AI Agent

Insight Agents: An LLM-Based Multi-Agent System for Data Insights

洞察代理：基于LLM的多智能体数据洞察系统

Jincheng Bai, Zhenyu Zhang, Jennifer Zhang, Zhihuai Zhu

机构 * Amazon（亚马逊） 纠错

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

AI总结 本文提出基于LLM的洞察代理系统，通过多智能体架构实现高效的数据洞察与商业决策支持，准确率达90%且延迟低于15秒。

Comments Accepted to SIGIR 2025. DOI: 10.1145/3726302.3731959

PaperDebugger: A Plugin-Based Multi-Agent System for In-Editor Academic Writing, Review, and Editing

PaperDebugger：一种基于插件的多智能体系统用于编辑器中的学术写作、审阅和编辑

Junyi Hou, Andre Lin Huikai, Nuo Chen, Yiwei Gong, Bingsheng He

机构 * National University of Singapore（新加坡国立大学） 纠错

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

AI总结 PaperDebugger是一种在编辑器内集成多智能体系统和插件的学术写作助手，通过Chrome扩展、Kubernetes编排层和MCP工具链实现LLM驱动的写作、审阅和编辑功能。

Multi-Agent Design: Optimizing Agents with Better Prompts and Topologies

多智能体设计：通过更优提示和拓扑结构优化智能体

Han Zhou, Xingchen Wan, Ruoxi Sun, Hamid Palangi, Shariq Iqbal, Ivan Vulić, Anna Korhonen, Sercan Ö. Arık

机构 * Google（谷歌） ； University of Cambridge（剑桥大学） 纠错

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

AI总结 本文提出MASS框架，通过优化提示和拓扑结构提升多智能体系统性能，并揭示了有效构建多智能体系统的原理。

Comments ICLR 2026

Multi-Agent Monte Carlo Tree Search for Makespan-Efficient Object Rearrangement in Cluttered Spaces

多智能体蒙特卡洛树搜索用于 cluttered 空间中的 makespan 高效物体重新排列

Hanwen Ren, Junyong Kim, Aathman Tharmasanthiran, Ahmed H. Qureshi

机构 * Department of Computer Science, Purdue University（计算机科学系，普渡大学） 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CAM-MCTS框架，通过集中式任务分配与异步执行策略，提升杂乱环境中物体重新排列的makespan效率。

NetWorld: Communication-Based Diffusion World Model for Multi-Agent Reinforcement Learning in Wireless Networks

NetWorld: 基于通信的扩散世界模型用于无线网络中的多智能体强化学习

Kechen Meng, Rongpeng Li, Yansha Deng, Zhifeng Zhao, Honggang Zhang

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

AI总结 NetWorld通过通信增强的扩散世界模型，实现无线网络中多智能体强化学习的少样本泛化和高效轨迹规划。

Towards AI as Colleagues: Multi-Agent System Improves Structured Ideation Processes

迈向AI作为同事：多智能体系统改进结构化构思过程

Kexin Quan, Dina Albassam, Mengke Wu, Zijian Ding, Jessie Chin

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

AI总结 MultiColleagues通过多智能体协作提升构思过程质量，展示AI作为同事的潜力

Journal ref Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems

MARS: Co-evolving Dual-System Deep Research via Multi-Agent Reinforcement Learning

MARS: 通过多智能体强化学习进行多系统深度研究

Guoxin Chen, Zile Qiao, Wenqing Wang, Donglei Yu, Xuanzhong Chen, Hao Sun, Minpeng Liao, Kai Fan, Yong Jiang, Penguin Xie, Wayne Xin Zhao, Ruihua Song, Fei Huang

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学 glowing 人工智能学院） ； Tongyi Lab, Alibaba Group（阿里集团通义实验室） 纠错

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

AI总结 MARS通过多智能体强化学习共进化双认知系统，无需监督微调即可在知识密集型任务中取得显著性能提升。

Comments Ongoing Work

LLM-Based Multi-Agent Blackboard System for Information Discovery in Data Science

基于大语言模型的多智能体黑板系统用于数据科学中的信息发现

Alireza Salemi, Mihir Parmar, Palash Goyal, Yiwen Song, Jinsung Yoon, Hamed Zamani, Tomas Pfister, Hamid Palangi

