AI Agent

VLM- and LLM-Driven Multi-Agent System for PET Image Denoising

基于视觉语言模型（VLM）与大语言模型（LLM）驱动的多智能体正电子发射断层扫描（PET）图像去噪系统

Boxiao Yu, Savas Ozdemir, Yang Xing, Fumio Hashimoto, Jiong Wu, Yizhou Chen, Axel Rominger, Ruogu Fang, Kuangyu Shi, Tinsu Pan, Kuang Gong

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

AI总结 针对PET图像分辨率低、信噪比差及深度学习去噪部署需多模型与专家干预的问题，本文提出VLM与LLM驱动的多智能体闭环PET去噪框架，自主选最优模型参数，在低剂量数据上优于UNet等基线方法。

Agent Harness Distillation: Inference-Time Harness Extraction and Exploitation in Autonomous Multi-Agent Systems

智能体调控蒸馏：自主多智能体系统中的推理时调控提取与利用

Yu Cui, Wuli Yang, Yirui Shi, Junhao Xia, Hui Jiang, Lei Gao, Chenfu Bao

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

AI总结 本文提出AHD框架，将AMAS推理时调控提取形式化为新安全问题，实验证实其可提取调控致IP泄露，还提出对应欺骗防御，揭示AMAS新安全威胁。

ABIDES-MARL: A Multi-Agent Reinforcement Learning Environment for Optimal Execution with Endogenous Liquidity

ABIDES-MARL：一种用于内生流动性下最优执行的多智能体强化学习环境

Patrick Cheridito, Jean-Loup Dupret, Zhexin Wu

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

AI总结 ABIDES-MARL是用于内生流动性下最优执行的多智能体强化学习框架，扩展ABIDES-Gym实现多学习智能体，在扩展Kyle场景验证其可复现性，所得策略与外生冲击基准策略差异显著，为金融领域可解释智能体AI提供基础。

GraniKV: Asymmetric Granularity KV-Cache Paging for Multi-Agent Systems with Long Shared Prefix

GraniKV：面向具有长共享前缀的多智能体系统的非对称粒度KV缓存分页

Jinhyun Jeon, Sungjoo Yoo

机构 * Seoul National University（首尔大学） 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 GraniKV是首个将非对称分页粒度应用于生产分页服务引擎KV缓存的系统，通过将共享前缀和后缀分别分配至不同存储池，在多智能体服务场景下显著提升了输出令牌吞吐量。

Comments An error in throughput measurement methods was found. The paper's details are deprecated

Population-Scalable Multi-Agent World Modeling

支持种群规模扩展的多智能体世界建模

Renjie Zhao, Yuxiang Wu, Mingyu Zhang, Jiaxin Li, Sisi Li, He Li, Yimin Sheng, Tianxi Tan, Zhenkai Zhang, Jiao Liang, Jianyi Zhu, Yong-Lu Li

机构 * Shanghai Jiao Tong University（上海交通大学） 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 针对多智能体世界模型的种群可扩展性问题，提出无需重训练即可扩展至任意智能体数量的Khora模型，通过解耦世界状态演化与渲染实现跨视图一致性，验证了泛化性并构建了实时交互系统。

Comments Technical report. Project page: https://rhos.ai/research/khora. Online demo: https://ophilus.ai/khora

Robust Multi-Agent Reinforcement Learning for Small UAS Separation Assurance under GPS Degradation and Spoofing

针对GPS退化和欺骗的鲁棒多智能体强化学习用于小型无人机分离保障

Alex Zongo, Filippos Fotiadis, Ufuk Topcu, Peng Wei

机构 * George Washington University（乔治华盛顿大学） ； 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(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文通过多智能体强化学习解决小型无人机在GPS退化和欺骗下的鲁棒分离保障问题，提出闭式表达式对抗扰动，实现线性时间评估，并在高密度无人机模拟中取得近零碰撞率。

Comments This work has been submitted to the IEEE for possible publication

The Interaction Tax: When Communication Erases Diversity in Multi-Agent Teams

交互税：当多智能体团队中的沟通消除多样性时

Summer Eunhyung Ann, Haokun Liu, Chenhao Tan

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“交互税”概念，发现多智能体LLM的完整方案交互会消除多样性，独立提议生成可避免收敛崩溃，交互仅在共享恰当信息时才有益。

Comments 14 pages, 3 figures. Accepted at ICML 2026 (PMLR 306)

