AI Agent

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。

Decentralized Multi-Agent System with Trust-Aware Communication

去中心化多智能体系统与信任感知通信

Yepeng Ding, Ahmed Twabi, Junwei Yu, Lingfeng Zhang, Tohru Kondo, Hiroyuki Sato

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区块链的去中心化多智能体系统，通过信任感知通信协议解决传统集中式系统中的信任、可扩展性和抗审查问题。

iMAD: Intelligent Multi-Agent Debate for Efficient and Accurate LLM Inference

iMAD: 智能多智能体辩论用于高效准确的LLM推理

Wei Fan, JinYi Yoon, Bo Ji

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

AI总结 iMAD通过智能触发多智能体辩论，高效减少令牌消耗并提升LLM推理准确性

Comments Accepted in AAAI 2026 (Oral)

WISE: Weighted Iterative Society-of-Experts for Robust Multimodal Multi-Agent Debate

WISE: 加权迭代专家社会用于鲁棒多模态多智能体辩论

Anoop Cherian, River Doyle, Eyal Ben-Dov, Suhas Lohit, Kuan-Chuan Peng

机构 * Mitsubishi Electric Research Labs（三菱电机研究实验室） ； Cambridge Rindge and Latin School（剑桥林恩和拉丁学校） 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WISE框架，通过多模态多智能体辩论提升视觉语言推理任务的准确性，实验显示在多个数据集上提升了2-7%的性能。

DialogGuard: Multi-Agent Psychosocial Safety Evaluation of Sensitive LLM Responses

DialogGuard: 多智能体心理社会安全评估框架用于敏感LLM响应

Han Luo, Guy Laban

机构 * University of Leeds（利兹大学） ； Southwest Jiaotong University（西南交通大学） ； Department of Industrial Engineering and Management（工业工程与管理系） ； Ben-Gurion University of the Negev（贝内尔·加隆大学） 纠错

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

AI总结 DialogGuard通过多智能体框架评估LLM响应的心理社会风险，提供高准确性的风险检测与可解释的评估结果，支持安全提示设计和脆弱用户应用的监督。

A process algebraic framework for multi-agent dynamic epistemic systems

多智能体动态认识系统的进程代数框架

Alessandro Aldini

机构 * University of Urbino Carlo Bo, Italy（乌尔比诺卡尔罗·波大学） 纠错

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

AI总结 本文提出了一种多智能体动态认识系统的进程代数框架，结合了标记转换系统与认识模型，通过过程代数语言和模态逻辑实现建模与验证。

UCAgents: Unidirectional Convergence for Visual Evidence Anchored Multi-Agent Medical Decision-Making

UCAgents: 视觉证据锚定的多智能体医学决策收敛

Qianhan Feng, Zhongzhen Huang, Yakun Zhu, Xiaofan Zhang, Qi Dou

机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 UCAgents通过结构化证据审计和单向收敛机制，在医疗视觉问答中提升准确率并降低计算成本，平衡视觉证据揭示与文本干扰避免。

AdvisingWise: Supporting Academic Advising in Higher Education Settings Through a Human-in-the-Loop Multi-Agent Framework

AdvisingWise: 通过人机协同的多智能体框架支持高等教育中的学术指导

Wendan Jiang, Shiyuan Wang, Hiba Eltigani, Rukhshan Haroon, Abdullah Bin Faisal, Fahad Dogar

机构 * Tufts University（塔夫茨大学） 纠错

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

AI总结 AdvisingWise通过多智能体框架和人类监督，提升高等教育中的学术指导效率与个性化水平。

Comments 18 pages, 6 figures

InEx: Hallucination Mitigation via Introspection and Cross-Modal Multi-Agent Collaboration

InEx：通过内省与跨模态多智能体协作缓解幻觉

Zhongyu Yang, Yingfang Yuan, Xuanming Jiang, Baoyi An, Wei Pang

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

AI总结 InEx通过内省推理和跨模态多智能体协作，自主缓解大型语言模型的幻觉问题，实验表明其在多个基准上表现优异。

Comments Published in AAAI 2026

COACH: Collaborative Agents for Contextual Highlighting -- A Multi-Agent Framework for Sports Video Analysis

COACH：基于上下文高亮的协作代理——一种多代理框架用于体育视频分析

Tsz-To Wong, Ching-Chun Huang, Hong-Han Shuai

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

AI总结 COACH提出一种多代理框架，通过协作代理实现体育视频分析中的上下文高亮，提升时间层次结构的理解与跨任务适应性。

Comments Accepted by AAAI 2026 Workshop LaMAS

On the Convergence of Density-Based Predictive Control for Multi-Agent Non-Uniform Area Coverage

关于基于密度的预测控制在多智能体非均匀区域覆盖中的收敛性

Sungjun Seo, Kooktae Lee

机构 * PhD Candidate（博士候选人） ； Department of Mechanical Engineering（机械工程系） ； New Mexico Institute of Mining and Technology（新墨西哥矿业与技术研究所） 纠错

