AI Agent

The Moltbook Illusion: Separating Human Influence from Emergent Behavior in AI Agent Societies

Moltbook错觉：区分人类影响与AI代理社会中的涌现行为

Ning Li

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

AI总结 研究通过分析Moltbook平台上的AI代理行为，发现病毒性叙事主要由人类驱动，揭示了AI对话的内在遗忘机制。

The Five Ws of Multi-Agent Communication: Who Talks to Whom, When, What, and Why -- A Survey from MARL to Emergent Language and LLMs

多智能体通信的五个W：谁与谁沟通，何时沟通，沟通什么，为何沟通——从MARL到涌现语言和LLMs的综述

Jingdi Chen, Hanqing Yang, Zongjun Liu, Carlee Joe-Wong

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

AI总结 本文综述了多智能体通信的五个W，探讨了从MARL到涌现语言和LLM的发展，分析了不同范式下的通信设计、权衡与挑战。

Comments Accepted at Transactions on Machine Learning Research (TMLR), 2026

CausalAgent: A Conversational Multi-Agent System for End-to-End Causal Inference

CausalAgent：面向端到端因果推断的对话多智能体系统

Jiawei Zhu, Wei Chen, Ruichu Cai

机构 * Guangdong University of Technology（广东工业大学） ； 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)；workflow(abstract)；分类 cs.AI

AI总结 CausalAgent通过整合多智能体系统、检索增强生成和模型上下文协议，实现端到端因果推断的自动化，使用户能通过自然语言交互获得严谨的分析报告。

Comments Accepted by IUI 2026

RF-Modulated Adaptive Communication Improves Multi-Agent Robotic Exploration

基于RF调制的自适应通信提升多智能体机器人探索

Lorin Achey, Breanne Crockett, Christoffer Heckman, Bradley Hayes

机构 * University of Colorado Boulder（科罗拉多大学波尔德分校） 纠错

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

AI总结 本文提出了一种自适应射频传输算法，通过动态调节传输位置提升多智能体机器人在通信受限环境中的探索效率，实验显示其在距离和时间上均优于现有方法。

TDPNavigator-Placer: Thermal- and Wirelength-Aware Chiplet Placement in 2.5D Systems Through Multi-Agent Reinforcement Learning

TDPNavigator-Placer: 通过多智能体强化学习实现2.5D系统中热和布线长度感知的芯片片放置

Yubo Hou, Furen Zhuang, Partha Pratim Kundu, Sezin Ata Kircali, Jie Wang, Mihai Dragos Rotaru, Dutta Rahul, Ashish James

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

AI总结 TDPNavigator-Placer通过多智能体强化学习，实现2.5D系统中热和布线长度感知的芯片片放置优化，提升性能平衡。

Journal ref The 27th IEEE Electronics Packaging Technology Conference (EPTC 2025)

Differentiable Modal Logic for Multi-Agent Diagnosis, Orchestration and Communication

可微模态逻辑用于多智能体诊断、协调与通信

Antonin Sulc

机构 * Lawrence Berkeley National Lab（伯克利劳伦斯国家实验室） ； Berkeley（伯克利） 纠错

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

AI总结 本文提出可微模态逻辑，通过神经符号方法实现多智能体系统的调试与协调，结合知识注入和多模态推理，提升智能体间的信任与因果推理能力。

Comments 29 pages, 8 figures, 8 tables, Tutorial at 3rd International Conference on Neuro-Symbolic Systems (NeuS)

Distributionally Robust Cooperative Multi-Agent Reinforcement Learning via Robust Value Factorization

基于鲁棒价值因子化的分布鲁棒合作多智能体强化学习

Chengrui Qu, Christopher Yeh, Kishan Panaganti, Eric Mazumdar, Adam Wierman

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

AI总结 本文提出分布鲁棒IGM原则，改进价值因子化架构以提升鲁棒性和现实适应性。

Comments ICLR 2026

Phase Transition for Budgeted Multi-Agent Synergy

预算多智能体协同的相变

Bang Liu, Linglong Kong, Jian Pei

机构 * Department of Computer Science and Operations Research Université de Montréal & Mila - Quebec AI Institute（计算机科学与运筹学系，蒙特利尔大学及魁北克人工智能研究所） ； Department of Mathematical & Statistical Science University of Alberta（数学与统计学系，阿尔伯塔大学） ； Department of Computer Science Duke University（计算机科学系，杜克大学） 纠错

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

AI总结 该研究提出了一种理论，通过分析上下文窗口、通信损失和共享失败等约束，揭示了预算多智能体系统在不同相变状态下的表现，并给出了计算分配规则和预算阈值。

Comments 55 pages, 12 figures

Parallelism Meets Adaptiveness: Scalable Documents Understanding in Multi-Agent LLM Systems

