AI Agent

The Role of Social Learning and Collective Norm Formation in Fostering Cooperation in LLM Multi-Agent Systems

在LLM多智能体系统中，社会学习和集体规范形成促进合作的作用

Prateek Gupta, Qiankun Zhong, Hiromu Yakura, Thomas Eisenmann, Iyad Rahwan

机构 * Center for Humans and Machines（人类与机器中心） ； Max-Planck Institute for Human Development（人类发展马克斯·普朗克研究所） 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 本文提出了一种无显式奖励信号的CPR模拟框架，通过社会学习和规范惩罚机制研究LLM多智能体系统中合作与规范的内生形成。

Comments Accepted at the 25th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2026)

Rethinking the AI Scientist: Interactive Multi-Agent Workflows for Scientific Discovery

重新思考AI科学家：用于科学发现的交互式多智能体工作流

Lukas Weidener, Marko Brkić, Mihailo Jovanović, Ritvik Singh, Chiara Baccin, Emre Ulgac, Alex Dobrin, Aakaash Meduri

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

AI总结 Deep Research通过交互式多智能体系统实现快速科学发现，其在计算生物学基准上达到领先性能，显著提升研究效率与准确性。

Reimagining Peer Review Process Through Multi-Agent Mechanism Design

通过多智能体机制设计重新想象同行评审过程

Ahmad Farooq, Kamran Iqbal

机构 * University of Arkansas at Little Rock（亚拉荷马州立大学拉弗克分校） 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 本文提出通过多智能体机制设计解决同行评审失效问题，提出信用经济、优化分配和混合验证等干预措施，旨在实现可持续的同行评审系统。

Comments To appear in the Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering: Future of Software Engineering (ICSE-FoSE). 4 pages, 1 figure, 1 table

Improving Implicit Hate Speech Detection via a Community-Driven Multi-Agent Framework

通过社区驱动的多智能体框架改进隐式仇恨言论检测

Ewelina Gajewska, Katarzyna Budzynska, Jarosław A Chudziak

机构 * Warsaw University of Technology（华沙技术大学） 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 本文提出一种社区驱动的多智能体框架，通过整合社会文化背景提升隐式仇恨言论检测的准确性和公平性。

Comments This paper has been accepted for the upcoming 18th International Conference on Agents and Artificial Intelligence (ICAART-2026), Marbella, Spain. The final published version will appear in the official conference proceedings

MulVul: Retrieval-augmented Multi-Agent Code Vulnerability Detection via Cross-Model Prompt Evolution

MulVul: 通过跨模型提示进化实现检索增强的多智能体代码漏洞检测

Zihan Wu, Jie Xu, Yun Peng, Chun Yong Chong, Xiaohua Jia

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

AI总结 MulVul通过跨模型提示进化实现多智能体代码漏洞检测，采用由粗到细的策略，利用检索工具提升漏洞识别精度，达到34.79%的Macro-F1成绩。

CASTER: Breaking the Cost-Performance Barrier in Multi-Agent Orchestration via Context-Aware Strategy for Task Efficient Routing

CASTER: 通过上下文感知策略打破多智能体编排中的成本-性能障碍，实现任务高效的路由

Shanyv Liu, Xuyang Yuan, Tao Chen, Zijun Zhan, Zhu Han, Danyang Zheng, Weishan Zhang, Shaohua Cao

机构 * Qingdao Institute of Software, College of Computer Science ； Technology, China University of Petroleum (East China) ； Shandong Key Laboratory of Intelligent Oil \& Gas Industrial Software ； School of computing ； artificial intelligence, Southwest Jiaotong University ； Computer Engineering Department, University of Houston 纠错

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

AI总结 CASTER通过上下文感知策略实现多智能体系统中任务高效路由，显著降低推理成本并保持高成功率。

Multi-Agent Procedural Graph Extraction with Structural and Logical Refinement

多代理过程图提取与结构逻辑细化

Wangyang Ying, Yanchi Liu, Xujiang Zhao, Wei Cheng, Zhengzhang Chen, Wenchao Yu, Yanjie Fu, Haifeng Chen

机构 * Arizona State University（亚利桑那州立大学） ； NEC Labs America（NEC美国实验室） 纠错

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

AI总结 本文提出多代理框架\model{}，通过结构和逻辑细化提升过程图提取的准确性和可控性。

mmCooper: A Multi-agent Multi-stage Communication-efficient and Collaboration-robust Cooperative Perception Framework

mmCooper: 一种多智能体多阶段通信高效且协作鲁棒的协作感知框架

Bingyi Liu, Jian Teng, Hongfei Xue, Enshu Wang, Chuanhui Zhu, Pu Wang, Libing Wu

机构 * Wuhan University Of Technology（武汉理工大学） ； University of North Carolina at Charlotte（北卡罗来纳大学教堂山分校） 纠错

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

AI总结 mmCooper通过多阶段协作策略提升感知性能，同时在通信效率和鲁棒性方面实现优化。

Synchronization on circles and spheres with nonlinear interactions

圆和球上的同步与非线性相互作用

Christopher Criscitiello, Quentin Rebjock, Andrew D. McRae, Nicolas Boumal

机构 * The Wharton School, University of Pennsylvania, USA（沃森学校，宾夕法尼亚大学） ； Institute of Mathematics, EPFL, Lausanne, Switzerland（数学研究所，EPFL，拉沃斯纳，瑞士） ； CERMICS, ENPC, Institut Polytechnique de Paris, CNRS, France（CERMICS，ENPC，巴黎理工学院，CNRS，法国） 纠错

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

AI总结 研究圆和球面上非线性相互作用下的同步问题，发现维度d影响同步条件，提出新的同步条件并证明其有效性。

Comments 30 pages, 1 figure

AoI-Driven Queue Management and Power Control in V2V Networks: A GNN-Enhanced MARL Approach

面向车辆到车辆网络的AoI驱动队列管理和功率控制：一种增强图神经网络的MARL方法

Hao Fang, Xiao Li, Chongtao Guo, Le Liang, Shi Jin

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

AI总结 本文提出一种基于增强图神经网络的多智能体强化学习方法，用于解决车辆到车辆网络中面向信息年龄的状态更新问题，通过联合优化包丢弃和功率控制策略，有效降低信息年龄。

Reinforcement Learning for Enhanced Advanced QEC Architecture Decoding

强化学习用于增强高级量子纠错架构解码

Yidong Zhou, Lingyi Kong, Yifeng Peng, Zhiding Liang

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

AI总结 本文提出利用强化学习技术，包括混合和多智能体方法，以提升先进量子纠错架构的解码性能，通过自主训练智能体实现更优的逻辑错误率和可扩展性。

Comments 7 pages, 5 figures, invited paper, The 31st Asia and South Pacific Design Automation Conference (ASP-DAC 2026) Invited Paper

Agree to Disagree: Consensus-Free Flocking under Constraints

同意却分歧：在约束下无需共识的编队

Peter Travis Jardine, Sidney Givigi

机构 * School of Computing, Queen’s University（女王大学计算机学院） 纠错

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

AI总结 本文提出了一种无需共识的编队方法，通过局部观察实现参数协商，以应对智能体间冲突目标和约束条件下的协调运动。

Comments 7 pages. This work has been accepted for publication in the Proceedings of IEEE SYSCON 2026