Meta-Moderator: Empowering Multi-Agent Debate with Meta-Cognition

元审核员：用元认知赋能多智能体辩论

Wentao Hu, Zhuoyue Wan, Jinhao Shen, Chen Jason Zhang, Xiaoyong Wei, Qing Li

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Sichuan University（四川大学） 纠错

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

AI总结 该研究提出Meta-Moderator可学习框架，将多智能体辩论的审核视为元认知过程，经结果驱动策略优化训练，在五个基准测试中性能优于现有决策层，能动态调控辩论并减少错误聚合。

Comments Accepted by EMNLP 2026 Findings

From Diagnosis to Redesign: Using Quantitative Ethnography to Improve Multi-Agent LLM Reasoning

从诊断到重新设计：使用定量人种志改进多智能体大语言模型推理

Vedant Khatri, Anthony Cusimano, Zachari Swiecki, Zhen Xu, Xiner Liu, Renzhe Yu

机构 * University of California, Irvine（加利福尼亚大学欧文分校） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； Monash University（莫纳什大学） ； Columbia University（哥伦比亚大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

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

AI总结 本研究提出定量人种志方法，以自动作文评分为例，通过分析五智能体辩论系统的交互模式诊断问题并修改提示词，使多智能体LLM的评分准确率从27.78%提升至40.28%。

Comments Accepted at ICQE 2026 (to appear in Springer CCIS)

HANSARD: A Reference Architecture for Forensic Readiness, Runtime Witnessing, and Graded Attribution in Autonomous Multi-Agent AI Systems

HANSARD：面向自主多智能体AI系统的取证准备、运行时见证与分级归因的参考架构

Christos Sardianos, Iliana Pla, Vasilis Efthymiou, Iraklis Varlamis, Thomas Lagkas, Panagiotis Sarigiannidis, Georgios Th. Papadopoulos

机构 * Harokopio University of Athens（雅典哈罗科皮奥大学） ； Democritus University of Thrace（色雷斯德谟克利特大学） ； University of Western Macedonia（西马其顿大学） ； Athena Research Center（雅典娜研究中心） 纠错

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

AI总结 针对自主多智能体AI系统的归因洗钱问题，提出HANSARD参考架构，通过多阶段设计实现取证准备、运行时见证与分级归因，可检测归因洗钱并明确责任。

The Collaboration Tax: How Much LLM Multi-Agent Systems Pay to Coordinate

协作损耗：LLM多智能体系统协调时的性能损失有多大

Weixiang Sun, Zehong Wang, Hong Huang, Colby Nelson, Yanfang Ye

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

AI总结 该研究定义了LLM多智能体系统的协作损耗，揭示其随模型能力提升单调下降，可通过对话特征预测，提示干预可缩小差距，为优化多智能体协作提供了量化依据。

Comments EMNLP 2026 Main Conference

PropUQ-MAS: Propagation-Aware Uncertainty Quantification for LLM Multi-Agent Systems

PropUQ-MAS：面向大语言模型多智能体系统的传播感知不确定性量化

Yaokun Liu, Yifan Liu, Daniel Yue Zhang, Ruichen Yao, Zelin Li, Dong Wang

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

AI总结 针对现有不确定性量化方法无法捕捉大语言模型多智能体系统中不确定性传播的问题，提出PropUQ-MAS框架，实验显示其可显著提升该系统的不确定性量化性能。

Comments Accepted to EMNLP 2026 (Main Conference)

Spine-Branch Coordination for Multi-agent Computer Use

面向多智能体计算机使用的脊柱-分支协调机制

Mian Zhang, Manasi Sharma, Sheng Zhang, Minglai Yang, Kejian Shi, Ying Liu, Zhiyu Zoey Chen, Daniel Yue Zhang

机构 * Scale AI ； Johns Hopkins University（约翰斯·霍普金斯大学） ； University of Texas at Dallas（德克萨斯大学达拉斯分校） 纠错

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

AI总结 该研究针对多智能体计算机使用中虚拟机状态无法合并的瓶颈，提出Spine-Branch协调框架，在200项长视距任务上提升成功率6.0%-16.5%、降低成本34%-70%，实现高效扩展。

SPAR-Hate: An Auditor-Guided Multi-Agent Framework for Bilingual Hate Speech Parsing

SPAR-Hate：一种由审核员引导的用于双语仇恨言论解析的多智能体框架

Yifan Lyu, Dianqing Lin, Xinran Li, Jiaqi Qiao, Xiujuan Xu

机构 * Dalian University of Technology（大连理工大学） ； Inner Mongolia University（内蒙古大学） 纠错

