AI Agent

Do We Always Need Query-Level Workflows? Rethinking Agentic Workflow Generation for Multi-Agent Systems

我们是否总是需要查询级工作流？重新思考多智能体系统中的代理工作流生成

Zixu Wang, Bingbing Xu, Yige Yuan, Huawei Shen, Xueqi Cheng

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 本文提出SCALE框架，通过低成本任务级生成替代查询级生成，减少令牌消耗并保持性能。

Comments 17 pages, 4 figures, 3 tables

Multi-Agent Formation Navigation Using Diffusion-Based Trajectory Generation

基于扩散的多智能体编队导航

Hieu Do Quang, Chien Truong-Quoc, Quoc Van Tran

机构 * Department of Mechatronics, School of Mechanical Engineering, Hanoi University of Science and Technology（机械工程系，河内科学与技术大学） 纠错

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

AI总结 本文提出基于扩散模型的多智能体编队导航方法，通过生成领头者中点轨迹实现平滑运动，有效应对复杂环境中的编队控制问题。

Comments 8 pages, 3 figures, full version of a paper submitted to a conference

MADIAVE: Multi-Agent Debate for Implicit Attribute Value Extraction

MADIAVE：多智能体辩论用于隐式属性值提取

Wei-Chieh Huang, Cornelia Caragea

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） 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 MADIAVE通过多智能体辩论框架提升隐式属性值提取的准确性和鲁棒性，适用于多模态电子商务场景。

Comments Accepted by EACL 2026 (Findings)

Factored Value Functions for Graph-Based Multi-Agent Reinforcement Learning

基于图的多智能体强化学习中的分解价值函数

Ahmed Rashwan, Keith Briggs, Chris Budd, Lisa Kreusser

机构 * University of Bath（巴斯大学） ； BT Research（BT研究） 纠错

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

AI总结 本文提出了一种基于图的多智能体强化学习中的分解价值函数（DVF），并设计了DA2C和LD-GNN算法，在多个任务中提升了平均奖励性能。

Multi-Agent Taint Specification Extraction for Vulnerability Detection

多代理污点规范提取用于漏洞检测

Jonah Ghebremichael, Saastha Vasan, Saad Ullah, Greg Tystahl, David Adei, Christopher Kruegel, Giovanni Vigna, William Enck, Alexandros Kapravelos

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

AI总结 SemTaint通过结合LLM语义理解和传统静态分析，提取定制化的污点规范以提升漏洞检测效果

M^4olGen: Multi-Agent, Multi-Stage Molecular Generation under Precise Multi-Property Constraints

M^4olGen: 多智能体、多阶段分子生成在精确多属性约束下

Yizhan Li, Florence Cloutier, Sifan Wu, Ali Parviz, Boris Knyazev, Yan Zhang, Glen Berseth, Bang Liu

机构 * DIRO & Université de Montréal（DIRO与蒙特利尔大学） ； Mila – Quebec AI Institute（魁北克人工智能研究所） ； Institut Courtois（Courtois研究所） ； Samsung AI Lab, Montreal（三星AI实验室） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能 chair） 纠错

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

AI总结 M^4olGen通过多智能体和强化学习框架，在多属性约束下实现精确分子生成，优于现有方法。

Cascading multi-agent anomaly detection in surveillance systems via vision-language models and embedding-based classification

通过视觉-语言模型和基于嵌入的分类实现监视系统中的级联多代理异常检测

Tayyab Rehman, Giovanni De Gasperis, Aly Shmahell

机构 * University of L’Aquila（拉奎拉大学） ； SPEE S.R.L（SPEE公司） 纠错

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

AI总结 本文提出一种级联多代理框架，结合视觉-语言模型和嵌入分类，实现高效且可解释的异常检测，减少延迟并提升监控系统性能。

Comments Author email changed, Acknowlegement changes

EvidFuse: Writing-Time Evidence Learning for Consistent Text-Chart Data Reporting

EvidFuse: 为一致的文本-图表数据报告进行写作时的证据学习

Huanxiang Lin, Qianyue Wang, Jinwu Hu, Bailin Chen, Qing Du, Mingkui Tan

机构 * South China University of Technology（华南理工大学） ； Pazhou Laboratory（琶洲实验室） 纠错

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

AI总结 EvidFuse通过多智能体框架实现写作时文本-图表交织生成，解决数据驱动报告中图表与文本不一致的问题，提升分析深度和证据空间扩展能力。

Scalable and Approximation-free Symbolic Control for Unknown Euler-Lagrange Systems

可扩展且无近似符号控制用于未知欧拉-拉格朗日系统

Ratnangshu Das, Shubham Sawarkar, Pushpak Jagtap

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

AI总结 本文提出了一种可扩展且无近似符号控制方法，用于确保未知欧拉-拉格朗日系统满足时序逻辑规范，同时减少计算和内存需求。

The Dynamic Team Orienteering Problem in Spatial Crowdsourcing: A Scenario Sampling Approach

空间众包中的动态团队导向问题：一种场景采样方法

Zhibin Wu, Songhao Shen, Yufeng Zhou, Qin Lei

专题命中 多智能体 ：planning(abstract)

AI总结 本文提出了一种场景采样滚动时间框架，用于解决空间众包中的动态团队导向问题，通过增强任务集和自适应大邻域搜索，实现稳定性能和高效计算。

Hybrid RIS-Aided Digital Over-the-Air Computing for Edge AI Inference: Joint Feature Quantization and Active-Passive Beamforming Design

混合RIS辅助数字空中计算用于边缘AI推理：联合特征量化和主动-被动波束成形设计

Yang Fu, Peng Qin, Liming Chen, Xianchao Zhang, Yifei Wang

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出混合RIS辅助数字空中计算方案，通过联合优化特征量化和波束成形，提升边缘AI推理的准确性和鲁棒性。