AI Agent

MTTR-A: Measuring Cognitive Recovery Latency in Multi-Agent Systems

MTTR-A：多智能体系统中认知恢复延迟的测量

Barak Or

机构 * Office of the CEO, MetaOr Artificial Intelligence（MetaOr人工智能首席执行官办公室） ； Google–Reichman Tech School, Reichman University（Reichman大学Google–Reichman技术学院） 纠错

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

AI总结 本研究提出MTTR-A指标，用于测量多智能体系统中认知恢复延迟，通过理论分析和实验验证建立了运行时认知可靠性的量化基础。

Comments preprint

AKG kernel Agent: A Multi-Agent Framework for Cross-Platform Kernel Synthesis

AKG核代理：跨平台核合成的多智能体框架

Jinye Du, Quan Yuan, Zuyao Zhang, Yanzhi Yi, Jiahui Hu, Wangyi Chen, Yiyang Zhu, Qishui Zheng, Wenxiang Zou, Xiangyu Chang, Zuohe Zheng, Zichun Ye, Chao Liu, Shanni Li, Renwei Zhang, Yiping Deng, Xinwei Hu, Xuefeng Jin, Jie Zhao

机构 * Huawei Technologies Co., Ltd.（华为技术有限公司） ； Hunan University（湖南大学） 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 AKG核代理是一种多智能体系统，通过自动化核生成、迁移和性能调优，提升跨平台核开发效率。

Reinforcement Networks: novel framework for collaborative Multi-Agent Reinforcement Learning tasks

强化网络：用于协作多智能体强化学习任务的新型框架

Maksim Kryzhanovskiy, Svetlana Glazyrina, Roman Ischenko, Konstantin Vorontsov

机构 * Institute for Artificial Intelligence, Lomonosov Moscow State University（人工智能研究所，罗蒙诺索夫莫斯科国立大学） ； Lomonosov Moscow State University（罗蒙诺索夫莫斯科国立大学） 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 强化网络提出了一种用于协作多智能体强化学习的新框架，通过有向无环图结构实现灵活的信用分配和可扩展协调，统一了分层、模块化和图结构的MARL观点。

Assessing behaviour coverage in a multi-agent system simulation for autonomous vehicle testing

评估多智能体系统模拟在自动驾驶测试中的行为覆盖率

Manuel Franco-Vivo

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

AI总结 本研究提出了一种基于模型预测控制的行人智能体，用于评估多智能体系统模拟在自动驾驶测试中的行为覆盖率，以提升系统安全性和可靠性。

AI4Reading: Chinese Audiobook Interpretation System Based on Multi-Agent Collaboration

AI4Reading: 基于多智能体协作的中文有声书解读系统

Minjiang Huang, Jipeng Qiang, Yi Zhu, Chaowei Zhang, Xiangyu Zhao, Kui Yu

机构 * Yangzhou University（扬州大学） ； City University of Hong Kong（香港城市大学） ； Hefei University of Technology（合肥工业大学） 纠错

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

AI总结 AI4Reading通过多智能体协作，利用大语言模型和语音合成技术，生成更简洁准确的有声书解读内容。

Comments ACL 2025 demo

Multi-Agent Framework for Threat Mitigation and Resilience in AI-Based Systems

多智能体框架用于AI系统中的威胁缓解与韧性

Armstrong Foundjem, Lionel Nganyewou Tidjon, Leuson Da Silva, Foutse Khomh

机构 * Department of Computer and Software Engineering, Polytechnique Montreal（计算机与软件工程系，蒙特利尔理工学院） 纠错

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

AI总结 本文提出多智能体框架，用于识别和缓解AI系统中的威胁，通过构建威胁图分析漏洞和攻击模式，提升系统韧性。

Comments 56 pages, 18 Figures, 22 Tables, TOSEM

Heterogeneity in Multi-Agent Reinforcement Learning

多智能体强化学习中的异质性

Tianyi Hu, Zhiqiang Pu, Yuan Wang, Tenghai Qiu, Min Chen, Xin Yu

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； National Key Laboratory of Cognition and Decision Intelligence for Complex Systems（复杂系统认知与决策智能国家重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

