AI Agent

DIAGPaper: Diagnosing Valid and Specific Weaknesses in Scientific Papers via Multi-Agent Reasoning

DIAGPaper: 通过多智能体推理诊断科学论文中的有效且具体弱点

Zhuoyang Zou, Abolfazl Ansari, Delvin Ce Zhang, Dongwon Lee, Wenpeng Yin

机构 * Penn State University（宾夕法尼亚州立大学） ； University of Sheffield（谢菲尔德大学） 纠错

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

AI总结 DIAGPaper通过多智能体推理框架有效识别科学论文中的弱点，结合定制、反驳和优先模块提升弱点识别的准确性和优先级排序。

Multi-agent cooperation through in-context co-player inference

通过上下文共玩家推断实现多智能体协作

Marissa A. Weis, Maciej Wołczyk, Rajai Nasser, Rif A. Saurous, Blaise Agüera y Arcas, João Sacramento, Alexander Meulemans

机构 * Google, Paradigms of Intelligence Team（谷歌，智能范式团队） 纠错

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

AI总结 本文提出通过序列模型的上下文学习能力，在无需硬编码假设的情况下实现多智能体协作，通过共玩家多样性促进合作行为的学习。

Comments 26 pages, 4 figures

Multi-Agent Combinatorial-Multi-Armed-Bandit framework for the Submodular Welfare Problem under Bandit Feedback

多智能体组合多臂老虎机框架用于带反馈下的亚模性福利问题

Subham Pokhriyal, Shweta Jain, Vaneet Aggarwal

机构 * Indian Institute of Technology Ropar, Rupnagar, India（印度理工学院罗帕尔分校） ； Purdue University, West Lafayette, USA（普渡大学） 纠错

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

AI总结 本文提出多代理组合老虎机框架，用于在带反馈下解决亚模性福利问题，通过探索后承诺策略实现O(T^{2/3})的遗憾界。

Harnessing Implicit Cooperation: A Multi-Agent Reinforcement Learning Approach Towards Decentralized Local Energy Markets

利用隐性合作：一种多智能体强化学习方法用于去中心化本地能源市场

Nelson Salazar-Pena, Alejandra Tabares, Andres Gonzalez-Mancera

机构 * Department of Mechanical Engineering, Universidad de los Andes（机械工程系，andes大学） ； Department of Industrial Engineering, Universidad de los Andes（工业工程系，andes大学） 纠错

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

AI总结 本文提出隐性合作框架，通过多智能体强化学习在去中心化本地能源市场中实现高效协调，发现APPO-DTDE配置最优，同时提升了电网稳定性与可预测性。

Comments 42 pages, 7 figures, 10 tables

Autonomous and non-autonomous fixed-time leader-follower consensus for second-order multi-agent systems

自主与非自主固定时间领导者-追随者一致性控制用于二阶多智能体系统

Miguel A. Trujillo, Rodrigo Aldana-López, David Gomez Gutierrez, Michael Defoort, Javier Ruiz Leon, Hector M. Becerra

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

AI总结 本文提出自主与非自主固定时间一致性控制方法，用于二阶多智能体系统，解决领导者-追随者一致性问题，通过分布式估计和固定时间收敛实现高效跟踪。

Comments This is the accepted version of the manuscript: Trujillo, M.A., Aldana-Lopez, R., Gomez-Gutierrez, D. et al. Autonomous and non autonomous fixed time leader follower consensus for second order multi agent systems. Nonlinear Dynamics 102, 2669-2686 (2020). DOI: 10.1007/s11071-020-06075-7. Please cite the publisher version

Journal ref Nonlinear Dynamics, Volume 102, Pages 2669 to 2686, 2020

Multi-Agent Meta-Advisor for UAV Fleet Trajectory Design in Vehicular Networks

多智能体元顾问用于车联网中无人机编队轨迹设计

Leonardo Spampinato, Lorenzo Mario Amorosa, Enrico Testi, Chiara Buratti, Riccardo Marini

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

AI总结 本文提出多智能体元顾问框架，用于解决车联网中无人机编队轨迹设计问题，通过联合学习的元策略实现高效探索，提升网络性能。

Modeling Trust and Liquidity Under Payment System Stress: A Multi-Agent Approach

在支付系统压力下建模信任与流动性：一种多智能体方法

Masoud Amouzgar

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

AI总结 本文提出一种多智能体模型，研究支付系统压力下信任与流动性变化，揭示行为滞后效应及事件响应策略的重要性。

TurboADMM: A Structure-Exploiting Parallel Solver for Multi-Agent Trajectory Optimization