并行与适应性：多智能体大语言模型系统中的可扩展文档理解

Chengxuan Xia, Qianye Wu, Sixuan Tian, Yilun Hao

机构 * University of California, Santa Cruz（加州大学圣克ruz分校） ； 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

AI总结 本文提出一种多智能体大语言模型系统协调框架，通过动态任务路由、双向反馈和并行评估机制，提升文档理解的适应性和效率。

Comments Accepted at AAAI 2026 Workshop on WoMAPF, Camera ready version

Semantic Fusion: Verifiable Alignment in Decentralized Multi-Agent Systems

语义融合：去中心化多智能体系统的可验证对齐

Sofiya Zaichyk

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

AI总结 语义融合通过本地本体验证实现去中心化多智能体系统的可验证语义对齐，支持动态更新提案并确保安全性和鲁棒性。

Comments 29 pages

Journal ref ACM Trans. Auton. Adapt. Syst. (2026)

From CVE Entries to Verifiable Exploits: An Automated Multi-Agent Framework for Reproducing CVEs

从CVE条目到可验证的漏洞利用：一种自动化多智能体框架用于重现CVE

Saad Ullah, Praneeth Balasubramanian, Wenbo Guo, Amanda Burnett, Hammond Pearce, Christopher Kruegel, Giovanni Vigna, Gianluca Stringhini

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

AI总结 本文提出CVE-GENIE框架，通过自动化多智能体方法重现CVE漏洞，生成高质量可验证漏洞利用数据集，用于安全研究与评估。

The PBSAI Governance Ecosystem: A Multi-Agent AI Reference Architecture for Securing Enterprise AI Estates

PBSAI治理生态系统：一种多智能体AI参考架构，用于保障企业AI领地安全

John M. Willis

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

AI总结 PBSAI提出了一种多智能体参考架构，用于保障企业AI领地的安全，通过十二个领域分类法和有限智能体家族实现责任划分，结合分析监控、协调防御等技术，确保系统安全与可追溯性。

Comments 43 pages, plus 12 pages of appendices. One Figure

Embodied AI Agents for Team Collaboration in Co-located Blue-Collar Work

具身AI代理在协作蓝领工作中的团队协作

Kaisa Vaananen, Niels van Berkel, Donald McMillan, Thomas Olsson

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

AI总结 本文探讨具身AI代理在蓝领工作场所中促进团队协作与包容性沟通的设计策略与实践挑战。

Comments 4 pages, 1 figure, a short synopsis of this paper has been submitted to CHI 2026 workshop on Embodying Relationships, Designing TUIs for Co-Located Human-Human Dynamics

Cooperation Breakdown in LLM Agents Under Communication Delays

在通信延迟下LLM代理间的合作破裂

Keita Nishimoto, Kimitaka Asatani, Ichiro Sakata

机构 * The University of Tokyo（东京大学） 纠错

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

AI总结 研究探讨了通信延迟对LLM多智能体系统中合作的影响，发现延迟增加会引发代理剥削行为，但过度延迟反而促进合作，揭示了低层因素对合作的重要性。

AC-MASAC: An Attentive Curriculum Learning Framework for Heterogeneous UAV Swarm Coordination

AC-MASAC：一种用于异构无人机群协调的注意力课程学习框架

Wanhao Liu, Junhong Dai, Yixuan Zhang, Shengyun Yin, Panshuo Li

机构 * Guangdong University of Technology（广东工业大学） 纠错

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

AI总结 本文提出AC-MASAC框架，通过角色感知注意力机制和结构化课程策略，解决异构无人机群协同路径规划中的稀疏奖励和灾难性遗忘问题，提升成功率和任务完成效率。

PrefillShare: A Shared Prefill Module for KV Reuse in Multi-LLM Disaggregated Serving

PrefillShare: 一种用于多语言模型解耦服务中KV重用的共享预填模块

Sunghyeon Woo, Hoseung Kim, Sunghwan Shim, Minjung Jo, Hyunjoon Jeong, Jeongtae Lee, Joonghoon Kim, Sungjae Lee, Baeseong Park, Se Jung Kwon, Dongsoo Lee

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

AI总结 PrefillShare通过共享预填模块和KV缓存，减少多语言模型解耦服务中的冗余计算和延迟，提升吞吐量和准确性。

Comments Preprint. 13 pages, 6 figures

A Generic Framework for Fair Consensus Clustering in Streams

一种面向流的公平共识聚类通用框架

Diptarka Chakraborty, Kushagra Chatterjee, Debarati Das, Tien-Long Nguyen

机构 * National University of Singapore（新加坡国立大学） ； Pennsylvania State University（宾夕法尼亚州立大学） 纠错

