AI Agent

A Collaborative Multi-Modality Interaction for VLA-based End-to-End Autonomous Driving

面向基于视觉-语言-动作（VLA）的端到端自动驾驶的协同多模态交互

Jingtao Sun, Xiaohai He, Yike Zhang, Dong Huang, Yaonan Wang, Ajmal Mian, Mike Zheng Shou

机构 * National University of Singapore (NUS)（新加坡国立大学） ； Hunan University（湖南大学） ； The University of Western Australia (UWA)（西澳大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文针对现有VLA自动驾驶模型决策不可靠、多模态交互不足的问题，提出含三类核心组件的多模态交互与多轨迹规划系统，实验显示其在安全推理与场景感知上优于现有系统。

Multi-Modal Traffic Sign Detection with Semantic Attributes for Autonomous Driving

面向自动驾驶的结合语义属性的多模态交通标志检测

Meda Lazar, Sourab Sridhar, Shashwata Gupta, Alexandra Tripcea, Varun Ravi, Senthil Yogamani

机构 * Arriver System Software S.r.l.（Arriver系统软件有限责任公司） ； Qualcomm Auto Ltd Sweden Filial（高通汽车有限公司瑞典分公司） ； Qualcomm Auto Ltd.（高通汽车有限公司） ； Qualcomm Technologies, Inc（高通技术公司） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 针对自动驾驶中交通标志检测的跨区域泛化差、远距离小目标检测弱、跟踪易受透视畸变影响的问题，提出多模态框架，结合LiDAR与相机，引入强度感知可变形融合模块、双运动模型跟踪器及语义属性分类流水线，在多国数据集上取得低漏检率，实现全球可泛化的商用级交通标志感知。

Routing Before Looking: Query-Adaptive Evidence Acquisition for Long-form Video Understanding

先路由后查看：面向长视频理解的查询自适应证据获取

Tianyue Wang, Xuying Wu, Yuxiang Ma, Ruiming Liang, Jiaxuan Kang, Yanchao Hao, Zheng Wei, Leigang Qu, Haiyun Guo, Jinqiao Wang

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Tencent（腾讯） ； Wuhan University（武汉大学） ； Southeast University（东南大学） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 针对长视频理解中查询需求与证据获取策略不匹配的问题，提出Route2Look框架，通过查询自适应路由策略选择证据获取工具，实现最优性能与帧效率。

Comments Accept to EMNLP 2026

Nonlinear Model Predictive Control for Trajectory Tracking of Differentially Flat Fixed-Wing Aerial Systems

差分平坦固定翼航空系统轨迹跟踪的非线性模型预测控制

Nishanth Bobbili, Pratyaksh Rao, Luca Morando, Luca Masci, Giuseppe Loianno

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出一种融合差分平坦性轨迹生成与非线性模型预测控制（NMPC）的统一框架，嵌入感知风的采样策略，经仿真与实飞验证，可提升固定翼无人机复杂轨迹跟踪的精度与鲁棒性。

From Urban Mobility to Epidemic Dynamics: A Mixture-of-Experts Framework with Preference Alignment for Policy Scenario Simulation

从城市流动性到流行病动力学：用于政策情景模拟的带偏好对齐的混合专家框架

Yun Ye, Arsalan Dezhkam, Junyuan Liu, Xinglei Wang, Tao Cheng

专题命中 规划决策 ：agent(abstract)

AI总结 该研究提出带偏好对齐的混合专家框架UrbanShare-MoE-PA，通过智能体级流动性建模连接政策、行为与流行病模拟，评估了不同封锁政策的流行病-活动权衡，为NPI情景分析提供了可解释工具。

RISE: Adaptive Imagination for World Action Models

RISE：面向世界动作模型的自适应想象

Hongbo Lu, Liang Yao, Chenghao He, Hao Han, Fan Liu, Wenlong Liao, Tao He, Pai Peng

