自主LLM的多智能体软件工程框架

Vali Tawosi, Keshav Ramani, Salwa Alamir, Xiaomo Liu

机构 * J.P. Morgan AI Research（摩根大通人工智能研究） 纠错

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

AI总结 ALMAS是一种基于自主LLM的多智能体软件工程框架，旨在通过模块化集成与人类开发者协作，实现软件开发生命周期中的自动化任务。

Comments Accepted to MAS-GAIN Workshop at ASE 2025

Communicating Plans, Not Percepts: Scalable Multi-Agent Coordination with Embodied World Models

传达计划，而非感知：基于具身世界模型的可扩展多智能体协调

Brennen A. Hill, Mant Koh En Wei, Thangavel Jishnuanandh

机构 * Department of Computer Science University of Wisconsin-Madison（计算机科学系 明尼苏达大学） ； Department of Computer Science National University of Singapore（计算机科学系 新加坡国立大学） 纠错

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

AI总结 本文提出基于具身世界模型的意图通信方法，通过端到端学习与工程化设计对比，展示在复杂环境下更优的协调能力。

Comments Published in the Proceedings of the 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Scaling Environments for Agents (SEA). Additionally accepted for presentation in the NeurIPS 2025 Workshop: Embodied World Models for Decision Making (EWM) and the NeurIPS 2025 Workshop: Optimization for Machine Learning (OPT)

Shadows in the Code: Exploring the Risks and Defenses of LLM-based Multi-Agent Software Development Systems

代码中的阴影：探索基于LLM的多智能体软件开发系统的风险与防御

Xiaoqing Wang, Keman Huang, Bin Liang, Hongyu Li, Xiaoyong Du

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

AI总结 本文研究了基于LLM的多智能体软件开发系统中的安全风险，提出IMBIA攻击及Adv-IMBIA防御机制，揭示了恶意智能体对软件开发过程的威胁及防御策略。

Comments Accepted by AAAI 2026 Alignment Track

MOMA-AC: A preference-driven actor-critic framework for continuous multi-objective multi-agent reinforcement learning

MOMA-AC: 一种基于偏好驱动的连续多目标多智能体强化学习框架

Adam Callaghan, Karl Mason, Patrick Mannion

机构 * University of Galway（Galway大学） 纠错

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

AI总结 MOMA-AC通过多目标多智能体actor-critic框架，在连续空间中实现多目标策略的帕累托最优，提升预期效用和超体积，展现稳定的可扩展性。

Comments 23 pages, 5 figures

Journal ref Neurocomputing, Volume 664, 2026, 132032, ISSN 0925-2312

A Multi-Agent LLM Framework for Multi-Domain Low-Resource In-Context NER via Knowledge Retrieval, Disambiguation and Reflective Analysis

面向多领域低资源情境命名实体识别的多智能体LLM框架：通过知识检索、消歧和反思分析

Wenxuan Mu, Jinzhong Ning, Di Zhao, Yijia Zhang

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

AI总结 KDR-Agent通过知识检索、消歧和反思分析，提升多领域低资源情境下命名实体识别的性能

Comments This paper has been accepted by AAAI 2026 (Main Technical Track)

MAGMA-Edu: Multi-Agent Generative Multimodal Framework for Text-Diagram Educational Question Generation

MAGMA-Edu：多智能体生成多模态框架用于文本-图表教育问题生成

Zhenyu Wu, Jian Li, Hua Huang

机构 * School of Artificial Intelligence, Beijing Normal University（人工智能学院，北京师范大学） 纠错

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

AI总结 MAGMA-Edu通过多智能体框架实现教育问题生成，提升文本与图像的一致性，达到多模态教育内容生成的新水平。

Agent-as-a-Graph: Knowledge Graph-Based Tool and Agent Retrieval for LLM Multi-Agent Systems

Agent-as-a-Graph: 基于知识图谱的LLM多智能体系统中的工具与智能体检索

Faheem Nizar, Elias Lumer, Anmol Gulati, Pradeep Honaganahalli Basavaraju, Vamse Kumar Subbiah

机构 * Commercial Technology and Innovation Office, PricewaterhouseCoopers（普华永道商业技术与创新办公室） 纠错

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

AI总结 本文提出基于知识图谱的智能体检索方法，通过构建智能体与工具的关系图谱，提升多智能体系统中工具和智能体的检索效果。

Multi-Agent Coordination in Autonomous Vehicle Routing: A Simulation-Based Study of Communication, Memory, and Routing Loops

多智能体在自动驾驶路径规划中的协调：基于仿真的通信、记忆与路径循环研究

KM Khalid Saifullah, Daniel Palmer

机构 * Department of Computer Science（计算机科学系） ； The College of Wooster（沃斯特学院） 纠错

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

AI总结 本研究通过引入对象内存管理（OMM）有效解决了多智能体自动驾驶中的路径循环问题，显著降低了平均旅行时间和等待时间，证明了持久共享内存对动态环境中多智能体协调的必要性。

Hierarchical Adaptive Consensus Network: A Dynamic Framework for Scalable Consensus in Collaborative Multi-Agent AI Systems

分层自适应共识网络：一种用于协作多智能体AI系统可扩展共识的动态框架

Rathin Chandra Shit, Sharmila Subudhi

机构 * Department of CSE, International Institute of Information Technology（计算机科学与工程系，国际信息技术研究所） ； Department of CS, Maharaja Sriramm Chandra Bhanja Deo University（计算机系，马哈拉吉·斯里拉姆·查兰贾德奥大学） 纠错

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

AI总结 本文提出分层自适应共识网络，通过三层架构实现协作多智能体系统中高效的共识达成，显著降低通信开销并确保收敛性。

Comments Submitted to Elsevier

Black-Box Lifting and Robustness Theorems for Multi-Agent Contracts

多智能体合同的黑盒提升与鲁棒性定理

Paul Dütting, Tomer Ezra, Michal Feldman, Thomas Kesselheim

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

AI总结 本文提出多智能体合同在更广泛均衡概念下的黑盒提升与鲁棒性定理，通过次模和XOS奖励的分析，证明了在最佳CCE下的常数因子近似保证。

Consensus-Based Stability Analysis of Multi-Agent Networks

基于共识的多智能体网络稳定性分析

Ingyu Jang, Ethan J. LoCicero, Leila Bridgeman

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

AI总结 本文提出基于共识的分布式稳定性分析方法，利用网络耗散定理和交替方向乘数法，通过无人机群实验验证了算法收敛性。

Comments Accepted to CDC 2025. 6 pages, 4 figures

Journal ref IEEE Conference on Decision and Control (CDC), 2025

Distributed Safe Control Design and Probabilistic Safety Verification for Multi-Agent Systems

分布式安全控制设计与多智能体系统的概率安全验证

Han Wang, Antonis Papachristodoulou, Kostas Margellos

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

AI总结 本文提出了一种分布式算法，用于多智能体系统的安全控制设计和概率安全验证，通过合作机制解决不可行性问题，并通过场景方法量化安全性。

Comments manuscript accepted by Automatica

Journal ref Automatica, Vol. 179, 2025