TurboADMM：一种利用结构的并行求解器用于多智能体轨迹优化

Yucheng Chen

机构 * Yucheng Chen（独立研究者） 纠错

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

AI总结 TurboADMM通过ADMM分解、Riccati预热和参数二次规划预热，实现多智能体轨迹优化的高效并行求解。

MARLEM: A Multi-Agent Reinforcement Learning Simulation Framework for Implicit Cooperation in Decentralized Local Energy Markets

MARLEM：一种用于分布式本地能源市场隐式合作的多智能体强化学习仿真框架

Nelson Salazar-Pena, Alejandra Tabares, Andres Gonzalez-Mancera

机构 * Department of Mechanical Engineering, Universidad de los Andes（机械工程系，洛斯安第斯大学） ； Department of Industrial Engineering, Universidad de los Andes（工业工程系，洛斯安第斯大学） 纠错

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

AI总结 MARLEM框架通过增强智能体观测和奖励的系统级指标，促进本地能源市场中的隐式合作，提升市场效率和电网稳定性。

Comments 32 pages, 7 figures, 1 table, 1 algorithm

Markerless Robot Detection and 6D Pose Estimation for Multi-Agent SLAM

无标记机器人检测与多智能体SLAM的6D位姿估计

Markus Rueggeberg, Maximilian Ulmer, Maximilian Durner, Wout Boerdijk, Marcus Gerhard Mueller, Rudolph Triebel, Riccardo Giubilato

机构 * German Aerospace Center (DLR)（德国航空航天中心） 纠错

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

AI总结 本文提出基于深度学习的无标记机器人6D位姿估计方法，用于提升多智能体SLAM系统的相对定位精度。

Comments Accepted contribution to ICRA 2026

DataJoint 2.0: A Computational Substrate for Agentic Scientific Workflows

DataJoint 2.0：一种用于智能科学工作流的计算基础

Dimitri Yatsenko, Thinh T. Nguyen

机构 * DataJoint Inc.（DataJoint公司） 纠错

专题命中 工作流自动化 ：agentic(title)；agent(abstract)；workflow(abstract)；分类 cs.AI

AI总结 DataJoint 2.0通过关系型工作流模型和四项技术创新，提供了一种统一的数据结构、数据和计算转换的科学工作流计算基础。

Comments 20 pages, 2 figures, 1 table

Amortized Bayesian Workflow

批处理贝叶斯工作流

Chengkun Li, Aki Vehtari, Paul-Christian Bürkner, Stefan T. Radev, Luigi Acerbi, Marvin Schmitt

机构 * University of Helsinki（赫尔辛基大学） ； ELLIS Institute Finland, Aalto University（芬兰埃利斯研究所、阿尔托大学） ； TU Dortmund University（多特蒙德技术大学） ； Rensselaer Polytechnic Institute（伦斯勒理工学院） ； Independent Scientist（独立研究者） 纠错

专题命中 工作流自动化 ：workflow(title,abstract)；分类 cs.LG

AI总结 本文提出了一种结合快速近似推断与MCMC技术的自适应工作流，通过在处理大量数据集时平衡速度与精度，提升推断效率并保持高质量后验结果。

Comments Accepted in Transactions on Machine Learning Research

From Sound Workflow Nets to LTLf Declarative Specifications by Casting Three Spells

从声音工作流网到LTLf声明性规范：通过施放三道咒语

Luca Barbaro, Giovanni Varricchione, Marco Montali, Claudio Di Ciccio

专题命中 工作流自动化 ：workflow(title,abstract)

AI总结 本文提出通过施放三道咒语，从安全且正确的Workflow网系统地推导出LTLf声明性规范，证明行为等价性并展示编码的可扩展性和紧凑性。

Automated Extraction of Mechanical Constitutive Models from Scientific Literature using Large Language Models: Applications in Cultural Heritage Conservation

利用大语言模型自动化提取科学文献中的机械本构模型：应用于文化遗产保护

Rui Hu, Yue Wu, Tianhao Su, Yin Wang, Shunbo Hu, Jizhong Huang

专题命中 工作流自动化 ：agent(abstract)；workflow(abstract)；agentic(abstract)

AI总结 本研究利用大语言模型自动化提取科学文献中的机械本构模型，应用于文化遗产保护，构建了结构化数据库并提高了数据处理效率。

Measuring Mid-2025 LLM-Assistance on Novice Performance in Biology

测量2025年中期LLM对生物学新手表现的影响

Shen Zhou Hong, Alex Kleinman, Alyssa Mathiowetz, Adam Howes, Julian Cohen, Suveer Ganta, Alex Letizia, Dora Liao, Deepika Pahari, Xavier Roberts-Gaal, Luca Righetti, Joe Torres

专题命中 工作流自动化 ：workflow(abstract)；分类 cs.AI

AI总结 2025年中期LLM对生物学新手在实验室任务中的表现影响有限，但显示出适度的性能优势。

Towards Autonomous Robotic Kidney Ultrasound: Spatial-Efficient Volumetric Imaging via Template Guided Optimal Pivoting