机构 * COWARobot Co. Ltd（科沃机器人有限公司） ； Shanghai Jiao Tong University（上海交通大学） ； Hohai University（河海大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 针对现有WAM固定想象预算的缺陷，提出自适应框架RISE，构建反事实数据集CounterDrive，在NAVSIM和nuScenes上验证其规划性能更优且可跨WAM架构通用。

Maximum Covering Network Design on Graphs with Low Connectivity: Dynamic Programming and Block-Cut Trees

低连通图上的最大覆盖网络设计：动态规划与块-割树

Felix Rauh, Jannik Matuschke, Hande Yaman

专题命中 规划决策 ：planning(abstract)

AI总结 针对低连通图上的最大覆盖网络设计问题，开发利用割点分解的动态规划框架，在多数测试案例中性能优于直接求解，还可生成完整的覆盖-预算曲线。

ResiliFlow: An Open Transport World Model for Infrastructure Perception and Disaster Resilience

ResiliFlow：面向基础设施感知与灾害韧性的开放交通世界模型

Junxiang Xu, Vinayak Dixit, S. Travis Waller, Divya Jayakumar Nair, Qianwen (Vivian)Guo, Sisi Jian, Xiao Wen, Ashutosh Ashutosh, Sunhyung Yoo, Julius Secadiningrat, Jingni Guo

专题命中 规划决策 ：planning(abstract)

AI总结 ResiliFlow是面向基础设施感知与灾害韧性的开放交通世界模型平台，整合两类工作空间功能，实现交通模型的可检查复用，支撑研究协作与公众监督。

Can We Trust AI Agents? A Case Study of an LLM-Based Multi-Agent System for Ethical AI

我们能信任智能体吗？基于大语言模型的多智能体系统用于伦理AI的案例研究

José Antonio Siqueira de Cerqueira, Mamia Agbese, Rebekah Rousi, Nannan Xi, Juho Hamari, Pekka Abrahamsson

机构 * Tampere University（塔尔皮奥大学） ； University of Jyväskylä（耶夫斯克耶拉大学） ； University of Vaasa（瓦萨大学） 纠错

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

AI总结 本研究通过设计LLM-MAS多智能体原型，评估其在处理AI伦理问题时的代码生成能力，发现其能生成大量相关代码，但存在源代码集成等实际挑战。

AgRefactor: Self-Evolving Agentic Workflow for HLS Compatibility and Performance

AgRefactor：面向HLS兼容性与性能的自进化智能体工作流

Yang Zou, Zijian Ding, Yizhou Sun, Jason Cong

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） 纠错

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

AI总结 提出基于LLM的多智能体工作流AgRefactor，通过自进化记忆系统和自动化重构工具，将软件代码重构为HLS兼容程序，在11个基准测试中9个超越现有方法，并实现6.51x几何平均加速。

Two Heads are Better Than One: Test-time Scaling of Multi-agent Collaborative Reasoning

两个脑袋胜过一个：测试时扩展多智能体协作推理

Can Jin, Hongwu Peng, Qixin Zhang, Yujin Tang, Dimitris N. Metaxas, Tong Che

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

AI总结 该研究针对单智能体测试时扩展（TTS）的瓶颈，提出用多智能体系统（MAS）升级TTS，引入M500数据集并结合CEO智能体的自适应策略，微调的Qwen2.5-32B-MAS等模型性能优于基础模型。

FL-MAESTRO: Multi-Agent LLM Orchestration for Resource-Constrained Federated Learning

FL-MAESTRO：面向资源受限联邦学习的多智能体大语言模型编排框架

Jiajun Wu, Zirui Wang, Jiayu Zhou, Qiang Ye, Steve Drew

机构 * University of Calgary（卡尔加里大学） ； University of Michigan（密歇根大学） 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 FL-MAESTRO是面向资源受限联邦学习的多智能体LLM编排框架，通过三个专业LLM智能体联合决策，在非IID CIFAR-10基准上，准确率与最强能量感知基线相当，浪费轮次能量从超三分之一降至近零。

Comments Accepted at IEEE GLOBECOM 2026

Towards Traffic Modelling of Multi-Agent Systems: The Role of Coordination Topology

