AI Agent

Treatment Effects with Correlated Spillovers: Bridging Discrete and Continuous Methods

带相关溢出效应的治疗效果：弥合离散与连续方法

Tatsuru Kikuchi

专题命中 规划决策 ：agent(abstract)

AI总结 本文提出一个连续框架，整合离散与连续方法，通过互信息度量溢出效应，验证无溢出限制下的正确推断。

Comments Added explanation on the relationship between conventional and continuous methods

PlanScope: Learning to Plan Within Decision Scope for Urban Autonomous Driving

PlanScope: 在决策范围内学习城市自动驾驶中的规划

Ren Xin, Jie Cheng, Hongji Liu, Jun Ma

机构 * Division of Emerging Interdisciplinary Areas, The Hong Kong University of Science and Technology（新兴交叉领域 division, 香港科学与技术大学） ； Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology (Guangzhou)（机器人与自主系统 thrust, 香港科学与技术大学（广州）） ； Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（电子与计算机工程 department, 香港科学与技术大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 PlanScope通过分离短期和长期决策，提升城市自动驾驶规划模型的收敛效率和性能。

Analyzing Code Injection Attacks on LLM-based Multi-Agent Systems in Software Development

分析基于大语言模型的多智能体系统在软件开发中的代码注入攻击

Brian Bowers, Smita Khapre, Jugal Kalita

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

AI总结 本文研究了基于大语言模型的多智能体系统在软件开发中的代码注入攻击问题，提出了一种更健壮的架构，并通过添加安全分析代理提升了系统的安全性和效率。

GroupDebate: Enhancing the Efficiency of Multi-Agent Debate Using Group Discussion

GroupDebate: 通过群体讨论提升多智能体辩论效率

Tongxuan Liu, Xingyu Wang, Weizhe Huang, Wenjiang Xu, Yuting Zeng, Lei Jiang, Hailong Yang, Jing Li

机构 * University of Science and Technology of China（中国科学技术大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beihang University（北航） 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 本文提出GroupDebate方法，通过将智能体划分为小组并共享中间结果，减少多智能体辩论的token成本，提升效率和准确性。

Comments Accepted by AAMAS 2026

Multi-Agent LLM Committees for Autonomous Software Beta Testing

多智能体大语言模型委员会用于自主软件Beta测试

Sumanth Bharadwaj Hachalli Karanam, Dhiwahar Adhithya Kennady

机构 * New York University（纽约大学） 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 多智能体大语言模型委员会通过三轮投票协议实现自主软件Beta测试，显著提高任务成功率和漏洞检测效率。

MASFIN: A Multi-Agent System for Decomposed Financial Reasoning and Forecasting

MASFIN：一种用于分解金融推理和预测的多智能体系统

Marc S. Montalvo, Hamed Yaghoobian

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

AI总结 MASFIN通过整合LLMs与结构化财务指标和非结构化新闻，提出了一种模块化的多智能体系统，以提高金融预测的透明性和可重复性，实现优于基准的短期投资回报。

Comments Accepted to the NeurIPS 2025 Workshop on Generative AI in Finance

AI Urban Scientist: Multi-Agent Collaborative Automation for Urban Research

AI城市科学家：面向城市研究的多智能体协作自动化

Tong Xia, Jiankun Zhang, Ruiwen You, Ao Xu, Linghao Zhang, Tengyao Tu, Jingzhi Wang, Jinghua Piao, Yunke Zhang, Fengli Xu, Yong Li

机构 * Vanke School of Public Health, Tsinghua University, Beijing, China（范克学校公共卫生学院，清华大学，北京，中国） ； Zhongguancun Academy, Beijing, China（中关村学院，北京，中国） ； Department of Electronic Engineering, Tsinghua University, Beijing, China（电子工程系，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)；分类 cs.CL

AI总结 本文提出AI城市科学家，通过多智能体协作自动化，整合异构数据生成城市研究的结构化知识，提升自主研究效率与准确性。

Democratizing Drug Discovery with an Orchestrated, Knowledge-Driven Multi-Agent Team for User-Guided Therapeutic Design

用协同、知识驱动的多智能体团队实现药物发现民主化

Takahide Suzuki, Kazuki Nakanishi, Takashi Fujiwara, Hideyuki Shimizu

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

AI总结 OrchestRA通过协同、知识驱动的多智能体团队，整合生物学、化学和药理学，实现药物发现的自主化与民主化，推动其从随机搜索向可编程证据工程转型。

Comments 51 pages, 4 figures (with supplementary information)