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

AI总结 本文提出了一种基于黑板架构的多智能体系统，用于提升数据科学中的信息发现效率，通过去中心化设计实现更高的可扩展性和灵活性。

SafeTalkCoach: Diversity-Driven Multi-Agent Simulation for Parent-Teen Health Conversations

SafeTalkCoach：基于多样性的多智能体模拟用于父母-青少年健康对话

Benyamin Tabarsi, Wenbo Li, Tahreem Yasir, Aryan Santhosh Kumar, Laura Widman, Dongkuan Xu, Tiffany Barnes

机构 * North Carolina State University（北卡罗来纳州立大学） ； Florida State University（佛罗里达州立大学） 纠错

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

AI总结 SafeTalkCoach通过多智能体模拟生成多样化的父母-青少年性健康对话，结合真实数据与合成场景，提升对话生成的真实性和可控性，支持AI研究与健康沟通实践。

Unifying Agent Interaction and World Information for Multi-agent Coordination

统一代理交互与世界信息以实现多代理协调

Dongsu Lee, Daehee Lee, Yaru Niu, Honguk Woo, Amy Zhang, Ding Zhao

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Sungkyunkwan University（松云大学） ； Carnegie Mellon University（卡内基梅隆大学） 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 本文提出交互-世界潜在空间框架，通过建模通信协议实现多代理协调，提升团队协作效率与鲁棒性。

Comments 2025 NeurIPS ARLET Workshop Oral presentation (https://arlet-workshop.github.io/neurips2025/schedule)

Instructional Agents: Reducing Teaching Faculty Workload through Multi-Agent Instructional Design

教学代理：通过多智能体教学设计减少教学人员的工作量

Huaiyuan Yao, Wanpeng Xu, Justin Turnau, Nadia Kellam, Hua Wei

机构 * Arizona State University（亚利桑那州立大学） 纠错

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

AI总结 教学代理通过多智能体框架自动化生成教学材料，减少教学人员工作量，提升教育普及效率。

Comments Accepted by ECAL'26 main conference; 23 pages, 9 figures

Self-Evolving Coordination Protocol in Multi-Agent AI Systems: An Exploratory Systems Feasibility Study

多智能体AI系统中的自演化协调协议：一种探索性系统可行性研究

Jose Manuel de la Chica Rodriguez, Juan Manuel Vera Díaz

机构 * AI Lab, Grupo Santander Madrid, Spain（西班牙桑坦德集团AI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 本研究探讨了自演化协调协议在多智能体系统中的可行性，通过实验展示有限自我修改在满足形式约束下的技术实现可能性。

INDIBATOR: Diverse and Fact-Grounded Individuality for Multi-Agent Debate in Molecular Discovery

INDIBATOR: 多样且基于事实的个体性用于分子发现中的多智能体辩论

Yunhui Jang, Seonghyun Park, Jaehyung Kim, Sungsoo Ahn

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； Yonsei university（延世大学） 纠错

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

AI总结 INDIBATOR 通过基于个性化科学家资料的多智能体辩论框架，在分子发现中实现了更高质量的科学发现。

ORCH: many analyses, one merge-a deterministic multi-agent orchestrator for discrete-choice reasoning with EMA-guided routing

ORCH: 多种分析，一个合并——一种确定性多智能体协调器，用于离散选择推理的EMA引导路由

Hanlin Zhou, Huah Yong Chan

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

AI总结 ORCH是一种确定性多智能体协调器，通过EMA引导路由实现离散选择推理的可控、可解释和部署就绪的智能体系统。

AutoHealth: An Uncertainty-Aware Multi-Agent System for Autonomous Health Data Modeling

AutoHealth：一种面向自主健康数据建模的不确定性感知多智能体系统

Tong Xia, Weibin Li, Gang Liu, Yong Li

机构 * Vanke School of Public Health, Tsinghua University（清华大学万科公共卫生学院） ； Department of Electronic Engineering, Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心电子工程系） ； Tsinghua University, China（清华大学） 纠错