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

AI总结 本文提出了一种面向流的公平共识聚类通用框架，通过整合最近公平聚类与聚类拟合，实现了在流模型和离线重新查看时的改进近似保证。

Comments Accepted in AAMAS 2026

Modal Logical Neural Networks

模态逻辑神经网络

Antonin Sulc

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

AI总结 模态逻辑神经网络结合深度学习与模态逻辑，通过可微逻辑护栏实现必要性与可能性推理，提升逻辑一致性和可解释性。

Comments 22 pages, 7 figures, 6 tables

Optimizing Distances for Multi-Broadcast in Temporal Graphs

在时序图中优化多广播的距离

Daniele Carnevale, Gianlorenzo D'Angelo

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

AI总结 在时序图中，通过优化多广播的最坏时间距离，解决多源信息传播的调度问题。

Anonymous Contracts

匿名合同

Johannes Brustle, Paul Duetting, Stefano Leonardi, Tomasz Ponitka, Matteo Russo

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

AI总结 本文研究了匿名合同在多智能体合同问题中的应用，证明了其在有限负债下的效率限制，并展示了去除有限负债后可实现社会福利的完全提取。

Comments 37 pages, 2 figures

Multi-Defender Single-Attacker Perimeter Defense Game on a Cylinder: Special Case in which the Attacker Starts at the Boundary

圆柱体上的多防御者单攻击者周界防御博弈：攻击者起始于边界边缘的特殊情况

Michael Otte, Roderich Groß

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

AI总结 研究在圆柱体上多防御者对抗单攻击者的周界防御博弈，分析攻击者起始于边界附近时的获胜条件。

Comments 4 pages, 3 figures

ReTracing: An Archaeological Approach Through Body, Machine, and Generative Systems

ReTracing：通过身体、机器和生成系统进行考古学研究

Yitong Wang, Yue Yao

机构 * Department of Machine Learning（机器学习系） ； Carnegie Mellon University（卡内基梅隆大学） ； SIPA Technology Policy and Innovation（技术政策与创新研究所） ； Columbia University（哥伦比亚大学） 纠错

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

AI总结 ReTracing通过AI、人类和机器人互动，探索生成系统如何通过编舞运动反映社会文化偏见。

Large-scale distributed synchronization systems, using a cancel-on-completion redundancy mechanism

大规模分布式同步系统，使用取消完成冗余机制

Alexander Stolyar

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

AI总结 本文提出了一种大规模分布式同步系统模型，采用取消完成冗余机制，研究均值场极限下的固定点存在性及稳态分布特性，统一并推广了多服务器排队系统的相关结果。

Comments 37 pages. Final version published in Queueing Systems, plus the Appendix

Journal ref Queueing Syst 110, 14 (2026)

QoE-Driven Multi-Task Offloading for Semantic-Aware Edge Computing Systems

面向语义的多任务卸载：用于语义感知边缘计算系统的QoE驱动方法

Xuyang Chen, Daquan Feng, Wei Jiang, Qu Luo, Gaojie Chen, Yao Sun

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

AI总结 本文提出语义感知的多任务卸载框架，通过优化资源分配提升边缘计算系统的用户体验。

Comments 18 pages, accepted by IEEE TNSE

Do Large Language Models Adapt to Language Variation across Socioeconomic Status?

大型语言模型是否在社会经济地位上适应语言变异？

Elisa Bassignana, Mike Zhang, Dirk Hovy, Amanda Cercas Curry

机构 * IT University of Copenhagen（丹麦技术大学） ； Pioneer Center for AI（先锋人工智能中心） ； University of Copenhagen（哥本哈根大学） ； Bocconi University（博科尼大学） ； CENTAI Institute（CENTAI研究所） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.CL

AI总结 研究发现大型语言模型在不同社会经济地位社区中适应语言风格有限，可能加剧语言层级差异并影响社会模拟研究的有效性。

Modified Axelrod Model Showing Opinion Convergence And Polarization In Realistic Scale-Free Networks

改进的Axelrod模型：在现实规模网络中展示意见收敛与极化

X. Zou, H. F. Chau

专题命中 多智能体 ：agent(abstract)

AI总结 改进的Axelrod模型通过引入无标度网络和有界置信机制，研究意见收敛与极化，并探讨减少极化的有效策略。

Comments 18 pages, 11 figures

Energy-Aware Holistic Optimization in UAV-Assisted Fog Computing: Attitude, Trajectory, Task Assignment

面向无人机辅助雾计算的能耗感知整体优化：姿态、轨迹、任务分配

Shuaijun Liu, Jinqiu Du, Yaxin Zheng, Jiaying Yin, Yuhui Deng, Jingjin Wu

专题命中 多智能体 ：planning(abstract)

AI总结 本文提出了一种面向无人机辅助雾计算的能耗感知整体优化框架，通过联合优化姿态、轨迹和任务分配，提升系统性能。

Comments 21 pages, 14 figures

Journal ref Computer Networks 277, 112064, 2026