From Visual Perception to Deep Empathy: An Automated Assessment Framework for House-Tree-Person Drawings Using Multimodal LLMs and Multi-Agent Collaboration

从视觉感知到深度共情：一种利用多模态大语言模型和多智能体协作的房屋-树-人绘画自动评估框架

Shuide Wen, Yu Sun, Beier Ku, Zhi Gao, Lijun Ma, Yang Yang, Can Jiao

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

AI总结 本文提出利用多模态大语言模型和多智能体协作，开发自动评估房屋-树-人绘画测试的框架，以提升投射评估的标准化和效率。

Comments 16 pages, 8 figures

The AI Committee: A Multi-Agent Framework for Automated Validation and Remediation of Web-Sourced Data

AI委员会：一种多智能体框架，用于自动验证和修复网络来源的数据

Sunith Vallabhaneni, Thomas Berkane, Maimuna Majumder

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

AI总结 AI委员会是一种多智能体框架，通过自动化验证和修复网络数据集，提升数据质量和准确性。

Safe Control of Multi-Agent Systems with Minimal Communication

多智能体系统安全控制的最小通信

Mo Yang, Jing Yu, Necmiye Ozay

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

AI总结 本文提出了一种多智能体系统中最小化通信的控制器设计方法，通过秩最小化问题和系统级合成实现安全性和协调性的保障。

Comments to appear at 2025 IEEE Conference on Decision and Control (CDC)

Retrieval-Augmented Multi-Agent System for Rapid Statement of Work Generation

增强检索的多智能体系统用于快速制定工作说明书

Amulya Suravarjhula, Rashi Chandrashekhar Agrawal, Sakshi Jayesh Patel, Rahul Gupta

机构 * University of Texas, Dallas, United States（德克萨斯大学达拉斯分校） ； Insight Global, Atlanta, United States（洞察全球） 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多智能体的增强检索系统，用于快速生成工作说明书，通过智能体协作提高效率和准确性，减少法律风险。

Comments 7 pages

Journal ref ICMLA 2025

SIGN: Schema-Induced Games for Naming

SIGN：基于模式的命名游戏

Ryan Zhang, Herbert Woisetschläger

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

AI总结 SIGN通过引入轻量结构引导惯例形成，提升了多代理协调效率，其在命名游戏中展示了更高的收敛速度和一致性。

Comments AAAI 2026 Student Abstract (Oral). Code available ar https://github.com/ryanzhangofficial/schema-induced-games-for-naming

FUSCO: High-Performance Distributed Data Shuffling via Transformation-Communication Fusion

FUSCO：通过变换-通信融合实现高性能分布式数据洗牌

Zhuoran Zhu, Chunyang Zhu, Hao Lin, Xu Fu, Yiming Zhou, Quanlu Zhang, Zhenhua Li, Feng Qian, Chao Yu, Boxun Li, Guohao Dai, Yu Wang

专题命中 多智能体 ：planning(abstract)

AI总结 FUSCO通过融合数据转换和通信实现高效数据洗牌，提升MoE模型的训练和推理性能。

A2P-Vis: an Analyzer-to-Presenter Agentic Pipeline for Visual Insights Generation and Reporting

A2P-Vis：一个分析员到报告员的代理流水线用于生成和报告视觉洞察

Shuyu Gan, Renxiang Wang, James Mooney, Dongyeop Kang

机构 * University of Minnesota（明尼苏达大学） 纠错

专题命中 工作流自动化 ：agentic(title)；agent(abstract)；AI agent(abstract)；multi-agent(abstract)

AI总结 A2P-Vis通过多代理系统自动生成高质量数据可视化报告，结合分析员和报告员功能，实现端到端的自动化数据洞察生成与报告输出。

Comments 3 pages, 3 figures; Accepted by 1st Workshop on GenAI, Agents and the Future of VIS as Mini-challenge paper and win the Honorable Mention award. Submit number is 7597 and the paper is archived on the workshop website: https://visxgenai.github.io/subs-2025/7597/7597-doc.pdf

Journal ref 1st Workshop on GenAI, Agents, and the Future of VIS (VIS x GenAI), November 2025, Vienna, Austria

