AI Agent

When Agents Fail to Act: A Diagnostic Framework for Tool Invocation Reliability in Multi-Agent LLM Systems

当代理人失败时：多代理LLM系统工具调用可靠性的诊断框架

Donghao Huang, Gauri Malwe, Zhaoxia Wang

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

AI总结 本文提出了一种多代理LLM系统工具调用可靠性的诊断框架，通过大数据分析评估程序可靠性，发现工具初始化故障是小模型的主要瓶颈，而qwen2.5:32b在性能上接近GPT-4.1。

Comments Accepted for publication in 2026 The 9th International Conference on Artificial Intelligence and Big Data (ICAIBD 2026)

EvoConfig: Self-Evolving Multi-Agent Systems for Efficient Autonomous Environment Configuration

EvoConfig：用于高效自主环境配置的自演化多智能体系统

Xinshuai Guo, Jiayi Kuang, Linyue Pan, Yinghui Li, Yangning Li, Hai-Tao Zheng, Ying Shen, Di Yin, Xing Sun

机构 * Tsinghua University（清华大学） ； Sun-Yat Sen University（孙逸人大学） ； Tencent Youtu Lab（腾讯优图实验室） 纠错

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

AI总结 EvoConfig通过自演化多智能体系统提升自主环境配置效率，实现更高成功率和更强调试能力。

MAGE-KT: Multi-Agent Graph-Enhanced Knowledge Tracing with Subgraph Retrieval and Asymmetric Fusion

MAGE-KT：多智能体图增强的知识追踪与子图检索及非对称融合

Chi Yu, Hongyu Yuan, Zhiyi Duan

机构 * Department of Computer Science, Inner Mongolia University, Hohhot, China（内蒙古大学计算机科学系） 纠错

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

AI总结 MAGE-KT通过多智能体图增强和非对称融合模块，提升知识追踪中学生与知识概念间关系的准确性及预测性能。

Towards Open-World Retrieval-Augmented Generation on Knowledge Graph: A Multi-Agent Collaboration Framework

面向知识图谱的开放世界检索增强生成：一种多智能体协作框架

Jiasheng Xu, Mingda Li, Yongqiang Tang, Peijie Wang, Wensheng Zhang

机构 * School of Computer Science and Cyber Engineering（计算机科学与网络工程学院） ； Guangzhou University（广州大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

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

AI总结 AnchorRAG通过多智能体协作框架，在无需预定义锚实体的情况下提升开放世界检索增强生成的鲁棒性与准确性。

Multi-Agent Non-Discriminatory Contracts

多智能体非歧视合同

Ke Ding, Bo Li, Ankang Sun

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

AI总结 本文研究多智能体合同中委托人效用最大化与支付平等之间的权衡，提出非歧视价格的界并分析其与非歧视程度的关系。

Comments 22 pages, submitted to IJCAI 2026

Density-Driven Multi-Agent Coordination for Efficient Farm Coverage and Management in Smart Agriculture

基于密度的多智能体协调：用于智能农业高效耕作与管理的高效覆盖

Sungjun Seo, Kooktae Lee

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院） 纠错

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

AI总结 本文提出基于密度的最优控制框架，用于智能农业中高效覆盖与管理，通过非均匀资源分配减少化学物质使用，提升作业效率与可持续性。

Comments Author Accepted Manuscript (AAM) of a paper accepted for publication in the IEEE Transactions on Control Systems Technology (TCST)

Journal ref IEEE Transactions on Control Systems Technology, 2025

Toward Agentic Software Project Management: A Vision and Roadmap

迈向代理软件项目管理：愿景与路线图

Lakshana Iruni Assalaarachchi, Zainab Masood, Rashina Hoda, John Grundy

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

AI总结 本文提出了一种基于多代理系统的代理项目经理框架，旨在提升软件项目管理效率，并探讨了人类项目经理角色的演变及新技能需求。

Comments This version is the author's preprint of the article accepted for AGENT workshop at ICSE 2026

