AI Agent

Learning to Interrupt in Language-based Multi-agent Communication

语言基多智能体通信中的中断学习

Danqing Wang, Da Yin, Ruta Desai, Lei Li, Asli Celikyilmaz, Ansong Ni

机构 * CMU（卡内基梅隆大学） ； Meta FAIR 纠错

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

AI总结 本文提出一种可中断的通信框架，通过学习预测合适的中断点，减少通信成本，提升多智能体任务性能。

Comments Accepted in CoLM 2026

Multi-Agent Reinforcement Learning for Joint Handover Management and Power Allocation in Multi-Orbit Satellite Networks

面向多轨道卫星网络中联合切换管理与功率分配的多智能体强化学习

Yassine Afif, Ashutosh Balakrishnan, Philippe Martins, Mohammed Almekhlafi, Antoine Lesage-Landry, Gunes Karabulut Kurt

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

AI总结 针对多轨道卫星网络的联合切换管理与功率分配问题，提出结合MAPPO与TarMAC的多智能体强化学习策略，在保证接近贪心方案吞吐量的同时大幅减少切换次数，性能优于仅低轨方案与保守停留策略。

Submodular Policy Learning for Distributed Task Allocation in Open Multi-Agent Systems

开放多智能体系统中分布式任务分配的次模策略学习

Jing Liu, Luca Ballotta, Yangyang Yang, Fangfei Li, Yang Tang, Ruggero Carli

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

AI总结 本文针对开放多智能体系统分布式任务分配问题，提出SubMAPL方法，通过划分多线性扩展解决次模函数松弛与分类策略不匹配问题，在多智能体覆盖任务上性能优于基线方法。

XAI-Guided Conservative Decentralized Execution for Offline Multi-Agent Network Slicing

面向离线多智能体网络切片的可解释人工智能引导保守式分散执行

Eslam Eldeeb, Hatim Chergui, Merouane Debbah

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

AI总结 该研究针对离线多智能体网络切片的资源分配问题，提出XAI引导的保守式分散执行方法，实现零资源冲突，降低信令开销与88%的有效推理延迟。

HumanForge: A Human-Centric Deepfake Video Benchmark with Multi-Agent Forgery Rationales

HumanForge：一个具有多智能体伪造原理的以人类为中心的深度伪造视频基准

Wenbo Xu, Zhimin Chen, Xiaojie Liang, Hengrui Liu, Ziqi Sheng, Wei Lu

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

AI总结 针对视频伪造给数字内容取证带来的挑战，引入HumanForge数据集，提出基于LangGraph的Gen2Anno多智能体管道构建并注释数据集，经测试展现了零样本泛化和细粒度推理的重大挑战，代码和数据集将公开。

Comments 18 pages, 8 figures

Consensus-gated Multi-Agent Neural Architecture Search for Seismic Fault Segmentation

面向地震断层分割的共识门控多智能体神经架构搜索

Shehram Baig, Ahmad Mustafa

机构 * Information Technology University (ITU)（信息技术大学（ITU）） ； King Fahd University of Petroleum and Minerals（法赫德国王石油与矿业大学） 纠错

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

AI总结 提出共识门控多智能体NAS系统，利用三个LLM达成共识搜索架构，发现参数42.5万的\textit{ours}模型，在Thebe断层数据集上性能优于多个基准模型，成本低、效率高。

A Temporal Barrier Framework for Collision Avoidance in Multi-Agent Autonomous Aerial Vehicles

用于多智能体自主飞行器避障的时间屏障框架

Benedikt Barthel Sorensen, Mitchell Black, Erfaun Noorani, Themistoklis Sapsis

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

AI总结 该研究针对多自主飞行器避障问题，提出对抗性碰撞时间嵌入控制屏障函数的aTTC-CBF方法，经仿真验证其在提升航路点推进速度的同时降低了碰撞率。

What preferences can - and cannot - predict in multi-agent online learning

多智能体在线学习中偏好能够预测和无法预测的内容

Omar Abbadi, Rida Laraki, Panayotis Mertikopoulos

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

AI总结 本文研究博弈中偏好与无遗憾学习动态的关联，证明子博弈中偏好可刻画渐近稳定性，但一般博弈中偏好不足以决定动态稳定性，进而提出聚合偏离下的弹性概念保证纯策略跨度的渐近稳定性。

Comments 56 pages, 15 figures; oral presentation at ICML 2026

Wyvern: An Agentic Framework for Generating Grounded Multimodal Reports

Wyvern：用于生成基于事实的多模态报告的智能体框架

Beatrice Alessandra Motetti, Emilien Guandalino, Daniele Jahier Pagliari, Alessio Burrello, Lorenz K. Müller, Konstantin Berestizshevsky, Lukas Cavigelli