A Plan Reuse Mechanism for LLM-Driven Agent

面向LLM驱动代理的计划重用机制

Guopeng Li, Ruiqi Wu, Haisheng Tan

专题命中 工作流自动化 ：agent(title,abstract)

AI总结 本文提出AgentReuse机制，通过意图分类和语义相似性评估，实现LLM驱动代理计划重用，有效降低延迟，提升用户体验。

Comments This paper is an English version of A Plan Reuse Mechanism for LLM-Driven Agent published in 2024 in the Journal of Computer Research and Development

FVA-RAG: Falsification-Verification Alignment for Mitigating Sycophantic Hallucinations

FVA-RAG：通过对抗性上下文对齐缓解趋炎附势幻觉

Mayank Ravishankara

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

AI总结 FVA-RAG通过引入对抗性上下文检索，有效缓解了因前提错误导致的幻觉问题，其在多个基准测试中表现优于现有方法。

Toward building next-generation Geocoding systems: a systematic review

迈向下一代地名编码系统：系统综述

Zhengcong Yin, Daniel W. Goldberg, Binbin Lin, Bing Zhou, Diya Li, Andong Ma, Ziqian Ming, Heng Cai, Zhe Zhang, Shaohua Wang, Shanzhen Gao, Joey Ying Lee, Xiao Li, Da Huo

机构 * Esri, Inc（Esri公司） ； LABI Education（LABI教育） 纠错

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

AI总结 本文通过系统综述探讨下一代地名编码系统的技术需求、工作流程模块化及改进机遇，旨在为系统设计和评估提供研究方向。

LLM-Driven Feature-Level Adversarial Attacks on Android Malware Detectors

基于大语言模型的Android恶意软件检测器特征级对抗攻击

Tianwei Lan, Farid Naït-Abdesselam

专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI

AI总结 本文提出LAMLAD框架，利用大语言模型生成特征扰动以对抗恶意软件检测器，实验显示攻击成功率高达97%，并提出对抗训练防御策略提升模型鲁棒性。

Variational Quantum Eigensolver for Real-World Finance: Scalable Solutions for Dynamic Portfolio Optimization Problems

变分量子本征求解器用于现实金融：动态投资组合优化问题的可扩展解决方案

Irene De León, Danel Arias, Manuel Martín-Cordero, María Esperanza Molina, Pablo Serrano, Senaida Hernández-Santana, Miguel Ángel Jiménez Herrera, Joana Fraxanet, Ginés Carrascal, Escolástico Sánchez, Inmaculada Posadillo, Álvaro Nodar

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出了一种可扩展的变分量子本征求解器方法，用于解决大规模动态投资组合优化问题，通过改进的量子配置恢复和约束分解方法，实现了与经典方法相当的财务表现。

PERELMAN: Pipeline for scientific literature meta-analysis. Technical report

PERELMAN：科学文献元分析的管道。技术报告

Daniil Sherki, Daniil Merkulov, Alexandra Savina, Ekaterina Muravleva

专题命中 工作流自动化 ：agentic(abstract)

AI总结 PERELMAN是一种通过与领域专家对话获取知识并协调代理提取证据的框架，旨在高效完成科学文献的元分析任务。

How Do Agents Perform Code Optimization? An Empirical Study

代理如何执行代码优化？一项实证研究

Huiyun Peng, Antonio Zhong, Ricardo Andrés Calvo Méndez, Kelechi G. Kalu, James C. Davis

机构 * Purdue University（普渡大学） 纠错

专题命中 软件智能体 ：agent(abstract)；agentic(abstract)；分类 cs.AI、cs.SE

AI总结 本文通过实证研究比较了AI和人类在性能优化提交中的表现，发现AI提交在性能验证方面较人类不足，但优化模式与人类相似。

Computational Foundations for Strategic Coopetition: Formalizing Interdependence and Complementarity

战略竞合的计算基础：形式化相互依赖与互补性

Vik Pant, Eric Yu

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

AI总结 本报告提出计算基础，形式化竞合中的相互依赖与互补性，通过i*结构依赖分析和参数化建模，验证了竞合策略的动态权衡与价值获取。

Comments 39 pages, 9 figures, Validation artifacts including source code available at https://github.com/vikpant/strategic-coopetition/tree/master/TR_validation/TR1_foundations

