AI Agent

PEAR: Permutation-Equivariant Adaptive Routing Multi-Agent Debate

PEAR: 置换等变自适应路由多智能体辩论

Yang Feng, Ziwei Xu, Xia Hu, Fengxiang He

机构 * University of Edinburgh（爱丁堡大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

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

AI总结 提出PEAR协议，通过动态重配置通信角色和稀疏拓扑，消除固定拓扑中的位置偏差，提升多智能体辩论的准确性和鲁棒性。

Comments Published in the 2026 Conference on Empirical Methods in Natural Language Processing (EMNLP) as a Main Conference paper

MACRO-LLM: LLM-Empowered Multi-Agent Collaborative Reasoning under Spatiotemporal Partial Observability

MACRO-LLM：基于时空部分可观测性的LLM赋能多智能体协作推理

Handi Chen, Running Zhao, Xiuzhe Wu, Zhanfeng Xu, Edith C. H. Ngai

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

AI总结 本文提出MACRO-LLM，通过三个模块解决多智能体在时空部分可观测性下的协作推理问题，验证了其在复杂任务中的鲁棒性。

CM2: Multimodal Cultural Reasoning via an Integrated Multi-Agent Framework

CM2：基于集成多智能体框架的多模态文化推理

Qi Li, Zhaojie Kang, Yingjie He, Zheng Lin, Hao Zhang, Guangxin Wu, Yan Gong, Rong Fu, Jianyuan Ni

机构 * Lanzhou University（兰州大学） ； Peking University（北京大学） ； Taiyuan University of Technology（太原理工大学） 纠错

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

AI总结 针对多模态大语言模型（MLLM）跨学科文化推理不足的问题，提出基于人类文化解释认知路径的CM2多智能体框架，在CM2D数据集上较CoT等范式取得一致提升，各模块贡献及跨模态仲裁能力均得到验证。

Comments Accepted to the 23rd Pacific Rim International Conference on Artificial Intelligence (PRICAI 2026) as a short paper. 11 pages, 4 figures. Code and dataset are available at https://github.com/GitHub-12138/CM2-Multimodal-Cultural-Reasoning-via-an-Integrated-Multi-Agent-Framework

Memory-First Fact-Checking: A Knowledge-Graph-Grounded Multi-Agent System for Misinformation Detection

优先记忆的事实核查：一种基于知识图谱的多智能体虚假信息检测系统

Amelia Petrenciuc, Alexandru Lecu, Adrian Groza

机构 * Technical University of Cluj-Napoca（克卢日-纳波卡技术大学） 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 该研究提出一种基于知识图谱与对抗多智能体的优先记忆式虚假信息检测框架，在COVID-19虚假信息基准上准确率达97.4%，优于Llama 3.3 70B基线模型。

MA-RAG: Multi-Agent Retrieval-Augmented Generation for Query-Driven Summarization of Longitudinal Parkinson's Disease Assessments

MA-RAG：用于帕金森病纵向评估查询驱动式摘要的多智能体检索增强生成框架

Sana Alamgeera, Denise Goberta, Muhammad Irshad, Anne H. H. Ngu

机构 * Texas State University（德克萨斯州立大学） 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 针对LLMs解读帕金森病纵向临床评估时的事实与时间一致性问题，提出MA-RAG多智能体检索增强生成框架，经评估其事实精度大幅提升、幻觉率显著降低，获临床专家高度认可。

Repair or Resample? Rethinking Failure Debugging in LLM Multi-Agent Systems

修复还是重采样？重新思考LLM多智能体系统中的故障调试

Zhongwen Luan, Xiaoyu Zhang, Ming Hu, Yue Yang, Jiongchi Yu, Xiaohong Chen

机构 * East China Normal University（华东师范大学） ； Nanyang Technological University（南洋理工大学） ； Singapore Management University（新加坡管理大学） ； Xi’an University of Architecture and Technology（西安建筑科技大学） 纠错

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

AI总结 本研究针对LLM多智能体系统的故障调试，提出SymTrace评估框架与SymFail数据集，发现现有无指导重运行方法不可靠，提出的症状驱动干预方法可显著提升故障修复率。

H-AdminSim: A Multi-Agent Simulator for Realistic Hospital Administrative Workflows with FHIR Integration

H-AdminSim：一种用于真实医院行政工作流的多智能体模拟器，集成FHIR

Jun-Min Lee, Meong Hi Son, Edward Choi

机构 * KAIST（韩国科学技术院） ； Samsung Medical Center（三星医疗中心） 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 H-AdminSim通过结合真实数据生成与多智能体模拟，系统评估LLM在医院行政工作流中的表现，利用FHIR实现跨异构环境的标准化测试平台。

Comments Accepted at CHIL 2026

Journal ref Proceedings of the Conference on Health, Inference, and Learning (CHIL), PMLR 333:572-613, 2026

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

MAGneT: Coordinated Multi-Agent Generation of Synthetic Multi-Turn Mental Health Counseling Sessions

MAGneT: 协调多智能体生成合成多轮心理健康咨询会话

Aishik Mandal, Tanmoy Chakraborty, Iryna Gurevych

机构 * Ubiquitous Knowledge Processing Lab (UKP Lab), Department of Computer Science and Hessian Center for AI (hessian.AI), Technische Universität Darmstadt（德累斯顿技术大学计算机科学系、普遍知识处理实验室（UKP Lab）、黑森人工智能中心（hessian.AI）） ； National Research Center for Applied Cybersecurity ATHENE, Germany（应用网络安全国家研究中心ATHENE，德国） ； Department of Electrical Engineering, Indian Institute of Technology Delhi, India（印度德里印度理工学院电气工程系） ； Yardi School of Artificial Intelligence, Indian Institute of Technology Delhi, India（印度德里印度理工学院人工智能学院） 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 MAGneT通过协调多智能体生成合成多轮心理健康咨询会话，提升咨询质量和评估一致性。

