AI Agent

Risks and Controls for Multi-Agent Systems: an analytical framework for deployment of AI agents across organisational boundaries

多智能体系统的风险与管控：跨组织边界部署AI智能体的分析框架

Alistair Reid, Simon O'Callaghan, Dustin Venini, Liam Carroll, Tiberio Caetano

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

AI总结 本研究提出跨组织边界部署AI智能体的分析框架，定义三类部署层级并分析各层级的风险、管控缺口与所需集体行动，为相关方应对多智能体交互风险提供支撑。

Comments This paper has been published by the Australian AI Safety Institute within the Department of Industry, Science and Resources under a CC BY 4.0 licence: this https URL (https://www.industry.gov.au/publications/risks-and-controls-multi-agent-systems)

Beyond Factual QA: Mentorship-Oriented Question Answering over Long-Form Multilingual Content

超越事实问答：面向长形式多语言内容的指导型问答

Parth Bhalerao, Diola Dsouza, Ruiwen Guan, Oana Ignat

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

AI总结 本文提出MentorQA，首个多语言长形式视频指导型问答数据集和评估框架，通过对比不同架构发现Multi-Agent在复杂和低资源语言中表现更优。

MACGen: Toward Functionally Correct and Secure Code Generation via Multi-Agent Collaboration

MACGen：通过多智能体协作实现功能正确且安全的代码生成

Miseon Yu, Jaehoon Choi, Younghan Lee, Yunheung Paek

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

AI总结 MACGen是整合规划等多环节的多智能体代码生成框架，在CWEval、BaxBench基准上，较直接提示显著提升安全代码生成的功能与安全性指标。

Comments 8 pages

Agentic AI Containment Architecture for Security Hardening

用于安全加固的智能体AI containment架构

Mohamed ElBendary

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

AI总结 针对多智能体AI系统的安全风险，本文提出Agent Containment架构，通过六项约束实施「提议-验证-行动-验证」模型，可防御多种威胁，案例验证其能产生合规可审计结果。

Comments Accepted to IntelliSys'2026. To Appear in Springer series "Lecture Notes in Networks and Systems" in 2026

CIFQA: A Deterministic Tool-Grounded Multi-Agent LLM Framework for Financial Query Answering

CIFQA：一种用于金融查询问答的确定性工具基多智能体大语言模型框架

Kunjesh Parekh, Anil Kumar Tiwari, Divya Saxena

机构 * School of Artificial Intelligence and Data Science, Indian Institute of Technology Jodhpur（印度理工学院焦特布尔分校人工智能与数据科学学院） 纠错

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

AI总结 本研究针对LLM多步骤金融计算易出错的问题，提出CIFQA多智能体框架，在定期存款查询基准上准确率达95.54%，且17B开源模型在该框架内表现优于更大前沿模型，证明架构设计对数值可靠性更关键。

Comments 16 pages, 5 figures, submitted for academic dissemination

Interaction Protocol Shapes Moral Judgment in Multi-Agent Debate

辩论动态与价值对齐在大语言模型辩论中

Pratik S. Sachdeva, Tom van Nuenen

机构 * D-Lab University of California, Berkeley（D-Lab 加州大学伯克利分校） 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 研究通过LLM辩论探讨多轮设置中模型的辩论动态与价值对齐，发现不同模型在同步和轮转结构下的行为差异及价值倾向。

Comments Accepted to COLM 2026

Dynamic Haven Selection for Multi-Agent Pickup and Delivery in Constrained Warehouses

受限仓库中多智能体取送货任务的动态避风港选择

Taisei Hirayama, Kohei Yoshida, Hiroki Sakaji, Itsuki Noda

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

AI总结 针对受限仓库多智能体取送货任务的固定避风港缺陷，提出自适应SHARP方法，经大量实验验证其在总完成时间上显著优于SHARP，树形地图中位数减少16.7%

Comments 19 pages, 4 figures, and 3 tables. Accepted at the Joint Workshop on Planning for Complex Real-World Applications (CAIPI) and Bridging the Gap Between AI Planning and (Reinforcement) Learning (PRL), co-located with IJCAI-ECAI 2026

Fixed-Haven Reservation for Online Multi-Agent Pickup and Delivery in Dense Warehouses

密集仓库中在线多智能体取送货任务的固定安全港预留机制

Taisei Hirayama, Kohei Yoshida, Hiroki Sakaji, Itsuki Noda

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

AI总结 针对密集仓库在线多智能体取送货任务，提出固定安全港预留机制，实现100%任务完成鲁棒性，相关变体实验揭示了固定返回和撤退中重新分配对性能的影响。

Comments 11 pages, 9 figures. Accepted at the 14th Workshop on Planning and Robotics (PlanRob), co-located with ICAPS 2026