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

AI总结 本文提出了一种多智能体动态参数共享算法，通过定义异质性距离和量化方法，提升MARL中对异质性的理解和应用能力。

FuncPoison: Poisoning Function Library to Hijack Multi-agent Autonomous Driving Systems

FuncPoison：用于劫持多智能体自动驾驶系统的中毒函数库

Yuzhen Long, Songze Li

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

AI总结 FuncPoison通过注入恶意工具篡改多智能体自动驾驶系统的函数库，导致决策错误和系统误导，揭示了该领域的重要安全风险。

Solving Multi-Agent Multi-Goal Path Finding Problems in Polynomial Time

在多项式时间内解决多智能体多目标路径寻找问题

Stefan Edelkamp

机构 * Charles University Prague（查尔斯大学布拉格） 纠错

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

AI总结 本文提出在多项式时间内解决多智能体多目标路径寻找问题的新方法，通过全局分配策略和局部优化减少冲突，实现高效路径规划。

Breaking Symmetry-Induced Degeneracy in Multi-Agent Ergodic Coverage via Stochastic Spectral Control

通过随机频谱控制打破多智能体等耗覆盖中的对称诱导退化

Kooktae Lee, Julian Martinez

机构 * Department of Mechanical Engineering, New Mexico Institute of Mining and Technology（机械工程系，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 本文提出随机频谱控制方法，通过引入随机扰动和收缩项，解决多智能体等耗覆盖中因对称性导致的梯度抵消问题，确保轨迹有界并避免停滞。

Weak state synchronization of homogeneous multi-agent systems with adaptive protocols

同质多智能体系统中弱状态同步的弱一致性

Anton A. Stoorvogel, Ali Saberi, Zhenwei Liu, Tayaba Yeasmin

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

AI总结 本文提出了一种无需网络信息的自适应协议，用于实现同质多智能体系统的弱状态同步。

Comments This paper was submitted to 2026 CCDC at Dec. 25, 2025. Different from the submitted version, this version includes all simulation results

Toward Trustworthy Agentic AI: A Multimodal Framework for Preventing Prompt Injection Attacks

迈向可信的代理AI：一种多模态框架用于防止提示注入攻击

Toqeer Ali Syed, Mishal Ateeq Almutairi, Mahmoud Abdel Moaty

机构 * Faculty of Computer and Information System（计算机与信息系统系） ； Islamic University of Madinah（麦地那伊斯兰大学） ； Arab Open University-Bahrain（巴林阿拉伯开放大学） 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 本文提出一种多模态框架，通过溯源感知机制防止代理AI中的提示注入攻击，提升系统安全性和稳定性。

Comments It is accepted in a conference paper, ICCA 2025 in Bahrain on 21 to 23 December

LacAIDes: Generative AI-Supported Creative Interactive Circuits Crafting to Enliven Traditional Lacquerware

LacAIDes: 生成式AI支持的创意互动电路设计以焕发传统漆器工艺

Yaning Li, Yutong Chen, Yihan Hou, Chenyi Chen, Yihan Han, Jingxuan Han, Wenxi Dai, Youyou Li, Xinke Tang, Meng Li, Qi Dong, Hongwei Li

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

AI总结 LacAIDes通过生成式AI支持创意互动电路设计，提升传统漆器制作的参与度和创造力。

Comments Withdrawn for further revisions

Single LLM Debate, MoLaCE: Mixture of Latent Concept Experts Against Confirmation Bias

单个LLM辩论，MoLaCE：混合潜在概念专家对抗确认偏见

Hazel Kim, Philip Torr

机构 * Department of Computer Science University of Oxford（牛津大学计算机科学系） 纠错

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

AI总结 MoLaCE通过混合潜在概念专家减少LLM的确认偏见，提升鲁棒性并高效实现多智能体辩论效果。

Accelerating Language Model Workflows with Prompt Choreography

通过提示编排加速语言模型工作流

TJ Bai, Jason Eisner

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 提示编排通过动态缓存和并行处理，显著提升多智能体工作流中语言模型的效率与速度

Comments to appear in TACL (final preprint of 2025-10-12); 10 pages + appendices

PHANTOM: Physics-Aware Adversarial Attacks against Federated Learning-Coordinated EV Charging Management System

