AI Agent

Expanding the Workspace of Electromagnetic Navigation Systems Using Dynamic Feedback for Single- and Multi-agent Control

通过动态反馈扩展电磁导航系统的作业空间以实现单体和多体控制

Jasan Zughaibi, Denis von Arx, Maurus Derungs, Florian Heemeyer, Luca A. Antonelli, Quentin Boehler, Michael Muehlebach, Bradley J. Nelson

机构 * Multi-Scale Robotics Lab, ETH Zurich（多尺度机器人实验室，苏黎世联邦理工学院） ； Learning and Dynamical Systems Group, Max Planck Institute for Intelligent Systems（学习与动态系统组，马克斯·普朗克智能系统研究所） 纠错

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

AI总结 通过动态反馈和系统级控制设计扩展电磁导航系统的作业空间，实现单体和多体控制的稳定与高效

A Lyapunov-Based Distri buted Framework for Complete and Phase Synchronization in Chaotic Multi-Agent Systems

一种基于李雅普诺夫的分布式框架用于混沌多智能体系统的完全同步与相位同步

Marzieh Basiri Abarghoei, Mohammad Reza Ahmadi Zand

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

AI总结 本文提出了一种基于李雅普诺夫的分布式控制框架，用于实现混沌多智能体系统的完全同步与相位同步，通过非线性耦合机制和矩阵度量分析，提高了同步的鲁棒性和收敛速度。

Comments 13 pages

SciEducator: Scientific Video Understanding and Educating via Deming-Cycle Multi-Agent System

SciEducator: 基于Deming循环多智能体系统的科学视频理解与教育

Zhiyu Xu, Weilong Yan, Yufei Shi, Xin Meng, Tao He, Huiping Zhuang, Ming Li, Hehe Fan

机构 * Jinan University（济南大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Peking University（北京大学） ； University of Electronic Science and Technology of China（电子科技大学） ； South China University of Technology（华南理工大学） ； Guangming Laboratory（光明实验室） ； Zhejiang University（浙江大学） 纠错

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

AI总结 SciEducator通过Deming循环多智能体系统实现科学视频的自演化理解与教育，生成多模态教学内容并超越现有大语言模型和视频智能体。

Markov Potential Game Construction and Multi-Agent Reinforcement Learning with Applications to Autonomous Driving

马尔可夫势博弈构建与多智能体强化学习及其在自动驾驶中的应用

Huiwen Yan, Mushuang Liu

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

AI总结 本文提出马尔可夫势博弈的构建条件，并在自动驾驶中应用多智能体强化学习。

LLM and Agent-Driven Data Analysis: A Systematic Approach for Enterprise Applications and System-level Deployment

大语言模型与智能体驱动的数据分析：企业应用与系统级部署的系统方法

Xi Wang, Xianyao Ling, Kun Li, Gang Yin, Liang Zhang, Jiang Wu, Annie Wang, Weizhe Wang

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

AI总结 本文提出一种系统方法，利用大语言模型和智能体技术，提升企业数据分析的效率和安全性，解决复杂查询和分布式部署中的关键挑战。

Safety and Risk Pathways in Cooperative Generative Multi-Agent Systems: A Telecom Perspective

合作生成多智能体系统的安全性和风险路径：电信视角

Zeinab Nezami, Shehr Bano, Abdelaziz Salama, Maryam Hafeez, Syed Ali Raza Zaidi

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

AI总结 本文从电信视角探讨生成多智能体系统中的安全性和风险路径，提出模块化安全评估框架，揭示智能体多样性对系统稳定性的影响，并展示通过模拟验证的改进与持续存在的漏洞。

Intelligent Design 4.0: Paradigm Evolution Toward the Agentic AI Era

智能设计4.0：迈向代理AI时代的范式演变

Shuo Jiang, Min Xie, Frank Youhua Chen, Jian Ma, Jianxi Luo

机构 * Department of Systems Engineering（系统工程系） ； City University of Hong Kong（香港城市大学） ； Department of Decision Analytics and Operations（决策分析与运营系） ； Department of Information Systems（信息系统系） 纠错

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

AI总结 本文提出智能设计4.0范式，基于基础模型的代理AI系统，推动工程设计的自动化与智能化发展。

Comments 17 pages, 7 figures

Journal ref ASME Journal of Computing and Information Science in Engineering, 2025

Hiding in the AI Traffic: Abusing MCP for LLM-Powered Agentic Red Teaming

AI流量中的隐藏：利用MCP进行LLM驱动的代理红队攻击

Strahinja Janjusevic, Anna Baron Garcia, Sohrob Kazerounian

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

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

AI总结 本文提出一种基于MCP的C2架构，用于LLM驱动的红队攻击，通过异步并行操作和实时情报共享，减少检测足迹并提升系统整体效能。

Comments 23 pages, 9 figures, 3 tables. Submitted as a full paper for review

PRAGMA: A Profiling-Reasoned Multi-Agent Framework for Automatic Kernel Optimization