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

AI总结 AutoHealth通过多智能体系统自主建模健康数据，提升预测性能和不确定性估计，有效解决健康数据建模中的泛化和可靠性问题。

FinEvo: From Isolated Backtests to Ecological Market Games for Multi-Agent Financial Strategy Evolution

FinEvo: 从孤立回测到多智能体金融策略进化的生态市场博弈

Mingxi Zou, Jiaxiang Chen, Aotian Luo, Jingyi Dai, Chi Zhang, Dongning Sun, Zenglin Xu

机构 * Fudan University（复旦大学） ； Tensorpacific ； Peng Cheng Laboratory（鹏城实验室） 纠错

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

AI总结 FinEvo通过生态博弈形式化方法研究多智能体金融策略的进化动态，揭示策略在动态市场中的适应与演化机制。

Comments Preprint. Submitted to a conference

A Multi-Agent Framework for Mitigating Dialect Biases in Privacy Policy Question-Answering Systems

一种缓解隐私政策问答系统方言偏见的多智能体框架

Đorđe Klisura, Astrid R Bernaga Torres, Anna Karen Gárate-Escamilla, Rajesh Roshan Biswal, Ke Yang, Hilal Pataci, Anthony Rios

机构 * University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校） ； Tecnológico de Monterrey（蒙特雷技术学院） 纠错

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

AI总结 本文提出一种多智能体框架，通过方言智能体和隐私政策智能体协作，提升隐私政策问答系统对非标准方言的处理能力，有效缓解方言偏见问题。

Comments Accepted to ACL 2025 Main Conference

Cross-Modal Memory Compression for Efficient Multi-Agent Debate

多模态记忆压缩以实现高效的多智能体辩论

Jing Wu, Yue Sun, Tianpei Xie, Suiyao Chen, Jingyuan Bao, Yaopengxiao Xu, Gaoyuan Du, Inseok Heo, Alexander Gutfraind, Xin Wang

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

AI总结 DebateOCR通过多模态压缩框架将多智能体辩论的历史文本转换为图像表示，显著减少token使用并提升推理效率。

Autonomous Multi-Agent AI for High-Throughput Polymer Informatics: From Property Prediction to Generative Design Across Synthetic and Bio-Polymers

自主多智能体AI用于高通量聚合物信息学：从性质预测到生成设计跨越合成与生物聚合物

Mahule Roy, Adib Bazgir, Arthur da Silva Sousa Santos, Yuwen Zhang

机构 * Institute of Biomedical Engineering University of Oxford（生物医学工程研究所牛津大学） ； Department of Mechanical and Aerospace Engineering University of Missouri–Columbia（机械与航空航天工程系密苏里大学-哥伦比亚分校） ； Center for Engineering, Modeling and Applied Social Sciences Federal University of ABC (UFABC)（工程、建模与应用社会科学中心巴西联邦大学ABC分校） 纠错

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

AI总结 本文提出一个自主多智能体AI系统，用于高通量聚合物信息学，实现从性质预测到生成设计的跨合成与生物聚合物应用。

Design and Empirical Study of a Large Language Model-Based Multi-Agent Investment System for Chinese Public REITs

基于大语言模型的多智能体投资系统设计与实证研究：中国公共REITs市场

Zheng Li

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

AI总结 本研究设计并实证了一种基于大语言模型的多智能体投资系统，用于中国公共REITs市场，通过多智能体协作提升交易的风险调整收益。

When Does Pairing Seeds Reduce Variance? Evidence from a Multi-Agent Economic Simulation

何时种子配对能减少方差？来自多智能体经济模拟的证据

Udit Sharma

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

AI总结 本文通过多智能体经济模拟研究种子配对对减少方差的影响，发现共享随机种子能系统性地减少评估中的方差，尤其在正相关情况下效果更显著。

Low-Complexity Multi-Agent Continual Learning for Stacked Intelligent Metasurface-Assisted Secure Communications

低复杂度多智能体持续学习用于堆叠智能超材料辅助安全通信

Enyu Shi, Yiyang Zhu, Jiayi Zhang, Ziheng Liu, Jiakang Zheng, Jiancheng An, Derrick Wing Kwan Ng, Bo Ai, Chau Yuen