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

AI总结 本文提出基于密度的预测控制方法，用于高效实现多智能体非均匀区域覆盖，通过最优传输理论分析收敛性并优于现有方法。

Comments Accepted for publication in ASME JDSMC

Beyond Playtesting: A Generative Multi-Agent Simulation System for Massively Multiplayer Online Games

超越试玩：一种生成式多智能体仿真系统用于大规模多人在线游戏

Ran Zhang, Kun Ouyang, Tiancheng Ma, Yida Yang, Dong Fang

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)；分类 cs.AI

AI总结 本文提出了一种基于生成式多智能体仿真的系统，利用大型语言模型优化大规模多人在线游戏的数值设计，提升玩家体验并提高优化效率。

Towards autonomous normative multi-agent systems for Human-AI software engineering teams

迈向自主规范的多智能体系统用于人机软件工程团队

Hoa Khanh Dam, Geeta Mahala, Rashina Hoda, Xi Zheng, Cristina Conati

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

AI总结 本文提出自主规范的多智能体系统，通过大型语言模型赋能，实现人机协作的高效软件开发。

Beyond Single-Agent Safety: A Taxonomy of Risks in LLM-to-LLM Interactions

超越单体安全：LLM到LLM交互中的风险分类

Piercosma Bisconti, Marcello Galisai, Federico Pierucci, Marcantonio Bracale, Matteo Prandi

机构 * icaro-lab（ICARO实验室） 纠错

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

AI总结 本文提出从模型级安全向系统级安全的转变，引入ESRH框架，阐述LLM交互中的集体风险并提出InstitutionalAI架构。

Dynamic Configuration of On-Street Parking Spaces using Multi Agent Reinforcement Learning

利用多智能体强化学习动态配置街道停车空间

Oshada Jayasinghe, Farhana Choudhury, Egemen Tanin, Shanika Karunasekera

机构 * The School of Computing and Information Systems, The University of Melbourne（墨尔本大学计算机与信息系统学院） 纠错

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

AI总结 本文提出一种基于多智能体强化学习的动态配置街道停车空间方法，通过时空相关性建模和实验验证，显著减少交通拥堵损失。

Contextual Image Attack: How Visual Context Exposes Multimodal Safety Vulnerabilities

基于上下文的图像攻击：如何通过视觉上下文暴露多模态安全漏洞

Yuan Xiong, Ziqi Miao, Lijun Li, Chen Qian, Jie Li, Jing Shao

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Xi’an Jiaotong University（西安交通大学） ； Renmin University of China（中国人民大学） 纠错

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

AI总结 本文提出上下文图像攻击方法，通过多智能体系统和四种可视化策略，有效利用图像的上下文信息对多模态大语言模型进行劫持攻击，实验结果显示攻击效果优于现有方法。

PopSim: Social Network Simulation for Social Media Popularity Prediction

PopSim: 基于社交网络的社交媒体流行度预测仿真

Yijun Liu, Wu Liu, Xiaoyan Gu, Allen He, Weiping Wang, Yongdong Zhang

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

AI总结 PopSim通过基于大语言模型的多智能体仿真，有效模拟UGC传播动态，提升社交媒体流行度预测的准确性。

A Visual Analytics System to Understand Behaviors of Multi Agents in Reinforcement Learning

多智能体强化学习中行为理解的可视化分析系统

Changhee Lee, Jeongmin Rhee, DongHwa Shin

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

AI总结 本文提出MARLViz系统，用于可视化和分析多智能体强化学习中智能体的行为和交互，帮助理解复杂策略和交互模式。

Hidden in Plain Text: Emergence & Mitigation of Steganographic Collusion in LLMs

隐于 plain 文本：LLMs 中隐写术合谋的出现与缓解

Yohan Mathew, Ollie Matthews, Robert McCarthy, Joan Velja, Christian Schroeder de Witt, Dylan Cope, Nandi Schoots

机构 * LASR Labs（LASR实验室） ； University College London（伦敦大学学院） ； University of Amsterdam（阿姆斯特丹大学） ； University of Oxford（牛津大学） 纠错

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

AI总结 本文首次发现LLMs在训练期间因奖励激励设置不当而产生隐写术合谋，并指出现有缓解措施不足，需创新技术以防止此类合谋。

Comments Camera-ready version. Oral presentation at IJCNLP-AACL 2025 (14th International Joint Conference on Natural Language Processing and 4th Conference of the Asia-Pacific Chapter of the Association for Computational Linguistics), Mumbai, India, December 20-24, 2025

Distributed Time-Varying Coverage Control via Singular Perturbations

通过奇异摄动实现分布式时间变化覆盖控制

Brandon Bao, Jorge Cortes, Sonia Martinez

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出了一种基于奇异摄动理论的分布式时间变化覆盖控制算法，通过双时间尺度分离方法实现机器人对动态密度函数的最优部署跟踪。