AI Agent

Building from Scratch: A Multi-Agent Framework with Human-in-the-Loop for Multilingual Legal Terminology Mapping

从零开始构建：一种带有人在回路的多智能体框架用于多语言法律术语映射

Lingyi Meng, Maolin Liu, Hao Wang, Yilan Cheng, Qi Yang, Idlkaid Mohanmmed

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

AI总结 本文提出了一种人机协作的多智能体框架，用于构建多语言法律术语数据库，通过整合AI和人类专家，提升多语言法律术语映射的精度和可扩展性。

Comments 43 pages, 6 fingures, accepted in Artificial Intelligence and Law (2025)

MALLM: Multi-Agent Large Language Models Framework

MALLM：多智能体大语言模型框架

Jonas Becker, Lars Benedikt Kaesberg, Niklas Bauer, Jan Philip Wahle, Terry Ruas, Bela Gipp

机构 * University of Göttingen（哥廷根大学） ； LKA NRW（北莱茵-威斯特法伦州实验室） 纠错

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

AI总结 MALLM是一个开源框架，通过提供多种配置选项，系统分析多智能体辩论的组件，促进对智能体角色、响应生成器、讨论范式和决策协议的深入理解。

Comments Accepted at EMNLP 2025 (Demo)

Diagnose, Localize, Align: A Full-Stack Framework for Reliable LLM Multi-Agent Systems under Instruction Conflicts

诊断、定位、对齐：一种用于在指令冲突下可靠LLM多智能体系统的全栈框架

Guancheng Wan, Leixin Sun, Longxu Dou, Zitong Shi, Fang Wu, Eric Hanchen Jiang, Wenke Huang, Guibin Zhang, Hejia Geng, Xiangru Tang, Zhenfei Yin, Yizhou Sun, Wei Wang

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Sea AI Lab（Sea AI 实验室） ； Stanford University（斯坦福大学） ； University of Oxford（牛津大学） ； Yale University（耶鲁大学） ； NTU（南洋理工大学） ； NUS（新加坡国立大学） ； Boston University（波士顿大学） 纠错

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

AI总结 本文提出了一种全栈框架，通过诊断、定位和对齐三个阶段提升LLM多智能体系统在指令冲突下的可靠性。

Comments Upon further review, we realized that the version submitted to arXiv was not the final draft and omits crucial results and discussion. To avoid confusion and ensure the integrity of the record, we request withdrawal and will resubmit once the complete work is ready

MAC: A Multi-Agent Framework for Interactive User Clarification in Multi-turn Conversations

MAC：一种用于多轮对话中交互式用户澄清的多智能体框架

Emre Can Acikgoz, Jinoh Oh, Joo Hyuk Jeon, Jie Hao, Heng Ji, Dilek Hakkani-Tür, Gokhan Tur, Xiang Li, Chengyuan Ma, Xing Fan

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon Alexa（亚马逊Alexa） 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 MAC提出了一种多智能体框架，通过战略性管理澄清对话来解决用户模糊性，提升了任务成功率并减少了对话轮次。

Coherent Multi-Agent Trajectory Forecasting in Team Sports with CausalTraj

在团队体育中利用因果轨迹进行相干多智能体轨迹预测

Wei Zhen Teoh

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

AI总结 CausalTraj通过因果轨迹模型在团队体育中实现多智能体轨迹预测，提升联合预测的准确性和场景连贯性。

Comments 9 pages, 3 figures, accepted to the AI4TS Workshop at AAAI 2026

Distributed Detection of Adversarial Attacks in Multi-Agent Reinforcement Learning with Continuous Action Space

在连续动作空间的多智能体强化学习中分布式检测对抗攻击

Kiarash Kazari, Ezzeldin Shereen, György Dán

机构 * KTH Royal Institute of Technology（皇家理工学院） 纠错

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

AI总结 本文提出了一种在连续动作空间的多智能体强化学习中检测对抗攻击的去中心化方法，通过深度神经网络近似正常行为并利用CUSUM过程实时检测异常行为，实验表明其在检测攻击方面优于离散方法。