机构 * Politecnico di Torino（都灵理工大学） ； Huawei Research（华为研究院） 纠错

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

AI总结 针对生成式模型内容缺乏事实依据的问题，提出Wyvern多智能体框架生成多模态技术报告，经评估其图像信息量、报告实用性及引用指标均优于基准方法。

Polaris : Multi Agentic System for Conversational Enterprise Analytics

Polaris：用于对话式企业分析的多智能体系统

Varuni H K, Soham Sarkar, Jay Kumar, Goutham Krishnan, Tanvi Johari, Avinash Bharadwaj, Santosh Hegde

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

AI总结 该研究提出名为Polaris的多智能体框架，通过动态任务协调（DTC）层与ReAct风格智能体结合，实现对话式企业分析，在结构化企业数据集上验证了其高语义保真度与答案相关性，为大规模可信端到端商业智能提供了新方案。

Sakura: An Approach for Generating Complex Tests from Natural Language Test Descriptions

Sakura: 一种从自然语言测试描述生成复杂测试的方法

Tyler Stennett, Rangeet Pan, Bridget McGinn, Alessandro Orso, Saurabh Sinha

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

AI总结 提出基于多智能体框架Sakura，从自然语言描述生成结构复杂的测试用例，通过分解描述、静态分析定位、迭代合成与执行反馈，显著提升测试可编译性和覆盖率。

Comments 25 pages, 11 figures. Accepted to ISSTA 2026

Cross-Disciplinary Taxonomy and Modeling of Misunderstanding Generation, Amplification, and Detection, from Pragmatics to AI Agents

误解产生、放大与检测的跨学科分类与建模：从语用学到智能体

Babak Abbaschian

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

AI总结 本文整合九个领域研究，识别11种误解失败模式、8个分析层，形式化建模并提供证据矩阵等，是首个同时按过程节点与功能分类的误解研究。

Comments 49 pages, 2 figures, 8 tables, 94 references. Cross-disciplinary conceptual synthesis across multiple fields. Includes a source-by-source evidence matrix in Appendix A and a coding manual in Appendix B for independent application of the taxonomy

TIDE: Proactive Multi-Problem Discovery via Template-Guided Iteration

TIDE：通过模板引导迭代的主动多问题发现

Soyeong Jeong, Jinheon Baek, Minki Kang, Sung Ju Hwang

机构 * KAIST（韩国科学技术院） ； DeepAuto.ai 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 提出TIDE框架，通过模板引导的迭代机制主动发现用户上下文中隐藏的多个问题，并给出具体行动方案，在个人工作区和软件仓库两个场景中显著提升任务覆盖率和问题识别与解决能力。

Simulation-Aware In-Context Policy Improvement for LLM-Aided Analog Layout Refinement

面向LLM辅助的模拟电路版图优化的感知仿真上下文内策略改进

Bingyang Liu, Ziming Wei, Xiaohan Gao, David Z. Pan

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 针对LLM辅助模拟版图优化的样本效率问题，提出感知仿真的LLM多智能体框架，通过上下文内策略改进，仅需数十次仿真即可提升后版图性能，优于生成器启发式规则与贝叶斯优化方法。

Comments 7 pages, 3 figures. To appear in the Proceedings of the 2026 International Conference on LLM-Aided Design (ICLAD 2026)

CoDS: Robust Collaborative Perception via Expert-driven Detection and BEV Segmentation

CoDS：基于专家驱动检测与BEV分割的鲁棒协同感知

Jinlong Wang, Yuang Jia, Junhong Lin, Nannan Li, Wei Gao

机构 * Peking University（北京大学） ； Macau University of Science and Technology（澳门科技大学） 纠错

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

AI总结 针对多源噪声导致协同感知性能下降的问题，提出CoDS框架，通过CoRM、S-MoE和BTCI模块提升鲁棒性，在公开数据集上优于基线且抗噪稳定。

Comments 10 pages, 6 figures

Journal ref ACMMM 2026

Sampling-Based Coordination-Informed Multi-Objective Multi-Robot Reinforcement Learning

基于采样的协调感知多目标多机器人强化学习

Antonio Marino, Esteban Restrepo, Soon-jo Chung, Paolo Robuffo Giordano, Claudio Pacchierotti

机构 * University of Cambridge（剑桥大学） ； CNRS, Univ Rennes, Inria, IRISA（法国国家科学研究中心、雷恩大学、法国国家信息与自动化研究所、IRISA） ； California Institute of Technology（加州理工学院） 纠错