PRAGMA：一种基于剖析的多智能体框架用于自动内核优化

Kelun Lei, Hailong Yang, Huaitao Zhang, Xin You, Kaige Zhang, Zhongzhi Luan, Yi Liu, Depei Qian

机构 * School of Computer Science and Engineering（计算机科学与工程学院） 纠错

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

AI总结 PRAGMA通过整合执行反馈和硬件剖析，利用AI生成高性能内核，实现比现有方法更优的性能提升。

Towards Automating Data Access Permissions in AI Agents

面向AI代理的数据访问权限自动化

Yuhao Wu, Ke Yang, Franziska Roesner, Tadayoshi Kohno, Ning Zhang, Umar Iqbal

机构 * Washington University in St. Louis（圣路易斯华盛顿大学） ； University of California, Irvine（加州大学尔湾分校） ； University of Washington（华盛顿大学） ； Georgetown University（乔治城大学） 纠错

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

AI总结 本文提出了一种基于机器学习的AI代理权限管理方法，通过用户研究和模型预测，实现了85.1%的权限预测准确率。

Comments Accepted by the IEEE Symposium on Security and Privacy (S&P) 2026

Journal ref The IEEE Symposium on Security and Privacy (S&P) 2026

MARL-CC: A Mathematical Framework forMulti-Agent Reinforcement Learning in ConnectedAutonomous Vehicles: Addressing Nonlinearity,Partial Observability, and Credit Assignment forOptimal Control

MARL-CC：多智能体强化学习在连接自动驾驶车辆中的数学框架：解决非线性、部分可观测性和信用分配以实现最优控制

Mazyar Taghavi, Javad Vahidi

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

AI总结 MARL-CC提出了一种统一的数学框架，通过整合微分几何控制、贝叶斯推断和夏普利值信用分配，解决多智能体强化学习中的非线性、部分可观测性和信用分配问题，提升收敛速度和协同效率。

PresentCoach: Dual-Agent Presentation Coaching through Exemplars and Interactive Feedback

PresentCoach: 通过典范和交互反馈的双智能体演示指导

Sirui Chen, Jinsong Zhou, Xinli Xu, Xiaoyu Yang, Litao Guo, Ying-Cong Chen

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

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

AI总结 PresentCoach通过双智能体系统，结合典范和交互反馈，提供高效的演示技能指导，提升学习者在教育和专业领域的表现能力。

Comments 13pages,6figures

LLM-Driven Kernel Evolution: Automating Driver Updates in Linux

基于大语言模型的内核进化：自动化Linux驱动更新

Arina Kharlamova, Jiawen Liu, Tianyi Zhang, Xinrui Yang, Humaid Alqasimi, Youcheng Sun, Chun Jason Xue

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

AI总结 基于大语言模型的AUTODRIVER系统通过整合提示工程、多智能体协作等技术，实现了Linux驱动程序的自动化维护，提升了驱动与内核协同进化的安全性与效率。

OpenGloss: A Synthetic Encyclopedic Dictionary and Semantic Knowledge Graph

OpenGloss：一个合成百科词典和语义知识图谱

Michael J. Bommarito

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

AI总结 OpenGloss通过结构化生成方法高效创建了包含丰富语义信息的百科词典和知识图谱，为词汇学习和NLP任务提供全面支持。

Comments 30 pages, 5 figures, 8 tables. Dataset available at https://huggingface.co/datasets/mjbommar/opengloss-dictionary

Learning Mean Field Control on Sparse Graphs

在稀疏图上学习均场控制

Christian Fabian, Kai Cui, Heinz Koeppl

机构 * Department of Electrical Engineering（电气工程与信息科技系） ； Hessian Center for Artificial Intelligence (hessian.AI)（黑森人工智能中心） 纠错

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

AI总结 本文提出了一种针对稀疏图的均场控制模型，通过局部弱收敛理论，设计可扩展的学习算法，以解决多智能体强化学习中稀疏图的挑战。

Comments Accepted at ICML 2025

Dynamic Leader-Follower Consensus with Adversaries: A Multi-Hop Relay Approach

动态领导者-跟随者一致性与对抗：一种多跳中继方法

Liwei Yuan, Hideaki Ishii

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

AI总结 本文提出一种多跳中继方法，用于在存在对抗性邻居干扰的情况下，实现多智能体系统中动态领导者-跟随者一致性问题的鲁棒性与高效跟踪。

Comments 15 pages

Think How Your Teammates Think: Active Inference Can Benefit Decentralized Execution