Comments Accepted for publication at ECAI 2025

Journal ref Proceedings of the European Conference on Artificial Intelligence (ECAI 2025)

Scalable and Reliable Multi-agent Reinforcement Learning for Traffic Assignment

可扩展且可靠的多智能体强化学习用于交通分配

Leizhen Wang, Peibo Duan, Cheng Lyu, Zewen Wang, Zhiqiang He, Nan Zheng, Zhenliang Ma

机构 * Department of Data Science and Artificial Intelligence, Monash University（数据科学与人工智能系，墨尔本大学） ； Chair of Transportation Systems Engineering, Technical University of Munich（交通系统工程主任，慕尼黑技术大学） ； School of Transportation, Southeast University（交通学院，东南大学） ； The Graduate School of Informatics and Engineering, The University of Electro-Communications（信息与工程研究生院，电通大学） ； Department of Civil Engineering, Monash University（土木工程系，墨尔本大学） ； Department of Civil and Architectural Engineering, KTH Royal Institute of Technology（土木与建筑工程系，皇家理工技术学院） 纠错

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

AI总结 本文提出MARL-OD-DA框架，通过重新定义智能体为OD对路由器，提升交通分配的可扩展性和可靠性，有效处理大规模交通问题。

The Traitors: Deception and Trust in Multi-Agent Language Model Simulations

背叛者：多智能体语言模型模拟中的欺骗与信任

Pedro M. P. Curvo

机构 * University of Amsterdam（阿姆斯特丹大学） 纠错

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

AI总结 The Traitors通过多智能体模拟研究LLM在社交互动中的欺骗与信任问题，揭示先进模型在欺骗能力与检测能力上的不对称性。

Comments 9 main pages, 31 pages

Regret Lower Bounds for Decentralized Multi-Agent Stochastic Shortest Path Problems

去中心化多智能体随机最短路径问题的遗憾下界

Utkarsh U. Chavan, Prashant Trivedi, Nandyala Hemachandra

机构 * Department of Mechanical Engineering（机械工程系） ； Indian Institute of Technology Bombay（孟买印度理工学院） ； School of Computer Science（计算机科学学院） ； University of Petroleum and Energy Studies（石油与能源研究大学） ； Industrial Engineering and Operations Research（工业工程与运筹学） 纠错

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

AI总结 本文研究了去中心化多智能体随机最短路径问题，通过线性函数逼近提出首个遗憾下界，揭示了该问题的学习难度。

Comments To appear in 39th Conference on Neural Information Processing Systems (NeurIPS 2025)

AutoMV: An Automatic Multi-Agent System for Music Video Generation

AutoMV: 一种自动多智能体系统用于音乐视频生成

Xiaoxuan Tang, Xinping Lei, Chaoran Zhu, Shiyun Chen, Ruibin Yuan, Yizhi Li, Changjae Oh, Ge Zhang, Wenhao Huang, Emmanouil Benetos, Yang Liu, Jiaheng Liu, Yinghao Ma

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Nanjing University（南京大学） ； Queen Mary University of London（伦敦大学女王学院） ； Hong Kong University of Science and Technology（香港科技大学） ； University of Manchester（曼彻斯特大学） 纠错

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

AI总结 AutoMV通过多智能体协作生成完整音乐视频，优于现有方法并接近专业水准。

Designing The Internet of Agents: A Framework for Trustworthy, Transparent, and Collaborative Human-Agent Interaction (HAX)

设计智能体互联网：信任、透明和协作人机交互的框架

Marc Scibelli, Krystelle Gonzalez Papaux, Julia Valenti, Srishti Kush

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

AI总结 HAX框架通过整合行为启发式、模式驱动SDK和行为代理概念，为信任、透明和协作的人机交互提供端到端解决方案。

Trusted AI Agents in the Cloud

云中的可信AI代理

Teofil Bodea, Masanori Misono, Julian Pritzi, Patrick Sabanic, Thore Sommer, Harshavardhan Unnibhavi, David Schall, Nuno Santos, Dimitrios Stavrakakis, Pramod Bhatotia