面向多智能体系统的流量建模：协调拓扑的作用

Davide Lamagna, Albert Cabellos, Alberto Rodriguez-Natal, Gábor Rétvári, Berta Serracanta

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

AI总结 本研究针对多智能体LLM系统，通过500次重复运行的多层测量框架，揭示了协调拓扑对LLM请求到达过程的关键影响，相关框架与分析流程已公开。

Comments 7 pages, 5 figures, 4 tables. Published at the ACM SIGCOMM Workshop on Networks for AI Computing (NAIC '26)

SDAD: Spec-Driven Agentic Development for the AI-Native SDLC

SDAD：面向AI原生软件开发生命周期的规范驱动智能体开发

Vu Hung Nguyen, Thanh Nguyen

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

AI总结 该研究提出规范驱动智能体开发（SDAD）模型，对比传统敏捷开发，扩展团队角色、量化治理等，论证智能体开发需将工程规范转移至上游规范环节。

EditPPT: Faithful Long-Deck Slide Editing via Structured Tool-Using Multi-Agent with Dual-Modal Validators

EditPPT：基于结构化工具使用多智能体与双模态验证器的忠实长文档幻灯片编辑

Jiheon Kim, Kyudan Jung, Jaegul Choo

机构 * KAIST AI（韩国科学技术院人工智能学院） 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EditPPT多智能体框架，通过PowerPoint COM接口执行局部操作并结合双模态验证，在DeckEdit-Bench基准上实现高执行率等指标，解决长文档幻灯片编辑的级联错误问题。

Comments 30 pages, 7 figures, 17 tables, EMNLP 2026 submitted, under review

Structure for Reading, Prose for Writing: Asymmetric Structural Conditioning in Multi-Agent Document Authoring

阅读用结构，写作用散文：多智能体文档创作中的非对称结构条件作用

Cheng Yu, Nikhil Mathew, Zhengjie Wang

机构 * ML Research Labs（ML研究实验室） 纠错

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

AI总结 该研究针对多智能体文档创作系统，发现结构条件作用存在不对称性，结构利于阅读但不利于写作，还揭示了信息可用性对系统性能的关键影响。

Comments 10 pages, 3 figures

Tree-of-Concerns: Hierarchical Multi-Agent Debate for Unstated-Limitation Extraction in Scientific Critique

关注点树：面向科学评论中未陈述局限性提取的分层多智能体辩论

Sahil Mishra, Niranjan Rajeev, Tanmoy Chakraborty

机构 * IIT Delhi（印度理工学院德里分校） 纠错

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

AI总结 针对科学论文未陈述局限性提取的需求，本文提出Tree-of-Concerns多智能体框架，经ToC-Bench实验验证，其较最强基线提升79%准确率与11%覆盖度，可辅助审稿人开展系统性评估。

Comments Accepted in the Findings of EMNLP 2026

Consilience: Conformally Calibrated Communication Control for Hidden-Profile Multi-Agent Reasoning

Consilience：用于隐式多智能体推理的保形校准通信控制

Abhijith Babu, Ramneet Kaur, Vishal Pramanik, Olivera Kotevska, Nathaniel D. Bastian, Susmit Jha, Sunny Raj, Yanzhao Wu, Sumit Kumar Jha, Anirban Roy

机构 * Knight Foundation School of Computing and Information Sciences, Florida International University（佛罗里达国际大学奈特基金会计算与信息科学学院） ； SRI International（SRI国际公司） ； University of Florida（佛罗里达大学） ； Oak Ridge National Laboratory（橡树岭国家实验室） ； Army Cyber Institute, United States Military Academy（美国军事学院陆军网络研究所） ； Oakland University（奥克兰大学） 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Consilience框架，通过轮次保形校准程序保证多智能体通信控制的可靠性，在HiddenBench任务上提升了决策准确性与通信效率，优于现有协议甚至全信息基线。

Comments 39 pages, 2 figures, 9 tables. Includes appendix with full proof of Proposition 1, expanded results, ablations, and complete prompt templates