GameTalk: Training LLMs for Strategic Conversation

GameTalk: 训练 LLMs 进行战略性对话

Victor Conchello Vendrell, Max Ruiz Luyten, Mihaela van der Schaar

机构 * University of Cambridge（剑桥大学） 纠错

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

AI总结 GameTalk 通过多轮互动训练 LLMs 实现战略性决策，优于传统方法，尤其在奖励塑造下表现突出。

Comments 32 pages, 8 figures

Computational Foundations for Strategic Coopetition: Formalizing Collective Action and Loyalty

战略竞合的计算基础：形式化集体行动与忠诚

Vik Pant, Eric Yu

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

AI总结 本文提出了一种基于忠诚度调节的效用函数，用于分析竞合环境中集体行动问题的产生与解决，通过实验验证展示了忠诚度对努力差异的显著影响。

Comments 68 pages, 22 figures. Third technical report in research program; should be read with companion arXiv:2510.18802 and arXiv:2510.24909. Adapts and extends complex actor material from Pant (2021) doctoral dissertation, University of Toronto

MoE-Enhanced Multi-Domain Feature Selection and Fusion for Fast Map-Free Trajectory Prediction

增强型多域特征选择与融合的无地图轨迹预测

Wenyi Xiong, Jian Chen, Ziheng Qi, Wenhua Chen

机构 * School of Mechanical Engineering, Zhejiang University（浙江大学机械工程学院） ； Guangdong Provincial Key Laboratory of Fully Actuated System Control Theory and Technology, School of Automation and Intelligent Manufacturing, Southern University of Science and Technology（南方科技大学自动化与智能制造学院） ； Leapmotor Technology（Leapmotor科技） ； Department of Aeronautical and Automotive Engineering, Loughborough University（伦敦大学洛桑学院航空与汽车工程系） 纠错

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

AI总结 本文提出了一种无地图轨迹预测方法，通过多域特征选择与融合，提升轨迹预测的准确性和效率。

Tunable Passivity Control for Centralized Multiport Networked Systems

可调被动控制用于集中多端网络化系统

Xingyuan Zhou, Peter Paik, S. Farokh Atashzar

机构 * Dept. of Electrical and Computer Engineering, New York University (NYU)（电气与计算机工程系，纽约大学） 纠错

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

AI总结 本文提出了一种可调集中最优被动控制方法，用于提升集中多端网络化系统的稳定性与性能，通过优化能量耗散分布实现L2稳定性，增强系统可扩展性与通用性。

VALISENS: A Validated Innovative Multi-Sensor System for Cooperative Automated Driving

VALISENS: 一种经过验证的创新多传感器系统用于协同自动驾驶

Lei Wan, Prabesh Gupta, Andreas Eich, Marcel Kettelgerdes, Hannan Ejaz Keen, Michael Klöppel-Gersdorf, Alexey Vinel

机构 * XITASO GmbH ； Karlsruhe Institute of Technology（卡尔斯鲁厄大学） ； LiangDao GmbH ； Fraunhofer IVI（弗劳恩霍夫研究所） 纠错

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

AI总结 VALISENS通过V2X协作提升多传感器融合，有效提升复杂环境下的感知性能和系统可靠性。

Comments 8 pages, 5 figures, submitted to IEEE VNC

UltraFlwr -- An Efficient Federated Surgical Object Detection Framework

UltraFlwr -- 一种高效的联邦手术物体检测框架

Yang Li, Soumya Snigdha Kundu, Maxence Boels, Toktam Mahmoodi, Sebastien Ourselin, Tom Vercauteren, Prokar Dasgupta, Jonathan Shapey, Alejandro Granados

机构 * 1 Surgical \& Interventional Engineering, King's College London, UK ； 2 Neurosurgery Department, King's College Hospital, UK ； 3 Department of Urology, Guy's Hospital, UK ； 4 Department of Engineering, King's College London, UK 纠错

专题命中 多智能体 ：workflow(abstract)

AI总结 UltraFlwr 提出了一种高效的联邦学习框架，用于在异构手术环境中实现稳健的YOLO物体检测，通过整合Ultralytics YOLO与Flower FL平台，支持Partial Aggregation并降低通信成本。

Comments 7 pages, 3 figures