迈向自主机器人肾脏超声：通过模板引导的最优旋转实现空间高效的体积分层成像

Xihan Ma, Haichong Zhang

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出了一种基于模板引导的最优旋转方法，用于实现空间高效的肾脏超声成像，通过最小化探头足迹提高扫描效率和准确性。

push0: Scalable and Fault-Tolerant Orchestration for Zero-Knowledge Proof Generation

push0: 可扩展且容错的零知识证明生成编排系统

Mohsen Ahmadvand, Rok Pajnič, Ching-Lun Chiu

专题命中 工作流自动化 ：workflow(abstract)

AI总结 push0是一种可扩展且容错的零知识证明生成编排系统，通过解耦证明者二进制与调度基础设施，实现了高效的区块顺序证明和并行处理，显著降低了编排开销并提升了容错能力。

Breaking the Sub-Millimeter Barrier: Eyeframe Acquisition from Color Images

突破毫米级障碍：从彩色图像中获取眼框

Manel Guzmán, Antonio Agudo

机构 * Horizons Optical ； Institut de Robòtica i Informàtica Industrial, CSIC-UPC（机器人与信息技术研究所） 纠错

专题命中 工作流自动化 ：workflow(abstract)

AI总结 本文提出了一种基于人工视觉的新型眼框追踪方法，利用多视角信息实现高精度测量，无需专用设备，提升验光效率。

Comments Accepted to CAI 2026

ROIX-Comp: Optimizing X-ray Computed Tomography Imaging Strategy for Data Reduction and Reconstruction

ROIX-Comp: 优化X射线计算机断层扫描成像策略以实现数据缩减与重建

Amarjit Singh, Kento Sato, Kohei Yoshida, Kentaro Uesugi, Yasumasa Joti, Takaki Hatsui, Andrès Rubio Proaño

机构 * The University of Electro-Communications, RIKEN (R-CCS)（电子通信大学，RIKEN（R-CCS）） ； Japan Synchrotron Radiation Research Institute（日本同步辐射研究中心） ； RIKEN SPring-8 Center（RIKEN SPring-8研究中心） 纠错

专题命中 工作流自动化 ：workflow(abstract)

AI总结 ROIX-Comp通过基于ROI的提取框架，结合无损和有损压缩技术，实现X-CT数据的高效压缩，压缩比提升达12.34倍。

Comments 11 pages, SCA/HPCAsia2026

FeatBench: Towards More Realistic Evaluation of Feature-level Code Generation

FeatBench: 向更真实的特征级代码生成评估迈进

Haorui Chen, Chengze Li, Jia Li

机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； University of Electronic Science and Technology of China（电子科技大学） ； Nanjing University（南京大学） 纠错

专题命中 软件智能体 ：agent(abstract)；分类 cs.AI、cs.CL、cs.SE

AI总结 FeatBench提出了一种新的特征级代码生成评估基准，通过真实任务输入和动态数据构建，解决现有基准的局限性，并揭示了代理在实现中的激进行为问题。

Recursive language models for jailbreak detection: a procedural defense for tool-augmented agents

递归语言模型用于对抗检测：一种针对工具增强代理的程序性防御

Doron Shavit

专题命中 软件智能体 ：agentic(abstract)；分类 cs.AI

AI总结 本文提出基于递归语言模型的RLM-JB框架，通过程序化方法检测对抗性输入，实现高检测效果与高精度的平衡。

Comments 5 pages and 1 figure. Appendix: an additional 5 pages

Algorithm-Based Pipeline for Reliable and Intent-Preserving Code Translation with LLMs

基于算法的可靠且意图保留的代码翻译管道

Shahriar Rumi Dipto, Saikat Mondal, Chanchal K. Roy

专题命中 软件智能体 ：planning(abstract)；分类 cs.SE

AI总结 本文提出一种基于算法的代码翻译管道，通过引入语言中立的中间规范提升翻译准确性和可靠性，实验结果显示其在多个指标上均优于直接翻译方法。

Comments Accepted at 34th IEEE/ACM International Conference on Program Comprehension (ICPC 2026)

From Tool Orchestration to Code Execution: A Study of MCP Design Choices

从工具编排到代码执行：MCP设计选择的研究

Yuval Felendler, Parth A. Gandhi, Idan Habler, Yuval Elovici, Asaf Shabtai

机构 * Faculty of Computer and Information Science（计算机与信息科学学院） 纠错

专题命中 软件智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文研究了MCP设计选择对可扩展性和安全性的平衡，提出通过代码执行能力提升智能体流程的效率，并通过安全框架应对扩展带来的攻击风险。

Edge Learning via Federated Split Decision Transformers for Metaverse Resource Allocation