机构 * Technical University of Munich（慕尼黑技术大学） ； INESC-ID/Instituto Superior Tecnico, University of Lisbon（里斯本大学技术学院） 纠错

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

AI总结 Omega系统通过端到端隔离和可验证信任建立，实现云中可信AI代理的安全运行与高效多代理部署。

Context-Aware Agentic Power Resources Optimisation in EV using Smart2ChargeApp

基于情境的智能电力资源优化在电动汽车中的应用

Muddsair Sharif, Huseyin Seker

机构 * Faculty of Computing, Engineering and the Built Environment（计算、工程与建成环境学院） ； Birmingham City University（伯明翰城市大学） ； Department of Information Systems, College of Computing and Informatics（信息系统系，计算与信息学院） ； The University of Sharjah（沙迦大学） 纠错

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

AI总结 本文提出了一种基于情境的多智能体协调框架，用于优化电动汽车充电生态系统，通过情境感知决策实现多利益相关者的平衡，提升了能源效率和成本效益。

Hypergame Rationalisability: Solving Agent Misalignment In Strategic Play

超游戏理性化：解决战略博弈中的代理不一致问题

Vince Trencsenyi

机构 * Royal Holloway University of London（伦敦皇家霍洛威大学） 纠错

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

AI总结 本文提出了一种基于逻辑的领域特定语言，用于编码超游戏结构和解决方案概念，通过答案集编程实现自动流程，解决战略博弈中的代理不一致问题。

Systematization of Knowledge: Security and Safety in the Model Context Protocol Ecosystem

知识体系化：模型上下文协议生态系统中的安全与安全

Shiva Gaire, Srijan Gyawali, Saroj Mishra, Suman Niroula, Dilip Thakur, Umesh Yadav

机构 * Tribhuvan University（特里布文大学） ； University of North Dakota（北达科他大学） ； Youngstown State University（亚当斯州立大学） ； University of Missouri（密苏里大学） ； University of Toledo（托莱多大学） 纠错

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

AI总结 本文系统化分析了模型上下文协议生态系统中的安全与安全风险，提出了全面的风险分类，并探讨了从对话聊天机器人到自主代理操作系统安全过渡的路线图。

Comments All authors contributed equally to this work

OmniScientist: Toward a Co-evolving Ecosystem of Human and AI Scientists

OmniScientist：迈向人类与AI科学家共进的生态系统

Chenyang Shao, Dehao Huang, Yu Li, Keyu Zhao, Weiquan Lin, Yining Zhang, Qingbin Zeng, Zhiyu Chen, Tianxing Li, Yifei Huang, Taozhong Wu, Xinyang Liu, Ruotong Zhao, Mengsheng Zhao, Jiaoyang Li, Xuhua Zhang, Yue Wang, Yuanyi Zhen, Fengli Xu, Yong Li, Tie-Yan Liu

机构 * Department of Electronic Engineering, BNRist, Tsinghua University（电子工程系，BNRist，清华大学） ； Zhongguancun Academy（中关村学院） 纠错

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

AI总结 OmniScientist通过模拟人类科学系统，实现AI与人类科学家的协作与共进化，构建可持续的创新生态系统。

Cisco Integrated AI Security and Safety Framework Report

思科集成AI安全与安全框架报告

Amy Chang, Tiffany Saade, Sanket Mendapara, Adam Swanda, Ankit Garg

机构 * Cisco AI Threat and Security Research（思科人工智能威胁与安全研究） 纠错

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

AI总结 本文提出思科集成AI安全与安全框架，旨在统一分类和操作化AI风险，涵盖安全与安全，适用于威胁识别、风险优先级排序等，具有全面性和扩展性。

Three Lenses on the AI Revolution: Risk, Transformation, Continuity

人工智能革命的三个视角：风险、变革与连续性

Masoud Makrehchi

机构 * Ontariotechu（安大略技术大学） 纠错

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

AI总结 本文从风险、变革与连续性三个视角探讨AI革命，指出其兼具进化与革命特性，需通过治理与责任机制确保安全与公平。

Comments 18 pages

A decentralised forward-backward-type algorithm with network-independent heterogenous agent step sizes