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

AI总结 本文提出低复杂度多智能体持续学习框架，用于提升堆叠智能超材料辅助安全通信的物理层安全性能。

Comments Enyu Shi and Yiyang Zhu contributed equally to this work

V2X-DSC: Multi-Agent Collaborative Perception with Distributed Source Coding Guided Communication

V2X-DSC: 基于分布式源编码引导通信的多智能体协同感知

Yuankun Zeng, Shaohui Li, Zhi Li, Shulan Ruan, Yu Liu, You He

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） ； Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） 纠错

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

AI总结 V2X-DSC通过分布式源编码引导通信，实现多智能体协同感知的高效带宽受限融合，提升3D理解精度与通信效率。

Human Society-Inspired Approaches to Agentic AI Security: The 4C Framework

面向代理AI安全的人类社会启发方法：4C框架

Alsharif Abuadbba, Nazatul Sultan, Surya Nepal, Sanjay Jha

机构 * University of New South Wales, Sydney（新南威尔士大学悉尼分校） 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4C框架，通过人类社会治理理念，为代理AI安全提供多维度保护，强调行为完整性和意图，构建可信可控的AI系统。

Comments 10 pages

Protocol Agent: What If Agents Could Use Cryptography In Everyday Life?

协议代理：如果代理能够用密码学在日常生活中使用呢？

Marco De Rossi

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

AI总结 协议代理通过引入基准评估代理在日常生活中使用密码学技术的能力，提升通信效率与安全性。

Applying Large-Scale Distributed Computing to Structural Bioinformatics -- Bridging Legacy HPC Clusters With Big Data Technologies Using kafka-slurm-agent

将大规模分布式计算应用于结构生物信息学 -- 使用kafka-slurm-agent连接传统HPC集群与大数据技术

Pawel Rubach

专题命中 多智能体 ：agent(title,abstract)

AI总结 KSA通过结合大数据技术与传统HPC集群，为结构生物信息学研究提供了一种新的分布式计算解决方案，用于检测蛋白质结节结构。

Comments Accepted for the PEARC 2025 conference, 12 pages

Journal ref PEARC '25: Practice and Experience in Advanced Research Computing 2025: The Power of Collaboration 2025

Multi-Head Attention Is a Multi-Player Game

多头注意力是一个多玩家游戏

Kushal Chakrabarti, Nirmal Balachundar

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

AI总结 本文提出GAME-LoRA方法，通过多头注意力的博弈论视角，通过正则化减少Γ(G)来降低价格无效率，有效减少幻觉并提升模型性能。

Large Language Models for Scientific Idea Generation: A Creativity-Centered Survey

用于科学思想生成的大型语言模型：以创造力为中心的综述

Fatemeh Shahhosseini, Arash Marioriyad, Ali Momen, Mahdieh Soleymani Baghshah, Mohammad Hossein Rohban, Shaghayegh Haghjooy Javanmard

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

AI总结 本文综述了大型语言模型在科学思想生成中的应用，分析了不同方法在创新性与科学合理性之间的权衡，并提出了评估框架以指导未来研究方向。

Comments 75 Pages

Actor-Dual-Critic Dynamics for Zero-sum and Identical-Interest Stochastic Games

Actor-Dual-Critic 动力学用于零和游戏和相同利益随机游戏

Ahmed Said Donmez, Yuksel Arslantas, Muhammed O. Sayin

机构 * Department of Electrical & Electronics Engineering at Bilkent University（比尔肯特大学电气与电子工程系） 纠错

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

AI总结 本文提出了一种基于收益的去中心化学习算法，通过Actor-Dual-Critic架构在零和和相同利益随机游戏中实现收敛到均衡。

Latent Debate: A Surrogate Framework for Interpreting LLM Thinking

潜在辩论：一种解释大语言模型思维的代理框架

Lihu Chen, Xiang Yin, Francesca Toni

机构 * Imperial College London, United Kingdom（伦敦帝国学院） 纠错

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

AI总结 本文提出潜在辩论框架，通过捕捉单个模型内部隐含的论点信号，解释LLM的思维过程并检测幻觉。

Comments Preprint