思考你的队友如何思考：主动推断可以促进去中心化执行

Hao Wu, Shoucheng Song, Chang Yao, Sheng Han, Huaiyu Wan, Youfang Lin, Kai Lv

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

AI总结 本文提出一种非通信MARL框架，通过局部观察建模实现队友决策认知，提升多智能体系统的协作效率。

Comments Accepted by AAAI 2026

Energy-Efficient Task Computation at the Edge for Vehicular Services

边缘计算中为车联网服务的节能任务计算

Paniz Parastar, Giuseppe Caso, Jesus Alberto Omana Iglesias, Andra Lutu, Ozgu Alay

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

AI总结 本文提出了一种基于多智能体强化学习的边缘计算节能任务卸载方法，通过分析汽车移动模式优化任务计算，减少能耗和用户不满，提高车联网服务性能。

Comments Published in: IEEE/IFIP NOMS 2025. The final version is available at: https://doi.org/10.1109/NOMS57970.2025.11073636

Journal ref NOMS 2025-2025 IEEE Network Operations and Management Symposium, pp. 1-9

SonoCraftAR: Towards Supporting Personalized Authoring of Sound-Reactive AR Interfaces by Deaf and Hard of Hearing Users

SonoCraftAR：面向聋人及听力障碍者个性化声音反应AR界面创作的支持系统

Jaewook Lee, Davin Win Kyi, Leejun Kim, Jenny Peng, Gagyeom Lim, Jeremy Zhengqi Huang, Dhruv Jain, Jon E. Froehlich

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

AI总结 SonoCraftAR通过自然语言输入实现聋人及听力障碍者自定义声音反应AR界面创作，展示开放式的可视化创作可能性及AI辅助的可及性提升。

Journal ref 2025 IEEE International Symposium on Mixed and Augmented Reality Adjunct (ISMAR-Adjunct 2025), pp. 536-540

Discovering Antagonists in Networks of Systems: Robot Deployment

在系统网络中发现拮抗者：机器人部署

Ingeborg Wenger, Peter Eberhard, Henrik Ebel

机构 * Institute of Engineering and Computational Mechanics, University of Stuttgart（工程与计算力学研究所，斯图加特大学） ； Department of Mechanical Engineering, LUT University（机械工程系，卢托大学） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 本文提出了一种基于归一化流的上下文异常检测方法，用于识别机器人群体中的拮抗行为，实验表明其在准确率和鲁棒性方面优于现有方法。

Comments reduced file size

Journal ref Robotics and Autonomous Systems, Volume 196, 105235, 2026

Anti-Jamming based on Null-Steering Antennas and Intelligent UAV Swarm Behavior

基于null定向天线和智能无人机蜂群行为的抗干扰

Miguel Lourenço, António Grilo

机构 * Instituto Superior Técnico, University of Lisbon（里斯本大学技术学院） ； INESC INOV 纠错

专题命中 多智能体 ：planning(abstract)

AI总结 本文提出结合GA、SL和RL的统一优化框架，利用null定向天线和智能算法提升无人机蜂群在干扰下的通信稳定性与任务效率。

Comments 10 pages

Vision-Only Gaussian Splatting for Collaborative Semantic Occupancy Prediction

仅视觉的高斯散射用于协作语义占用预测

Cheng Chen, Hao Huang, Saurabh Bagchi

专题命中 多智能体 ：agent(abstract)

AI总结 本研究提出基于稀疏3D语义高斯散射的协作语义占用预测方法，通过高效融合和减少通信开销，提升了协作感知的性能和鲁棒性。

Comments Accepted by AAAI 2026 (Oral)

Whispering Agents: An Event-driven Covert Communication Protocol For the Internet of Agents

低语代理：一种基于事件的隐秘通信协议用于代理互联网

Kaibo Huang, Yukun Wei, Wansheng Wu, Tianhua Zhang, Zhongliang Yang, Linna Zhou

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出了一种基于事件的隐秘通信协议ΠCCAP，利用代理对话的特性实现安全隐秘通信，为代理互联网的安全监控和防御提供基础支持。

Comments Accepted to AAAI-26 (Main, Oral)

FHE-Agent: Automating CKKS Configuration for Practical Encrypted Inference via an LLM-Guided Agentic Framework

FHE-Agent：通过LLM引导的代理框架自动化CKKS配置以实现实用的加密推断

Nuo Xu, Zhaoting Gong, Ran Ran, Jinwei Tang, Wujie Wen, Caiwen Ding

机构 * University of Minnesota -- Twin Cities（明尼苏达大学-双城分校） ； North Carolina State University（北卡罗来纳州立大学） 纠错