PHANTOM：面向联邦学习协调电动车充电管理系统的物理感知对抗攻击

Mohammad Zakaria Haider, Amit Kumar Podder, Prabin Mali, Aranya Chakrabortty, Sumit Paudyal, Mohammad Ashiqur Rahman

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

AI总结 PHANTOM通过多智能体强化学习和物理信息神经网络，提出了一种针对联邦学习协调电动车充电管理系统的物理感知对抗攻击方法，揭示了其对电网稳定性的影响。

Intelligent Task Management via Dynamic Multi-region Division in LEO Satellite Networks

通过动态多区域划分实现低轨卫星网络中的智能任务管理

Zixuan Song, Zhishu Shen, Xiaoyu Zheng, Qiushi Zheng, Zheng Lei, Jiong Jin

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遗传算法和MA-DDPG的动态多区域划分框架，用于优化LEO卫星网络中的任务管理，提升任务处理效率和资源利用率。

On the duality between consensus problems and Markov processes, with application to delay systems

关于一致性问题与马尔可夫过程的对偶性，及其在延迟系统中的应用

Fatihcan M. Atay

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

AI总结 本文通过将多智能体共识问题与马尔可夫过程对偶，提出统一框架处理延迟系统中的时间延迟问题。

Journal ref Markov Processes and Related Fields, 22(3):537--553, 2016

Multi Agents Semantic Emotion Aligned Music to Image Generation with Music Derived Captions

多智能体语义情感对齐的音乐到图像生成与音乐衍生标题

Junchang Shi, Gang Li

专题命中 多智能体 ：agent(abstract)

AI总结 MESA MIG通过多智能体协作生成音乐到图像，实现语义和情感对齐，提升生成图像的审美质量和情感一致性。

Comments 10 pages,3 figures.Under review for ICME 2026

AutoForge: Automated Environment Synthesis for Agentic Reinforcement Learning

AutoForge：用于代理强化学习的自动化环境合成

Shihao Cai, Runnan Fang, Jialong Wu, Baixuan Li, Xinyu Wang, Yong Jiang, Liangcai Su, Liwen Zhang, Wenbiao Yin, Zhen Zhang, Fuli Feng, Pengjun Xie, Xiaobin Wang

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

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

AI总结 AutoForge提出了一种自动化环境合成方法和环境层面的RL算法，以提升代理强化学习的效率和稳定性，并在多个基准测试中验证了其有效性。

SoDA: An Efficient Interaction Paradigm for the Agentic Web

SoDA：面向代理网络的高效交互范式

Zicai Cui, Zhouyuan Jian, Weiwen Liu, Weinan Zhang

机构 * 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 工作流自动化 ：agentic(title,abstract)；分类 cs.AI

AI总结 SoDA提出了一种面向代理网络的高效交互范式，通过解耦记忆与应用逻辑，降低数据锁定和认知过载，提升信息处理效率。

A Rapid GeoSAM-Based Workflow for Multi-Temporal Glacier Delineation: Case Study from Svalbard

一种基于GeoSAM的快速多时相冰川边界确定工作流程：斯瓦尔巴群岛案例研究

Alexandru Hegyi

专题命中 工作流自动化 ：workflow(title,abstract)

AI总结 本文提出一种基于GeoSAM的半自动工作流程，用于快速多时相冰川边界确定，通过影像合成、光谱指数识别和物理后处理，实现高精度冰川轮廓提取。

Scaling Unverifiable Rewards: A Case Study on Visual Insights

扩展不可验证的奖励：视觉洞察的案例研究

Shuyu Gan, James Mooney, Pan Hao, Renxiang Wang, Mingyi Hong, Qianwen Wang, 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 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 本文提出Selective TTS框架，通过多阶段流程优化提升视觉洞察质量，实现计算预算固定下的性能提升。

Comments 32 pages, 25 figures

AdaptiFlow: An Extensible Framework for Event-Driven Autonomy in Cloud Microservices