Fuzzwise: Intelligent Initial Corpus Generation for Fuzzing

Fuzzwise: 用于模糊测试的智能初始语料生成

Hridya Dhulipala, Xiaokai Rong, Aashish Yadavally, Tien N. Nguyen

机构 * University of Texas at Dallas（德克萨斯大学达拉斯分校） 纠错

专题命中 软件智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.LG、cs.SE

AI总结 FuzzWise通过基于LLM的多代理框架，高效生成初始语料，提升模糊测试的代码覆盖和错误触发效率。

Reflection-Driven Control for Trustworthy Code Agents

基于反射的可信代码代理控制

Bin Wang, Jiazheng Quan, Xingrui Yu, Hansen Hu, Yuhao, Ivor Tsang

专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.SE；agentic(comments)

AI总结 本文提出反射驱动控制方法，通过内部反思循环提升代码生成的安全性和合规性，实现自主、安全且可审计的AI代码代理。

Comments Accepted to AAAI 2026 Workshop on Trust and Control in Agentic AI (TrustAgent)

RLLaVA: An RL-central Framework for Language and Vision Assistants

RLLaVA: 一种面向语言和视觉助手的强化学习中心框架

Lei Zhao, Zihao Ma, Boyu Lin, Yuhe Liu, Wenjun Wu, Lei Huang

机构 * SKLCCSE, Institute of Artificial Intelligence, Beihang University, Beijing, China（信息与电子技术学院，人工智能研究院，北京航空航天大学，北京，中国） ； Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing, Beihang University（未来区块链与隐私计算先进创新中心，北京航空航天大学） ； Hangzhou International Innovation Institute, Beihang University, Hangzhou, China（杭州国际创新研究院，北京航空航天大学，杭州，中国） 纠错

专题命中 软件智能体 ：agentic(abstract)；分类 cs.LG

AI总结 RLLaVA 提出了一种强化学习中心框架，通过解耦算法逻辑与模型架构，实现高效训练和多任务扩展，提升视觉-语言模型性能。

Comments The code is available at https://github.com/TinyLoopX/RLLaVA

What Makes a GitHub Issue Ready for Copilot?

什么让 GitHub 问题适合 Copilot？

Mohammed Sayagh

专题命中 软件智能体 ：agent(abstract)；分类 cs.SE

AI总结 本文提出32条准则，通过可解释机器学习模型评估GitHub问题质量，提升Copilot合并拉取请求的可能性，模型中位AUC达72%。

iSHIFT: Lightweight Slow-Fast GUI Agent with Adaptive Perception

iSHIFT: 轻量级慢-快 GUI 代理与自适应感知

Sarthak Mehrotra, Sairam V C Rebbapragada, Mani Hemanth Reddy Bonthu, Vineeth N Balasubramanian

机构 * Indian Institute of Technology, Bombay（印度理工学院，孟买） ； Indian Institute of Technology, Hyderabad（印度理工学院，海得拉巴） 纠错

专题命中 GUI与网页智能体 ：agent(title,abstract)

AI总结 iSHIFT是一种轻量级GUI代理，通过慢-快混合推理和灵活标记实现高效与精确的视觉交互。

MAI-UI Technical Report: Real-World Centric Foundation GUI Agents

MAI-UI 技术报告：以现实为中心的基础 GUI 代理

Hanzhang Zhou, Xu Zhang, Panrong Tong, Jianan Zhang, Liangyu Chen, Quyu Kong, Chenglin Cai, Chen Liu, Yue Wang, Jingren Zhou, Steven Hoi

机构 * Tongyi Lab（通义实验室） ； Alibaba Group（阿里巴巴集团） 纠错

专题命中 GUI与网页智能体 ：agent(abstract)；agentic(abstract)

AI总结 MAI-UI 提出了一种基于现实的 GUI 代理框架，通过自演化数据管道、设备-云协作系统和在线 RL 框架，实现了 GUI 地基和移动导航的突破性进展。

Efficient Collaborative Navigation through Perception Fusion for Multi-Robots in Unknown Environments

通过感知融合实现多机器人在未知环境中的高效协作导航

Qingquan Lin, Weining Lu, Litong Meng, Chenxi Li, Bin Liang

机构 * Beijing National Research Center for Information Science and Technology, Tsinghua University（北京信息科学与技术国家研究中心，清华大学） 纠错

专题命中 GUI与网页智能体 ：planning(abstract)

AI总结 本文提出了一种基于感知融合的多机器人协作导航方法，通过图注意力架构和信息增益权重提升规划效率，实验证明在未知环境中显著提高导航效率和路径优化能力。