一种具有网络无关异质代理步长的去中心化前向-后向型算法

Matthew K Tam, Liam Timms, Lele Zhang

专题命中 多智能体 ：agent(title)

AI总结 本文提出了一种去中心化前向-后向型算法，用于求解极大单调算子之和的零点问题，代理可独立选择步长且不依赖通信网络结构。

ElasticVR: Elastic Task Computing in Multi-User Multi-Connectivity Wireless Virtual Reality (VR) Systems

ElasticVR：多用户多连接无线虚拟现实（VR）系统中的弹性任务计算

Babak Badnava, Jacob Chakareski, Morteza Hashemi

机构 * University of Kansas（堪萨斯大学） ； New Jersey Institute of Technology（新泽西理工学院） 纠错

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

AI总结 ElasticVR通过多智能体深度强化学习提升多用户多连接VR系统的弹性任务计算效率与性能

Comments Submitted to ACM TOMM

S-D-RSM: Stochastic Distributed Regularized Splitting Method for Large-Scale Convex Optimization Problems

S-D-RSM：用于大规模凸优化问题的随机分布式正则化分裂方法

Maoran Wang, Xingju Cai, Yongxin Chen

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

AI总结 S-D-RSM提出了一种随机分布式正则化分裂方法，用于解决大规模凸优化问题，实现了无需递减步长或强凸性假设的全局收敛，并在速度和精度上优于现有方法。

Comments AAAI2026 oral

Async Control: Stress-testing Asynchronous Control Measures for LLM Agents

异步控制：对LLM代理的异步控制措施进行压力测试

Asa Cooper Stickland, Jan Michelfeit, Arathi Mani, Charlie Griffin, Ollie Matthews, Tomek Korbak, Rogan Inglis, Oliver Makins, Alan Cooney

机构 * UK AI Security Institute（英国人工智能安全研究所） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 本研究通过模拟对抗游戏，开发异步监控系统以检测和防止LLM代理的破坏行为，并评估其在实际部署中的风险。

Re-opening open-source science through AI assisted development

通过AI辅助开发重新开启开源科学

Ling-Hong Hung, Ka Yee Yeung

专题命中 多智能体 ：agentic(abstract)；分类 cs.SE

AI总结 通过AI辅助开发，STAR-Flex实现了对Flex数据的开源处理，首次开放了这一领域，同时保持原有功能并扩展了处理能力。

CoRA: A Collaborative Robust Architecture with Hybrid Fusion for Efficient Perception

CoRA: 一种具有混合融合的协作鲁棒架构以实现高效的感知

Gong Chen, Chaokun Zhang, Pengcheng Lv, Xiaohui Xie

专题命中 多智能体 ：agent(abstract)

AI总结 CoRA通过混合融合方法实现高效且鲁棒的协作感知，显著提升性能并降低通信开销。

Comments Accepted by AAAI2026

Fast and Communication-Efficient Multi-UAV Exploration Via Voronoi Partition on Dynamic Topological Graph

基于动态拓扑图的快速多无人机探索方法：通过Voronoi划分提高通信效率

Qianli Dong, Haobo Xi, Shiyong Zhang, Qingchen Bi, Tianyi Li, Ziyu Wang, Xuebo Zhang

机构 * College of Artificial Intelligence, Nankai University（人工智能学院，南开大学） 纠错

专题命中 多智能体 ：planning(abstract)

AI总结 本文提出基于动态拓扑图和图Voronoi划分的多无人机探索方法，通过高效通信和合理任务分配提升探索效率。

Comments 8 pages, 8 figures, accepted by IEEE IROS2024, code see https://github.com/NKU-MobFly-Robotics/GVP-MREP

Journal ref 2024 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Abu Dhabi, United Arab Emirates, 2024, pp. 14063-14070