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

AI总结 提出CIMORL框架，通过分布式权重预测、特权专家训练和采样变体（CIMORL-TS/MPPI），在合作与对抗场景中实现Pareto最优解，超体积提升21.2%。

Comments 20 pages, 11 figures, 4 tables

Adjacency-Based Spectral Proxy Control of Mobile Communication Agents

基于邻接矩阵的移动通信智能体的谱代理控制

Mariana del Castillo, Federico Larroca

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 针对异构移动智能体网络，提出用邻接矩阵主导特征向量替代Fiedler向量的A-Fiedler方法，提升分布式估计鲁棒性，为分布式网络控制提供更简单路径。

InterSAGE: The Secure and Verifiable Interoperability Protocol for An Internet of Agents

InterSAGE：面向智能体互联网的安全可互操作且可验证的协议

Zhenhua Zou, Sheng Guo, Qiuyang Zhan, Lepeng Zhao, Shuo Li, Zhuotao Liu

专题命中 多智能体 ：agent(abstract)

AI总结 针对现有智能体互操作协议缺失安全底层的问题，提出InterSAGE四层协议套件，补充MCP等通信协议，经对比验证其为首个统一实现四大安全特性的架构。

Comments 35 pages, 4 figures, 7 tables. Positioning paper

The Mathematical Theory of Behavioural Swarms: Towards Modelling the Collective Dynamics of Living Systems

Rene Fabregas, Jie Liao, Nisrine Outada

专题命中 多智能体 ：agent(abstract)

Comments 44 pages, 7 figures. The manuscript has been revised and resubmitted to Mathematical Models and Methods in Applied Sciences (M3AS) following a comprehensive peer review. This version significantly improves with a new detailed Section 5 on BST framework and scientific machine learning (PINNs & SINDy). The theoretical arguments are refined, and the bibliography is meticulously updated

Journal ref Mathematical Models and Methods in Applied Sciences 36, 439-482 (2026)

A Self-Healing Framework for Reliable LLM-Based Autonomous Agents

基于大语言模型的自主代理的自修复框架

Cheonsu Jeong, Younggun Shin

机构 * AX Center, SAMSUNG SDS（三星SDS AX中心） ； Dept. of Artificial Intelligence, Graduate School of Engineering, Yonsei University（延世大学工程研究生院人工智能系） 纠错

专题命中 工作流自动化 ：autonomous agent(title,abstract)；agent(abstract)；workflow(abstract)；multi-agent(abstract)

AI总结 本文提出一种可靠性感知的自修复框架，通过故障检测、可靠性评估和自动恢复机制提升基于大语言模型的自主代理的可靠性，实验表明该方法显著提高了任务成功率并增强了系统鲁棒性。

Comments 13 pages, 3 figures,1 table

Journal ref International Journal of Software Engineering and Knowledge Engineering,2026

RobustFlow: Towards Robust Agentic Workflow Generation

RobustFlow：面向鲁棒智能体工作流生成

Shengxiang Xu, Jiayi Zhang, Shimin Di, Yuyu Luo, Liang Yao, Hanmo Liu, Jia Zhu, Min-Ling Zhang

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

AI总结 针对现有智能体工作流生成方法对语义等价不同表述指令鲁棒性不足的问题，提出RobustFlow系统，结合偏好优化与专用基准，在多扰动下鲁棒性得分70%--90%，优于AFlow、ScoreFlow等方法。

Demystifying Agent Skills: Why They Work-Until They Don't

揭秘智能体技能：为何它们有效——直至失效

Zhiyuan Jiang, Fangrui Huang, Hanwen Xing, Xander Wu, Yipeng Gao, Rui Cao, Mengdi Wang, Shilong Liu, Yijiang Li

机构 * Princeton University（普林斯顿大学） ； UC San Diego（加州大学圣迭戈分校） ； Stanford University（斯坦福大学） ； University of Southern California（南加利福尼亚大学） ； Johns Hopkins University（约翰斯·霍普金斯大学） 纠错

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

AI总结 该研究探究 LLM 智能体技能的有效与失效原因，通过对比实验与轨迹分析揭示技能的作用机制，发现其主要靠程序锚定稳定动作，还指出检索瓶颈等问题，为智能体评估与优化提供指导。

FabDreamer: Exploring the Image-to-Physical Workflow Through AI-Assisted Layered Fabrication