KernelArc: A Multi-Agent Framework for GPU Kernel Optimization

KernelArc：面向GPU内核优化的多智能体框架

Joyjit Kundu, Ben Stoffelen, Kaili Wang, Peter Vrancx, Ludovic Denoyer

机构 * Interuniversity Microelectronics Centre (IMEC)（校际微电子中心） 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KernelArc多智能体框架，在NVIDIA H100等GPU上针对SOL-ExecBench工作负载优化出多款高性能内核，相关成果在对应基准任务中排名第一，验证了共享多智能体搜索的优化价值。

Comments 11 pages, 6 figures

TokenCake: A KV-Cache-centric Serving Framework for LLM-based Multi-Agent Applications

TokenCake: 一种面向基于LLM的多智能体应用的KV缓存中心化服务框架

Zhuohang Bian, Feiyang Wu, Zhuoran Li, Teng Ma, Youwei Zhuo

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

AI总结 本文提出TokenCake，一种面向基于LLM的多智能体应用的KV缓存中心化服务框架，通过智能体感知设计共同优化调度和内存管理，以解决KV缓存中的空间竞争和时间利用率问题，实验表明其显著降低了端到端延迟并提高了GPU内存利用率。

Comments 14 pages, 17 figures, 3 tables, 2 algorithms. Accepted at EuroSys '27

A Note on Emergent Behavior in Multi-agent Systems Enabled by Neuro-spike Communication

关于由神经脉冲通信激发的多智能体系统涌现行为的注记

Hyeonyeong Jang, Donghyeon Song, Jin Gyu Lee, Hyungbo Shim

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

AI总结 本文提出了一种基于神经脉冲通信的多智能体系统同步框架，通过间歇性1位脉冲实现高效通信，显著提升带宽和能耗效率，并通过数值实验验证其收敛性。

Specification Portability Across LLM Development Agents: Cross-Agent Compatibility in Specification-Driven Software Migration

跨大语言模型开发智能体的规范可移植性：规范驱动软件迁移中的跨智能体兼容性

Oleg Grynets, Oleksii Ilchuk, Dariia Zatulna, Vasyl Lyashkevych

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

AI总结 本文以Oracle到PostgreSQL的软件迁移为任务，评估了Amazon Kiro等多个LLM开发智能体在规范驱动迁移中的表现，发现跨智能体迁移存在性能下降，提出需重视规范可移植性等问题。

Comments 11 pages, 4 figures, 7 tables, 27 references

Dual-Cache Latent Space Communication between Heterogeneous Language Models

异构语言模型间的双缓存隐空间通信

Jiyao Liu, Qi Zhang, Yaoyi Jia, Ziwen Kan, Song Wang

机构 * Amazon（亚马逊） 纠错

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

AI总结 本文提出XKV协议，解决异构语言模型隐空间通信的三个限制，仅训练转换器，在45个数据集-模型对设置中，其性能、速度均优于现有方法，参数效率更高。

ExpertIVS: Sociological Expert Driven Individual Value Simulation in Large Language Models

ExpertIVS：大型语言模型中由社会学专家驱动的个体价值观模拟

Zhen Wang, Yuqi Ren, Yuehan Cui, Hongxiang Wang, Jianxiang Peng, Zhaoxia Zhang, Bingkun Zhu, Tongxuan Zhang, Dezhi Tong, Deyi Xiong

机构 * The International Joint Institute of Tianjin University（天津大学国际联合研究院） ； Tianjin University（天津大学） ； TJUNLP Lab, School of Computer Science and Technology, Tianjin University（天津大学计算机科学与技术学院） ； National Governance Institute, Tianjin Normal University（天津师范大学国家治理研究院） ； College of Computer and Information Engineering, Tianjin Normal University（天津师范大学计算机与信息工程学院） 纠错

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

AI总结 本研究针对大型语言模型社会模拟中个体价值观建模的不足，提出ExpertIVS框架，通过14个社会学专家智能体重构个体画像，经多国家多人群实验验证其在价值观还原、泛化等方面性能优于基线。