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

AI总结 针对结构化仇恨言论解析的文化等挑战，提出SPAR-Hate多智能体框架，分解文档为决策单元后从三视角生成判断并仲裁，在基准上实现双语仇恨解析最优结果。

Comments 16 pages, 2 figures. Submitted to EMNLP 2026

Emergent Misaligned Communication in Long-Horizon Multi-Agent LLM Commerce

长视野多智能体大语言模型商业环境中涌现的对齐失效通信

Zeyuan Li, Lukas Petersson, Alessandro Acquisti, Michiel A. Bakker

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

AI总结 该研究在Vending-Bench Arena环境中发现，竞争多智能体LLM交易场景会涌现与操作稀缺性、对手行为相关的可测量对齐失效通信，且该现象不受模型能力排名直接影响。

When Less Latent Leads to Better Relay: Information-Preserving Compression for Latent Multi-Agent LLM Collaboration

少而精的潜在信息带来更好的中继：面向潜在多智能体大语言模型协作的信息保持压缩

Yiping Li, Zhiyu An, Wan Du

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； University of California, Merced（加州大学默塞德分校） 纠错

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

AI总结 本文提出一种信息保持压缩方法，通过引入正交回填机制，在减少通信开销的同时保持信息完整性，提升了多智能体大语言模型协作性能。

ST-EVO: Towards Generative Spatio-Temporal Evolution of Multi-Agent Communication Topologies

ST-EVO：迈向多智能体通信拓扑的生成时空演化

Xingjian Wu, Xvyuan Liu, Junkai Lu, Siyuan Wang, Xiangfei Qiu, Yang Shu, Jilin Hu, Chenjuan Guo, Bin Yang

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

AI总结 ST-EVO从时空视角提出多智能体通信拓扑的生成方法，通过紧凑调度器实现对话层面的通信调度，并具备自我反馈能力，实验显示其在多个基准测试中性能优越。

MIRROR: A Multi-Agent Framework with Iterative Adaptive Revision and Hierarchical Retrieval for Optimization Modeling in Operations Research

MIRROR: 一种用于运筹学优化建模的具有迭代自适应修正与分层检索的多智能体框架

Yifan Shi, Jiayi Wang, Minyi Wu, Ye Fan, Jialong Shi, Jianyong Sun

机构 * Xi’an Jiaotong University（西安交通大学） ； Northwestern Polytechnical University（西北工业大学） 纠错

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

AI总结 提出一种免微调的多智能体框架MIRROR，通过执行驱动的迭代自适应修正和分层检索机制，将自然语言优化问题直接转化为数学模型和求解器代码，在标准运筹学基准上优于现有方法。

Equilibrium in Multi-Agent Reinforcement Learning

多智能体强化学习中的均衡

Maurizio D'Andrea, Bar Light

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

AI总结 本文针对多智能体强化学习，提出马尔可夫贝叶斯粗相关均衡（MBCCE），证明自适应马尔可夫粗悔憾（AMCR）消失时经验分布聚点为MBCCE，且两种算法可生成近似MBCCE并得到有限时间收敛速率。

First Demonstration of Multi-Agent LLM System for Million-Scale Optical Link Management in Global Production AIDCs

面向全球生产型人工智能数据中心（AIDC）中百万级光链路管理的多智能体大语言模型（LLM）系统的首次演示

Jingyi Su, Yihao Zhang, Dianxuan Fu, Leiyan Fei, Juan Wang, Mengfan Dai, Qing Liu, Xiong Wu, Yufeng Jiang, Cheng Chen, Bowen Zhang, Peilong Wang, Xi Chen, Zonglong He, Hongchen Yu, Zhicheng Ye, Weisheng Hu, Qunbi Zhuge

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

AI总结 该研究首次演示了用于全球生产型AIDC百万级光链路自主故障管理的多智能体LLM系统，经SFT和记忆演化优化，在十周现场数据中F1达97.7%、故障减少超60%，性能优于SOTA LLM。

Comments 4 pages, 3 figures

JustAct: A Framework for Auditable Multi-Agent Systems Regulated by Inter-Organisational Policies

JustAct：一个由组织间政策监管的可审计多智能体系统框架

Christopher A. Esterhuyse, Tim Müller, L. Thomas van Binsbergen

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

AI总结 研究跨越组织边界的开放多智能体系统中行动受复杂政策监管的问题，提出JustAct框架，智能体可凭动态政策信息证明行动合理，通过特定语言和系统的实例及案例研究展示评估该框架。

Exploring Agentic Approaches for Data Issue Detection and Repair in AI-Assisted Visualization

探索用于AI辅助可视化中数据问题检测与修复的智能体方法

Parimal Kashireddy, Anna Fariha, Mahmood Jasim

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

AI总结 本研究通过评估GPT-5等LLMs在单/多智能体模式下的表现，探究其在AI辅助可视化中检测修复数据问题的能力，发现其在单字段问题上表现良好但在时间等问题上存在不足，并提出智能体可视化系统的设计启示。