SIGMA: Structured Noise-Effect-Aware Grouped Multi-Agent Aggregation

SIGMA：结构化噪声效应感知的分组多智能体聚合

Li Mingqian

机构 * School of Computer Science and technology, Tongji University（同济大学计算机科学与技术学院） 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 针对多智能体强化学习的结构化噪声效应，提出分层协作框架SIGMA，通过分组聚合与组间注意力提升含噪观测下的鲁棒性，且在无噪环境中保持竞争力。

When Does Latent Communication Pay? A Causal Audit of Relayed KV Caches in Multi-Agent LLMs

何时潜在通信能发挥作用？多智能体大语言模型中中继键值缓存的因果审计

Jiaming Cheng, Subhransu Das, Rajiv Ramnath

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

AI总结 该研究通过因果审计多智能体LLM的中继KV缓存，发现仅当接收方需要发送方私有信息时，潜在通信才会发挥作用，且不匹配缓存审计是验证潜在想法传输的必要手段。

Comments v2: metadata only, fixed abstract formatting

TransMeme: A Multi-Agent Framework for Cross-Cultural Meme Transcreation

TransMeme：用于跨文化梗图再创作的多智能体框架

Jingyi Zheng, Yule Liu, Zifan Peng, Tianyi Hu, Yuemeng Zhao, Xinhu Zheng, Xinlei He

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Wuhan University（武汉大学） ； Aarhus University（奥胡斯大学） 纠错

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

AI总结 本研究针对跨文化梗图再创作的三大核心挑战，提出多智能体框架TransMeme，经中英双向梗图再创作的人工评估与LLM评判，性能优于所有基线，为该领域未来幽默迁移研究指明方向。

Comments 10 pages, 4 figures. Accepted at the 34th ACM International Conference on Multimedia (ACM MM 2026)

LiveSim: Simulating Environment-Shaped Users in Multi-Agent Live-Stream Ecosystems

LiveSim：在多智能体直播生态系统中模拟环境塑造的用户

Jiaqi Xu, Yiran Qiao, Jing Chen, Qiwei Zhong, Xiang Ao, Xueqi Cheng

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； ByteDance China（字节跳动中国） 纠错

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

AI总结 该研究提出基于LLM的LiveSim框架，通过环境塑造的动态用户行为模拟，在真实直播风控数据实验中验证其可提升用户级行为保真度并支持生态系统级分析。

Comments 20 pages, 8 figures, 7 tables

From SQL to Knowledge Graphs: An LLM-Driven Multi-Agent Approach with Data Schema Improvement

从SQL到知识图谱：一种基于大语言模型的多智能体方法及数据模式改进

Dinh-Khanh Pham, Quy-Anh Dang, Lam Mai Thanh, Khanh Bui, Truong-Son Hy

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

AI总结 该研究提出一种LLM驱动的多智能体系统，可将RDBMS自动转换为图数据库，经实验验证其问答准确率及延迟表现均优于传统SQL方案。

SPAR-Hate: Auditor-Guided Multi-Perspective Role Reasoning 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

Out of Sight, Not Out of Mind: Unveiling Latent Attack in Latent-based Multi-Agent Systems

眼不见，心不烦：揭示基于潜在的多智能体系统中的潜在攻击

Chenxi Wang, Ruiyang Huang, Jiayan Sun, Lei Wei, Yifan Wu

机构 * Southeast University（东南大学） ； Peking University（北京大学） 纠错

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

AI总结 研究潜在表示能否携带攻击信息，提出通过潜在干预激活攻击效果的框架，实验表明潜在攻击在清洁执行中显著降低任务性能，尤其影响智能体间KV缓存传递。

Comments Accepted to EMNLP 2026

DIANOIA: Diagnostic Decomposition and Joint Optimization for Multi-Agent Reasoning

DIANOIA: 多智能体推理的诊断性分解与联合优化

Yiming Yang, Zhuoyuan Li, Fanxiang Zeng, Hao Fu, Yue Liu

机构 * Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 提出DIANOIA框架，通过覆盖度、保真度和综合度三个可测量通道分解多智能体推理增益，并基于此设计诊断协议和对应系统，在多个基准上以更少token实现更优性能。

Comments DIANOIA has been accepted by EMNLP 2026 as a main conference paper

One Model, Many Minds: Unlocking Multi-Agent Synergy in a Single Agent via Mixture of Roles

一个模型，多种心智：通过角色混合在单个智能体中解锁多智能体协同

Zhichen Zeng, Huiyuan Chen, Jingru Cheng, Juan Zha, Ming Liu, Ying Chen, Xiyuan Yang, Chaosheng Dong, Haiyang Zhang, Hanghang Tong