Benchmarking Patent Drafting from Inventor-Style Disclosures

从发明人风格的披露文件进行专利撰写的基准测试

Lekang Jiang, Wenjun Sun, Stephan Goetz

机构 * University of Cambridge（剑桥大学） ； Chinese Academy of Sciences（中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 本研究针对从发明人风格披露文件生成专利申请的现实需求，构建了Dis2Pat数据集，并提出可本地部署的多智能体框架Patent-MAF，实验表明该框架在专利撰写任务上表现优于多数开源模型且可与闭源模型竞争。

Comments Accepted to EMNLP 2026

Vis-Poison: Poisoning Visual Knowledge in Multimodal Retrieval-Augmented Generation

Vis-Poison：多模态检索增强生成中的视觉知识投毒攻击

Rujin Liang, Zhongpu Chen, Yuhao Lei, Xin Miao

机构 * Southwestern University of Finance and Economics（西南财经大学） ； Nanjing University of Science and Technology（南京理工大学） 纠错

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

AI总结 本文提出Vis-Poison攻击，通过自动化多智能体方法构建视觉合理的被投毒图像，在黑盒设置下对多模态RAG系统实现40.16%-65.40%的攻击成功率，且对仅依赖参数知识的MLLM平均成功率超60%。

Comments Findings of EMNLP, 2026

A Safety-Driven Architectural Framework for Fail-Operational Drone Swarms in Critical Missions

面向关键任务中故障可运行无人机集群的安全驱动架构框架

Luiz Giacomossi, Zafer Yigit, Marwan Shakarna, Shoaib Saleemi, Ivan Tomasic, Baran Çurüklü, Håkan Forsberg

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

AI总结 针对安全关键操作中无人机集群的认证需求，提出结合SAE ARP4754B方法的混合关键度架构框架，通过硬件隔离的安全监控器实现飞行关键核心与集群管理器解耦，经马尔可夫建模可满足危险故障要求。

Comments 10 pages, 7 figures. Accepted for presentation at the 45th AIAA/IEEE Digital Avionics Systems Conference (DASC), Orlando, FL, USA, 2026. \c{opyright} 2026 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses

Game, Set, Quantum: Parameterized Quantum Circuit for Correlated Equilibrium in Bayesian Games

Game, Set, Quantum: 贝叶斯博弈中相关均衡的参数化量子电路

Param Pathak, Vidhi Oad, Nouhaila Innan, Adarsh Ganesan, Muhammad Shafique

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

AI总结 提出一种混合量子-经典框架，使用参数化量子电路近似贝叶斯相关均衡，通过梯度基遗憾最小化训练，在扑克风格贝叶斯博弈中优于经典方法。

Comments 35 pages, 8 figures

Mind the Style: Impact of Communication Style on Human-Chatbot Interaction

注意风格：沟通风格对人机交互的影响

Erik Derner, Dalibor Kučera, Aditya Gulati, Ayoub Bagheri, Nuria Oliver

机构 * Czech Technical University in Prague（捷克技术大学（布拉格）） ； University of South Bohemia（南波西米亚大学） ； Utrecht University（乌得勒支大学） 纠错

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

AI总结 研究探讨了沟通风格对人机交互的影响，发现友好风格提升女性用户满意度和任务完成率，且用户较少模仿聊天机器人风格。

Mitigating Identity Essentialism in LLM Agents with Longitudinal Life Trajectories

通过纵向生活轨迹缓解大语言模型智能体中的本质主义身份偏差

Hexi Wang, Yujia Zhou, Bangde Du, Weihang Su, Xinyuan Cao, Qingyi Pan, Qingyao Ai, Yueyue Wu, Min Zhang, Yiqun Liu

专题命中 多智能体 ：agent(abstract)；分类 cs.CL

AI总结 针对现有LLM智能体存在的身份本质主义偏差导致组内反应同质化的问题，提出LifeMem纵向记忆框架，在Add Health等数据集上验证其可提升与人类数据的一致性。

Comments 23 pages, 12 figures