AI Agent

AgentVNE: LLM-Augmented Graph Reinforcement Learning for Affinity-Aware Multi-Agent Placement in Edge Agentic AI

AgentVNE: 基于大语言模型的图强化学习用于面向亲和力的多智能体部署

Runze Zheng, Yuqing Zheng, Zhengyi Cheng, Long Luo, Haoxiang Luo, Gang Sun, Hongfang Yu, Dusit Niyato

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

AI总结 AgentVNE通过结合大语言模型与图强化学习，解决边缘智能体部署中的动态资源分配与亲和力约束问题，提升服务效率与响应速度。

ARIES: A Scalable Multi-Agent Orchestration Framework for Real-Time Epidemiological Surveillance and Outbreak Monitoring

ARIES：一种可扩展的多智能体编排框架，用于实时流行病监测和爆发监控

Aniket Wattamwar, Sampson Akwafuo

机构 * Department of Computer Science（计算机科学系） ； California State University（加州州立大学） 纠错

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

AI总结 ARIES是一种专为流行病监测设计的多智能体框架，通过自动化数据提取和逻辑综合，实现实时监测和突发公共卫生事件的快速响应。

Comments 6 pages, 14 figures, 1 table

Temporal Attack Pattern Detection in Multi-Agent AI Workflows: An Open Framework for Training Trace-Based Security Models

多智能体AI工作流中的时间攻击模式检测：一种用于训练基于轨迹的安全模型的开放框架

Ron F. Del Rosario

机构 * SAP ； OWASP Gen AI Security Project（OWASP生成人工智能安全项目） ； Agentic Security Initiative (ASI)（代理安全倡议（ASI）） 纠错

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

AI总结 本文提出了一种开放框架，通过合成轨迹生成和微调语言模型，提升多智能体AI工作流中时间攻击模式检测的准确性，并公开了相关数据集和评估基准。

Comments 26 pages, 3 figures, 7 tables. Datasets and code: https://huggingface.co/guerilla7/agentic-safety-gguf

Learning Evolving Latent Strategies for Multi-Agent Language Systems without Model Fine-Tuning

为多智能体语言系统学习演化的潜在策略而无需模型微调

Wenlong Tang

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,abstract)；分类 cs.AI、cs.LG

AI总结 该研究提出一种无需微调的多智能体语言系统框架，通过双环架构实现持续策略进化，利用外部潜在空间提供可解释的抽象战略表示。

Comments 17 pages, 5 figures. Code available at https://github.com/wltang-dev/Latent-Strategy-RL-Agent

Chimera: Harnessing Multi-Agent LLMs for Automatic Insider Threat Simulation

Chimera: 利用多智能体大语言模型实现自动内部威胁模拟

Jiongchi Yu, Xiaofei Xie, Qiang Hu, Yuhan Ma, Ziming Zhao

机构 * Singapore Management University（新加坡管理大学） ； Tianjin University（天津大学） ； Zhejiang University（浙江大学） 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 Chimera通过多智能体大语言模型生成真实企业环境中的内部威胁数据集，提升内部威胁检测的挑战性和实用性。

Comments Accepted by NDSS 2026

ElecTwit: A Framework for Studying Persuasion in Multi-Agent Social Systems

ElecTwit：多智能体社交系统中说服研究的框架

Michael Bao

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 ElecTwit通过模拟政治选举中的社交媒体互动，研究多智能体系统中说服现象的影响因素及不同模型架构对说服动态的作用。

Comments In proceedings of 2025 IEEE International Conference on Agentic AI (ICA)

Atomizer: An LLM-based Collaborative Multi-Agent Framework for Intent-Driven Commit Untangling

Atomizer: 一种基于大语言模型的协作多智能体框架，用于意图驱动的复合提交解缠

Kangchen Zhu, Zhiliang Tian, Shangwen Wang, Mingyue Leng, Xiaoguang Mao

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

AI总结 Atomizer通过意图导向的思考链策略和协作多智能体框架，有效解决复合提交解缠中的语义意图识别和多轮细化问题，提升解缠效果。

Comments Accepted by ICSE 2026

Multi-Agent Collaborative Reward Design for Enhancing Reasoning in Reinforcement Learning

多智能体协作奖励设计以增强强化学习中的推理

Pei Yang, Ke Zhang, Ji Wang, Xiao Chen, Yuxin Tang, Eric Yang, Lynn Ai, Bill Shi

机构 * Gradient ； Waseda University（早稻田大学） ； Columbia University（哥伦比亚大学） ； Hong Kong Polytechnic University（香港理工大学） ； Rice University（莱斯大学） 纠错

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

AI总结 多智能体协作奖励模型通过分解偏好评估和引入集中化聚合器，提升强化学习中的鲁棒性和可解释性，同时提供透明的奖励建模方法。

Neural-network-based Self-triggered Observed Platoon Control for Autonomous Vehicles

基于神经网络的自触发观测车列控制用于自动驾驶车辆

Zihan Li, Ziming Wang, Chenning Liu, Xin Wang

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

AI总结 本文提出基于神经网络和自触发机制的自动驾驶车辆车列控制方法，以提高系统在不确定动态和间歇通信下的鲁棒性和适应性。

A data-driven framework for team selection in Fantasy Premier League

基于数据的Fantasy Premier League球队选拔框架

Danial Ramezani, Tai Dinh

机构 * The Kyoto College of Graduate Studies for Informatics, Japan（京都信息研究生院） 纠错

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

AI总结 本研究提出了一种基于数据驱动的优化框架，用于Fantasy Premier League球队选拔，结合了实际积分与预测模型，通过ARIMA等方法提升预测性能。

Fully First-Order Methods for Decentralized Bilevel Optimization

分布式双层优化的完全一阶方法

Xiaoyu Wang, Xuxing Chen, Shiqian Ma, Tong Zhang

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 本文提出一种分布式双层优化的完全一阶方法，通过一阶 oracle 实现高效收敛，样本复杂度与单智能体最优结果匹配，并验证了算法的通信和训练效率。

Comments 47 pages

Journal ref IEEE Transactions on Signal Processing, vol. 73, pp. 4734-4747, 2025