通过联邦分裂决策变换器进行边缘学习以实现元宇宙资源分配

Fatih Temiz, Shavbo Salehi, Melike Erol-Kantarci

机构 * School of Electrical Engineering and Computer Science（电气工程与计算机科学学院） 纠错

专题命中 GUI与网页智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文提出FSDT框架，通过联邦学习与强化学习结合，解决异构多无线电接入环境下的元宇宙资源分配问题，提升QoE并减少计算负担。

Comments 6 pages, 4 figures, Accepted paper at IEEE International Conference on Communications (ICC) 2026

A Unified, Cross-Platform Framework for Automatic GUI and Plugin Generation in Structural Bioinformatics and Beyond

一种统一的跨平台框架，用于结构生物信息学及其他领域的自动GUI和插件生成

Sikao Guo, Edoardo Sarti, Frédéric Cazals

专题命中 GUI与网页智能体 ：workflow(abstract)；分类 cs.SE

AI总结 本文提出了一种统一的跨平台框架，用于自动化生成结构生物信息学及其他领域的GUI和插件，通过MVP模式实现可重用性和跨平台兼容性。

Comments 10 pages, 4 figures

End-user validation of BRIGHT with custom-developed graphical user interface applied to cervical cancer brachytherapy

终用户验证BRIGHT的定制开发图形用户界面应用于宫颈癌近距离治疗

Leah R. M. Dickhoff, Ellen M. Kerkhof, Heloisa H. Deuzeman, Laura A. Velema, Stephanie M. de Boer, Lavinia A. L. Verhagen, Danique L. J. Barten, Bradley R. Pieters, Lukas J. A. Stalpers, Renzo J. Scholman, Pedro M. Matos, Anton Bouter, Carien L. Creutzberg, Peter A. N. Bosman, Tanja Alderliesten

专题命中 GUI与网页智能体 ：planning(abstract)

AI总结 BRIGHT结合定制GUI在宫颈癌近距离治疗中表现出色，优于临床实践五例，用户友好且高效。

MemoryArena: Benchmarking Agent Memory in Interdependent Multi-Session Agentic Tasks

MemoryArena：评估多会话代理任务中的代理记忆

Zexue He, Yu Wang, Churan Zhi, Yuanzhe Hu, Tzu-Ping Chen, Lang Yin, Ze Chen, Tong Arthur Wu, Siru Ouyang, Zihan Wang, Jiaxin Pei, Julian McAuley, Yejin Choi, Alex Pentland

机构 * Stanford University（斯坦福大学） ； Princeton University（普林斯顿大学） ； University of Pittsburgh（匹兹堡大学） 纠错

专题命中 记忆与上下文管理 ：agent(title,abstract)；agentic(title,abstract)；planning(abstract)；分类 cs.CL

AI总结 MemoryArena是一个用于评估多会话代理任务中代理记忆的统一评估环境，揭示了现有长上下文记忆基准在代理任务中的不足。

MMA: Multimodal Memory Agent

MMA：多模态记忆代理

Yihao Lu, Wanru Cheng, Zeyu Zhang, Hao Tang

机构 * School of Computer Science, Peking University（北京大学计算机学院） 纠错

专题命中 记忆与上下文管理 ：agent(title,abstract)

AI总结 MMA通过动态可靠性评分和冲突感知网络共识，提升多模态代理在长horizon任务中的记忆检索与决策能力，同时在多个基准测试中展现优越性能。

Learning Personalized Agents from Human Feedback

从人类反馈中学习个性化代理

Kaiqu Liang, Julia Kruk, Shengyi Qian, Xianjun Yang, Shengjie Bi, Yuanshun Yao, Shaoliang Nie, Mingyang Zhang, Lijuan Liu, Jaime Fernández Fisac, Shuyan Zhou, Saghar Hosseini

机构 * Meta Superintelligence Labs（Meta超智能实验室） ； Princeton University（普林斯顿大学） ； Duke University（杜克大学） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)；AI agent(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 PAHF通过整合显式记忆与双反馈通道，实现持续个性化，显著提升学习速度和适应能力。

Reinforcement Learning for Parameterized Quantum State Preparation: A Comparative Study

基于强化学习的参数化量子态制备：一种比较研究

Gerhard Stenzel, Isabella Debelic, Michael Kölle, Tobias Rohe, Leo Sünkel, Julian Hager, Claudia Linnhoff-Popien

机构 * LMU MunichDepartment of Computer ScienceChair of Mobile and Distributed Systems（慕尼黑大学计算机科学系移动与分布式系统研究所） 纠错

专题命中 记忆与上下文管理 ：agent(abstract)；分类 cs.LG

AI总结 本文通过强化学习比较了单阶段和双阶段方法在参数化量子态制备中的表现，发现单阶段PPO在计算效率和准确性上更优。

Comments Extended version of a short paper to be published at ICAART 2026