AUDITA: certified auditing and causal attribution of adverse outcomes in autonomous multi-agent systems

AUDITA：自主多智能体系统中不良结果的可验证审计与因果归因

Zhixu Du, Yiran Chen

机构 * Duke University（杜克大学） 纠错

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

AI总结 AUDITA是自主多智能体系统的审计层，结合防篡改智能体命令记录与可验证因果归因引擎，可减少责任错误、处理多重决定等场景，将责任判定从争论转为证据计算。

Reinforcing the World's Edge: A Continual Learning Problem in the Multi-Agent-World Boundary

强化世界的边缘：多智能体世界边界中的持续学习问题

Dane Malenfant

机构 * McGill University（麦吉尔大学） ； Mila - The Québec AI Institute（魁北克人工智能研究所） 纠错

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

AI总结 本文探讨了多智能体强化学习中智能体与世界边界不稳定导致的持续学习问题，提出通过量化边界漂移来管理不变性损失。

MetaCaster: Meta-Harness-Optimized Agent for End-to-End Few-Shot Learning of Lightweight Time Series Forecasters

MetaCaster：用于轻量级时间序列预测器小样本端到端学习的元调控优化智能体

ChengAo Shen, Wenchao Yu, Fangyu Wu, Dongjin Song, Hanghang Tong, Dongsheng Luo, Wei Cheng, Haifeng Chen, Jingchao Ni

机构 * University of Houston（休斯顿大学） ； NEC Labs（NEC实验室） ； University of Waterloo（滑铁卢大学） ； University of Connecticut（康涅狄格大学） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Singapore Management University（新加坡管理大学） 纠错

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

AI总结 针对资源受限场景下轻量级时间序列预测器小样本学习的困境，提出MetaCaster多智能体框架，可高效训练专用预测器，在18个数据集等实验中兼顾数据、计算效率与预测性能。

Comments Accepted by EMNLP 2026

Multi-Agent Orchestration with the Common-Sense Reasoning Capabilities of LLMs for Autonomous Driving

结合大语言模型常识推理能力的多智能体协同框架用于自动驾驶

Mehdi Azarafza, Faezeh Pasandideh, Ali Ehteshami Bejnordi, Stefan Henkler, Achim Rettberg

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

AI总结 该研究针对自动驾驶中强化学习等方法的上下文推理缺陷，提出结合LLM常识推理的混合多智能体协同框架，经CARLA场景验证可保留结构化控制与安全机制，具备应用潜力。

Comments 16 pages, 7 figures

CED-EF: Compressed Exact Diffusion with Error Feedback for Multi-Agent Learning

CED-EF：用于多智能体学习的带误差反馈的压缩精确扩散算法

Sulaiman A. Alghunaim, Kun Yuan

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

AI总结 提出带误差反馈的压缩精确扩散算法CED-EF，解决多智能体网络压缩通信下的分布式随机优化问题，其收敛率与暂态时间特性优于现有结果，数值实验验证了性能优势。

Output Feedback Guaranteed Cost Equilibrium in Networked Multi-Agent Linear-Quadratic Difference Games

网络多智能体线性二次差分博弈中带输出反馈的保证成本均衡

Aniruddha Roy, Puduru Viswanadha Reddy

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

AI总结 本文针对带输出反馈的网络多智能体线性二次差分博弈，提出输出反馈保证成本均衡（OF-GCE）的存在条件与综合算法，数值示例验证了方法的有效性。

Comments 11 pages, 4 figures

Universal Agent Mixtures and the Geometry of Intelligence

Samuel Allen Alexander, David Quarel, Len Du, Marcus Hutter

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

Comments 16 pages, accepted to AISTATS23

Journal ref Proceedings of The 26th International Conference on Artificial Intelligence and Statistics, PMLR 206:4231-4246, 2023

Poetic Heritage for Culturally Grounded Emotional Support: An Interaction Design Framework and Its Multimodal Agentic Instantiation

用于文化根基型情感支持的诗意遗产：一种交互设计框架及其多模态智能体实例化

Yangming Zhang, Zhiqian Li, Bin Wu, Qi Li, Jie Xu, Yunpeng Song, Liang Zhao

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

AI总结 本研究提出一种将诗意传统转化为文化根基型情感支持交互媒介的设计框架，开发了基于LLM的多模态多智能体系统Poemithy，实验表明该系统可有效改善情绪等指标，多模态呈现能提升用户共鸣与参与度。

Comments 45 pages, 14 figures, 4 tables