专题命中 工作流自动化 ：agent(title,abstract)；agentic(title,abstract)；workflow(abstract)；分类 cs.AI、cs.LG

AI总结 FHE-Agent通过LLM引导的代理框架自动化CKKS配置，提升加密推断的精度与效率

A Multidisciplinary Design and Optimization (MDO) Agent Driven by Large Language Models

由大型语言模型驱动的多学科设计与优化（MDO）代理

Bingkun Guo, Wentian Li, Xiaojian Liu, Jiaqi Luo, Zibin Yu, Dalong Dong, Shuyou Zhang, Yiming Zhang

机构 * State Key Laboratory of Fluid Power Transmission and Control（流体动力传动与控制国家重点实验室） ； School of Aeronautics and Astronautics（航空宇航科学与技术学院） ； China Ship Development and Design Center（船舶设计发展研究中心） 纠错

专题命中 工作流自动化 ：agent(title,abstract)；workflow(abstract)；分类 cs.AI

AI总结 由大型语言模型驱动的MDO代理通过参数建模、知识引导和智能协调实现机械设计的自动化与创新。

Artificial Intelligence Driven Workflow for Accelerating Design of Novel Photosensitizers

由人工智能驱动的工作流加速新型光敏剂设计

Hongyi Wang, Xiuli Zheng, Weimin Liu, Zitian Tang, Sheng Gong

机构 * Department of Chemistry（化学系） ； Chinese Academy of Sciences（中国科学院） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 工作流自动化 ：workflow(title,abstract)；分类 cs.LG

AI总结 本研究提出AAPSI工作流，结合专家知识和AI优化，加速新型光敏剂设计，发现具有高量子产率和长吸收波长的HB4Ph候选者

The Workflow as Medium: A Framework for Navigating Human-AI Co-Creation

流程作为媒介：一种导航人机协同创作的框架

Lee Ackerman

机构 * Media University of Applied Sciences（应用科学媒体大学） 纠错

专题命中 工作流自动化 ：workflow(title,abstract)；分类 cs.AI

AI总结 本文提出创意智能循环框架，通过图文小说探讨人工智能在人机协同创作中的伦理与治理挑战，推动AI素养提升。

Comments 57 pages, 13 images, 6 tables

CNN-Based Camera Pose Estimation and Localisation of Scan Images for Aircraft Visual Inspection

基于CNN的飞机视觉检测中扫描图像的相机姿态估计与定位

Xueyan Oh, Leonard Loh, Shaohui Foong, Zhong Bao Andy Koh, Kow Leong Ng, Poh Kang Tan, Pei Lin Pearlin Toh, U-Xuan Tan

机构 * Pillar of Engineering Product Development（工程产品发展中心） ； Singapore University of Technology and Design（新加坡科技设计大学） ； ST Engineering Aerospace Ltd.（ST工程航空航天有限公司） 纠错

专题命中 工作流自动化 ：planning(abstract)；workflow(abstract)

AI总结 本文提出基于CNN的无基础设施方法，用于飞机视觉检测中扫描图像的相机姿态估计与定位，通过领域随机化和几何优化提升精度。

Comments 12 pages, 12 figures

Journal ref X. Oh et al., "CNN-Based Camera Pose Estimation and Localization of Scan Images for Aircraft Visual Inspection," in IEEE Transactions on Intelligent Transportation Systems, vol. 25, no. 8, pp. 8629-8640, Aug. 2024

Time Travel: LLM-Assisted Semantic Behavior Localization with Git Bisect

时间旅行：借助Git Bisect的LLM辅助语义行为定位

Yujing Wang, Weize Hong

机构 * University of Waterloo（滑铁卢大学） ； Brock University（布罗克大学） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI、cs.SE

AI总结 本文提出利用LLM和Git Bisect进行语义行为定位，通过结构化推理链提升故障定位准确率，实验显示成功率提升6.4个百分点，平均bisect时间减少2倍。

Comments submitted to Git Bisect SCALCOM 2025 Calgary (to be published)

DynamiX: Dynamic Resource eXploration for Personalized Ad-Recommendations

DynamiX: 动态资源探索用于个性化广告推荐

Sohini Roychowdhury, Adam Holeman, Mohammad Amin, Feng Wei, Bhaskar Mehta, Srihari Reddy

机构 * Meta, Ads Data and Representation learning（Meta） 纠错

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.LG、cs.SE

AI总结 Dynamix通过动态资源探索和特征增强提升个性化广告推荐的效率与准确性。

Comments 9 pages, 3 Tables, 5 images. https://openreview.net/pdf?id=oglD54lvcB

Journal ref Neurips 2025 Workshop, Reliable ML from Unreliable Data