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

AI总结 该研究提出 MoRe 方法，将多种专门化组合为单个引导向量，使单智能体实现多视角专门化，性能优于单智能体基线，与 MAS 相当且 token 成本大幅降低。

Comments 19 pages, 10 figures

CGS-SLAM: Collaborative Gaussian Splatting based SLAM for Multi-Agent Reconstruction

CGS-SLAM：基于协作高斯溅射（Gaussian Splatting）的多智能体重建SLAM算法

Jean-Daniel de Ambrogi, Aladine Chetouani, Vincent Nguyen, Aurélien Chateigner

机构 * Université Sorbonne Paris Nord（巴黎北大学） ； SAS IMPACT（SAS IMPACT公司） ； Université d’Orléans（奥尔良大学） ； INSA CVL（中央卢瓦尔河谷国立应用科学学院） 纠错

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

AI总结 该研究针对消费级智能手机无RGB-D输入、多智能体3DGS协作SLAM方法缺失的问题，提出仅用RGB和惯性数据的CGS-SLAM算法，结合局部跟踪、动态关键帧共享与中央服务器子图对齐，在GNSS拒止环境下实现多智能体重建，性能优于现有方法。

Consensusability of Continuous-Time Multi-Agent Systems With Unbounded Heterogeneous Constant Delays: A Signed Laplacian Perspective

具有无界异构常时滞的连续时间多智能体系统的一致性能力：符号拉普拉斯视角

Yue Song, Mengqi Xue, Jiazuo Hou, Yuxi Lu, Qi Liu

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

AI总结 该研究结合频域分析与代数图论，构建符号拉普拉斯算子，推导时滞下连续时间多智能体系统的一致性条件，为时滞一致性机制提供新视角。

Comments 9 pages, 4 figures

Scaling and Trade-offs in Multi-agent Autonomous Systems

多智能体自主系统中的规模与权衡

Abram H. Clark, Liraz Mudrik, Colton Kawamura, Nathan C. Redder, João P. Hespanha, Isaac Kaminer

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

AI总结 通过大规模仿真和量纲分析，揭示自主无人机蜂群在三种典型场景中的标度律，量化智能体数量与平台参数间的权衡，并展示最优路径规划对结果标度律的改善。

Comments 16 pages, 12 figures

Fully Parallel Multi-Agent Photonic Optimizer

全并行多智能体光子优化器

Ghazi Sarwat Syed, Philipp Schmidt, Frank Brückerhoff-Plückelmann, Jelle Dijkstra, Wolfram H.P Pernice, Abu Sebastian

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

AI总结 针对传统优化计算效率瓶颈，提出受自然启发的多智能体协作框架下的光子优化器单元及配套算法，利用光计算实现并行矩阵向量运算，可快速高质量求解优化与搜索问题。

GRAIN: Bridging Name and Narrative Shifts in Real-World Graph Reasoning through Invariance-Rewarded Agentic RL

GRAIN：通过不变性奖励的智能体强化学习弥合真实世界图推理中的名称与叙事变化

Zike Yuan, Han Zhang, Jianzhi Yan, Le Liu, Cai Ke, Huozhi Zhou, Jian Xie, Jiran Yin, Yukun Cao, Yue Yu, Hui Wang, Ming Liu, Bing Qin

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室） ； Xidian University（西安电子科技大学） 纠错

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

AI总结 研究针对LLMs在真实世界图推理中对节点标识符与任务表述变化脆弱的问题，提出基于强化学习的单智能体框架GRAIN，结合结构不变性奖励提升鲁棒性，在准确率、延迟及分布外泛化性上优于多智能体基线。

AI agents in Algorithmic Electricity Markets: On the Emergence of Tacit Collusion

算法电力市场中的AI智能体：关于默契合谋的涌现

Jakub Seredyński, Georgios Tsaousoglou

机构 * Technical University of Denmark（丹麦技术大学） 纠错

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

AI总结 本文研究发现，在寡头垄断的算法电力市场中，基于多智能体强化学习的自主投标智能体可在未被指示合谋的情况下，通过独立学习涌现出支持默契合谋的超竞争结果。

Comments 10 pages

Assessing Company Contributions to Societal Resilience: Extending the Societal Capacity Assessment Framework to Agentic AI