AdaptiFlow：一个用于云微服务事件驱动自主性的可扩展框架

Brice Arléon Zemtsop Ndadji, Simon Bliudze, Clément Quinton

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

AI总结 AdaptiFlow通过事件驱动和规则机制，为云微服务提供自我适应能力，实现去中心化的自主性，提升系统鲁棒性。

Comments In Proceedings WACA 2025, arXiv:2512.22054

Journal ref EPTCS 438, 2025, pp. 123-147

Aligning Agents like Large Language Models

像大型语言模型一样对齐代理

Adam Jelley, Yuhan Cao, Dave Bignell, Amos Storkey, Sam Devlin, Tabish Rashid

机构 * School of Informatics, University of Edinburgh, Edinburgh, United Kingdom（爱丁堡大学信息学院） ； Micosoft Research, Cambridge, United Kingdom（微软研究院） 纠错

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

AI总结 本文提出通过像训练大型语言模型一样训练代理，以实现更通用、稳健和对齐的行为，并通过3D视频游戏环境中的概念验证展示方法。

World Models Unlock Optimal Foraging Strategies in Reinforcement Learning Agents

世界模型解锁强化学习智能体的最优觅食策略

Yesid Fonseca, Manuel S. Ríos, Nicanor Quijano, Luis F. Giraldo

机构 * Center of Excellence in Analytics, Artificial Intelligence, and Information Governance, Bancolombia, Colombia（分析、人工智能和信息治理卓越中心，Bancolombia，哥伦比亚） ； Department of Biomedical Engineering, Universidad de los Andes, Bogotá, Colombia（生物医学工程系， Universidad de los Andes，波哥大，哥伦比亚） ； Department of Electrical and Electronics Engineering, Universidad de los Andes, Bogotá, Colombia（电气与电子工程系， Universidad de los Andes，波哥大，哥伦比亚） 纠错

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

AI总结 世界模型帮助强化学习智能体实现最优觅食策略，通过预见能力而非单纯奖励最大化驱动高效决策。

Comments 14 pages, 6 figures

The World Is Bigger! A Computationally-Embedded Perspective on the Big World Hypothesis

世界更大！一个计算嵌入视角下的大世界假说

Alex Lewandowski, Adtiya A. Ramesh, Edan Meyer, Dale Schuurmans, Marlos C. Machado

机构 * University of Alberta（阿尔伯塔大学） ； Amii ； The Swiss AI Lab IDSIA, USI & SUPSI（瑞士AI实验室IDSIA、USI与SUPSI） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） ； Google DeepMind（谷歌DeepMind） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI

AI总结 本文提出了一种计算嵌入视角下的持续学习方法，通过交互性目标评估智能体在无限状态空间中的适应能力，发现深度线性网络在扩展能力时表现更优。

Comments NeurIPS 2025 (spotlight)

Diffusion priors enhanced velocity model building from time-lag images using a neural operator

基于扩散先验的时差图像中速度模型构建方法研究

Xiao Ma, Mohammad Hasyim Taufik, Tariq Alkhalifah

机构 * Division of Physical Science and Engineering（物理科学与工程系） ； King Abdullah University of Science and Technology（卡布斯大学） 纠错

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

AI总结 本文提出一种结合生成模型和神经算子的方法，用于高效构建高分辨率速度模型，通过正则化和自动微分提升预测精度。

Comments 20 pages,19 figures

Tyee: A Unified, Modular, and Fully-Integrated Configurable Toolkit for Intelligent Physiological Health Care

Tyee：面向智能生理健康护理的统一、模块化和完全集成的可配置工具包

Tao Zhou, Lingyu Shu, Zixing Zhang, Jing Han

机构 * Hunan University（湖南大学） ； University of Cambridge（剑桥大学） 纠错

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

AI总结 Tyee提出了一种统一、模块化且可配置的工具包，用于提升智能生理健康护理中深度学习的实用性与可重现性。

Journal ref ACM Multimedia 2025

iOS as Acceleration

iOS 作为加速器

Alexander K. Chen

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

AI总结 本文提出利用iOS设备的分布式管道并行技术，在低计算环境下加速机器学习模型训练和推理，探索移动设备在大规模机器学习中的潜力。

Comments 7 pages main text, 7 pages appendix. Presented at NeurIPS 2025 Efficient Reasoning Workshop