FabDreamer：通过AI辅助分层制造探索图像到物理的工作流

Chenfeng Gao, Zeya Chen, Anjie Yang, Karan Ahuja, Danli Luo

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

AI总结 FabDreamer是一款图像转物理的AI辅助系统，通过三个阶段将图像转化为可制造SVG，经多轮评估验证其可提升制造效率并适配不同领域需求。

Comments 16 pages, 10 figures

Journal ref Proceedings of the 39th Annual ACM Symposium on User Interface Software and Technology (UIST 2026)

Large-scale workflow placement in serverless computing using integer nonlinear programming

基于整数非线性规划的无服务器计算中的大规模工作流部署

Joshua Adamek, Natalie Carl, Trever Schirmer, Moritz Heinlein, David Bermbach, Sergio Lucia

专题命中 工作流自动化 ：workflow(title,abstract)

AI总结 针对无服务器计算中大规模工作流部署的成本与时间优化问题，提出基于整数非线性规划的模型及分解策略，实验显示其比简单部署启发式算法平均提升10%。

Comments This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible

Agent-Orchestration in Autonomous Chip Design

自主芯片设计中的智能体编排

Linyang Li

机构 * Nova Silicon（诺瓦硅公司） 纠错

专题命中 工作流自动化 ：agent(title)；分类 cs.AI

AI总结 该研究针对芯片设计领域，结合大型语言模型与工具使用智能体，提出将芯片设计超级智能建模为庞大AI组织的思路，探索适用于该复杂行业的AI类型。

MMUSV-Sim: A Perception-Oriented Simulation and Data-Generation Platform for Multi-USV Cooperative Perception

MMUSV-Sim：面向多无人水面艇协同感知的感知导向型仿真与数据生成平台

Ziao Li, Jianxiong Ye, Biao Tang, Leping Zhang, Kun Zuo, Siyu Huang, Chenqiang Gao

机构 * School of Intelligent Systems Engineering, Sun Yat-sen University（中山大学智能工程学院） ； School of Intelligent Imagery Engineering, Beijing Film Academy（北京电影学院智能影像工程学院） 纠错

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

AI总结 该研究提出基于Unreal Engine 5和Project AirSim的MMUSV-Sim仿真与数据生成平台，用于多USV协同感知，实验表明其生成的数据集可使激光雷达协同BEV船舶检测的AP@0.5达72.74，显著优于单USV方案。

RepBench: Compiling Benchmarks into Capability Representations for Large Language Models

RepBench：将基准编译为大语言模型的能力表征

Yanshi Li, Xueru Bai, Shuman Liu, Long Zhang

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

AI总结 RepBench构建多基准支撑的大语言模型能力表征探测数据层，揭示读出方式与聚合准则对评估的重要性，相关资源以闭环工作流形式发布。

Comments 22 pages, 8 figures, with appendices. Yanshi Li and Xueru Bai contributed equally

From Style Replication to Style Exploration: Enabling Art Style Exploration with Analyze-Experiment-Resituate Framework

从风格复制到风格探索：借助分析-实验-重定位框架实现艺术风格探索

Wen-Fan Wang, TsaiHsuan Lin, Chi-Lan Yang, An-Ru Cheng, Bing-Yu Chen

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

AI总结 该研究针对现有生成式AI工具在艺术风格探索上的不足，提出AER框架，经原型系统及对照、实地研究验证，可提升艺术家风格探索的自主性与反思性，为未来艺术辅助工具设计提供启示。

Comments Accepted to UIST '26

AgilePE: Autonomous UAV Pursuit-Evasion via Self-Play Reinforcement Learning

AgilePE：基于自博弈强化学习的自主无人机追逃

Wenhao Tang, Tianyang Chen, Zhejun Cui, Boyuan An, Jiayu Chen, Ruize Zhang, Huidong Liu, Tianyue Wu, Qingmin Liao, Fei Gao, Yu Wang, Chao Yu

机构 * Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Chongqing University（重庆大学） 纠错

专题命中 工作流自动化 ：agent(abstract)；分类 cs.LG

AI总结 该研究提出AgilePE系统，通过自博弈强化学习实现自主无人机追逃，其策略可零样本迁移至真实四旋翼，展现出复杂追逃战术与交互式部署能力。

Comments 8 pages, 7 figures. Under review

HELIX: Model-Harness Co-evolution for Recursive Self-Improvement

HELIX：用于递归自我改进的模型-控制器协同进化

Tianyu Fan, Chao Huang

专题命中 工作流自动化 ：agent(abstract)；分类 cs.AI

AI总结 HELIX是支持模型-控制器协同进化的可溯源框架，在代码修复任务中，其65个候选组合提升了4.0%任务覆盖率，生成438条学习记录，形成模型、控制器与数据的反馈系统。