评估企业对社会韧性的贡献：将社会能力评估框架扩展至智能体AI

Catherine Simons, Alexander K. Saeri, Peter Slattery, Neil Thompson

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

AI总结 本文调整SCAF框架，通过两步法衡量企业智能体AI部署决策对社会韧性的贡献，并将其应用于微软公开文档的评估。

Comments 19 Pages

MineExplorer: Evaluating Open-World Exploration of MLLM Agents in Minecraft

MineExplorer: 评估MLLM智能体在Minecraft中的开放世界探索能力

Tianjie Ju, Yueqing Sun, Zheng Wu, Wei Zhang, Yaqi Huo, Xi Su, Qi Gu, Xunliang Cai, Gongshen Liu, Zhuosheng Zhang

机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） ； Meituan（美团） 纠错

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

AI总结 提出MineExplorer基准，通过多智能体合成工作流构建隐式多跳任务，评估多模态大语言模型在Minecraft中的开放世界探索能力，发现长轨迹协调仍是挑战。

Comments Accepted at EMNLP 2026 (Main)

Learning to Predict, Discover, and Reason in High-Dimensional Event Sequences

学习预测、发现和推理高维事件序列

Hugo Math

机构 * Faculty of Applied Computer Science（应用计算机科学系） ； University of Augsburg（艾格堡大学） 纠错

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

AI总结 本文提出统一事件序列建模、因果发现和大语言模型的框架，用于高维事件流中的自动化故障诊断，解决传统方法在高维数据中的不足。

Comments PhD dissertation, 135 pages of main content, 201 pages in total

When Context Gets Root: Privilege Escalation in LLM Harnesses

当上下文扎根：LLM 管控工具中的权限提升

Xingbang He, Yuanwei Chen, Yi Qian, Haiyang Wei, Ligeng Chen, Zenan Fu, Linzhang Wang, Hao Wu, Bing Mao

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

AI总结 该研究发现LLM管控工具存在指令权限提升漏洞，攻击者可诱导智能体将低层级恶意内容提升至更高权限，通过多智能体机制在六个编码智能体管控工具上实现了全部13个涵盖多维度的攻击目标。

Accelerating Scientific Research with Gemini in the Real-World

利用Gemini加速现实世界中的科学研究

Samuel Schmidgall, Xiaokai Zhu, Marian Shaw, Lin Yang, Valentin Liévin, Jingyun Yang, Yuchen Zhuang, Tim Strother, Alex Bijamov, Min Woo Sun, Anil Palepu, Justin Chen, David Steiner, Jacqueline Shreibati, Wei-Hung Weng, Yilin Zhao, Xingjian Hu, Nicholas Zahn, Sadhya Garg, Julia Kirby, Yuxiang Gan, Jiaoli Li, Divy Thakkar, Shekoofeh Azizi, David Racz, Juraj Gottweis, Vivek Natarajan, Chenglin Wu, Tal Danino, Keran Rong, Haozhe Wang, Benoit Schillings, Yong Cheng, Quoc V. Le, Tao Tu

机构 * Google DeepMind（谷歌DeepMind） ； Duke University（杜克大学） ； Columbia University（哥伦比亚大学） ； Google Research（谷歌研究） ； Texas A&M University（德克萨斯农工大学） 纠错

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

AI总结 该研究扩展并验证了基于Gemini的多智能体系统Co-Scientist，其可在材料、生物、计算机科学领域推进闭环科学工作流，提升研究效率并减少幻觉抄袭。

Gradient-free learning of a closed-loop wall controller for turbulent drag reduction

用于湍流减阻的闭环壁面控制器的无梯度学习

Giorgio Maria Cavallazzi, Miguel Pérez Cuadrado, Alfredo Pinelli

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

AI总结 研究湍流减阻的闭环壁面控制问题，采用进化策略（ES）在大型湍流通道上直接优化循环闭环控制器，ES控制器减阻约26%，超基于梯度的多智能体控制器及经典对立控制，且与二者在缓冲层轨迹不同、驱动相关对象有别。

BehaviorWorldGen: Closing the Loop between Action Models and World Simulators via Controllable Behavior-Aware Structured World Generation

BehaviorWorldGen：通过可控行为感知结构化世界生成闭合动作模型与世界模拟器之间的循环

Jiaqi Wang, Zhuo Zhang, Haining Guan, Tingguang Zhou, Haowen Cui, ChuanYe Wang, Zhongyang Zhu, Yulong Zheng, Xuefeng Chen, Zhen Yang, Tianchen Deng, Feiyang Tan, Xiwu Chen, Hangning Zhou, Bo Dai, Lixia Shen, Xiyang Wang, Jiajun Zhu

机构 * AFARI World Model Team（AFARI世界模型团队） 纠错

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

AI总结 BehaviorWorldGen通过BehaviorFlow实现可控行为感知结构化世界生成，闭合驾驶动作模型与世界模拟器的循环，在多项任务上取得改进，尤其对困难交互场景效果显著。