Comments 50 pages, 39 figures, 20 Tables

SUB-PLAY: Adversarial Policies against Partially Observed Multi-Agent Reinforcement Learning Systems

SUB-PLAY：针对部分可观测多智能体强化学习系统的对抗策略

Oubo Ma, Yuwen Pu, Linkang Du, Yang Dai, Ruo Wang, Xiaolei Liu, Yingcai Wu, Shouling Ji

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

AI总结 本研究提出新型黑盒攻击SUB-PLAY，可在多智能体竞争环境中利用部分观测生成对抗策略，经评估其有效性，还为MARL部署提供防御建议。

Comments To appear in the ACM Conference on Computer and Communications Security (CCS'24), October 14-18, 2024, Salt Lake City, UT, USA

DIASENTINEL: An Auditable Multi-Agent System for Guideline-Grounded Diabetes Risk Screening

DIASENTINEL：一种可审计的多智能体系统，用于基于指南的糖尿病风险筛查

Yung Wei Shueh, Zhi-Jie Chen, Chia-Hsuan Hsu, Hsin-Ling Hsu, Donghua Zhang, Chenwei Wu, Jun-En Ding, Tongze Zhang, Shihao Yang, Pengfei Hu, Fang-Ming Hung, Feng Liu

机构 * Far Eastern Memorial Hospital（远东纪念医院） ； University of Michigan（密歇根大学） ； Rutgers University（罗格斯大学） ； Stevens Institute of Technology（史蒂文斯理工学院） 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DIASENTINEL多智能体系统，用于基于EHR和ADA指南的2型糖尿病风险筛查与报告，整合多种技术实现可靠可审计的临床决策支持，解决LLM临床应用的幻觉等问题。

Beyond Consensus: Downward Bias and Role Asymmetry in Multi-Agent LLM Judges for Subjective Evaluation

超越共识：用于主观评估的多智能体大语言模型评判器中的向下偏差与角色不对称

Minsoo Song, Chanwoo Kim, Sugyeong Eo, Chanjun Park

机构 * Soongsil University（崇实大学） ； Yonsei University（延世大学） 纠错

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

AI总结 该研究发现多智能体辩论（MAD）用于主观评估时存在角色不对称导致的向下偏差，会降低与人类判断的对齐度，消除角色不对称可恢复性能，揭示了共识式MAD协议的结构性局限。

Comments Accepted to Findings of EMNLP 2026

A-MADiff: Attention-Guided Multi-Agent DRL with Diffusion Policies for Memory-Aware Task Orchestration in Mobile AIGC Networks

A-MADiff：面向移动AIGC网络中感知内存的任务编排的注意力引导多智能体深度强化学习与扩散策略

Chongzhi Wu, Zhengtao Li, Jiawen Kang, Jinbo Wen, Xiaohuan Li, Maomao Zhang, Ekram Hossain

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

AI总结 针对移动AIGC网络中AIGC推理任务导致GPU内存耗尽的问题，本文提出A-MADiff算法，通过协作式多智能体框架建模Dec-POMDP，采用扩散策略与注意力引导机制，显著提升了累积奖励。

Facts Without Rules: Boundary Metadata Collapse in Multi-Agent LLM Handoffs

无规则的事实：多智能体大语言模型交接中的边界元数据崩溃

Yian Wang, Agam Goyal, Eshwar Chandrasekharan, Hari Sundaram

机构 * Siebel School of Computing and Data Science（西贝尔计算与数据科学学院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 该研究揭示多智能体LLM交接存在边界元数据崩溃的隐私泄露问题，发现压缩交接会削弱边界标记物，明确约束与受众允许列表可有效缓解泄露。

Hybrid Offline-Online Multi-Agent Decision Transformers for Wireless Resource Management

面向无线资源管理的混合离线-在线多智能体决策变换器

Yiming Zhang, Kun Yang, Cong Shen, Dongning Guo

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

AI总结 本文提出混合离线-在线多智能体决策变换器框架，通过分布式训练实现无线资源管理，性能可媲美集中式方法，低质量数据集预训练后在线微调仍能提升效果。

Comments 11 pages, 9 figures, 3 tables. Submitted to IEEE Journal on Selected Areas in Communications in Aug 2026. The offline training part was presented at the 2025 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)

Multi-Agent Self-Improving Reinforcement Learning for Video Reasoning

用于视频推理的多智能体自增强强化学习

Mingwen Zhang, Jisheng Dang, Minqiang Yang, Bimei Wang, Bin Hu, Tat-Seng Chua

机构 * Lanzhou University（兰州大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 该研究提出结合可训练Grounder与冻结Verifier的多智能体强化学习框架，在20亿参数规模下实现视频推理任务零样本迁移，相关指标优于同等规模基线，验证了冻结验证作为证据选择训练信号的有效性。

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

Candidate supply and answer selection shape the value of LLM judging in multi-agent systems

候选供给与答案选择塑造多智能体系统中大语言模型（LLM）评判的价值

Jia-Hao Ji, Sijie Li, Jiabei Cheng, Zixi She, Jin-Tai Yu, Zhiyuan Yuan

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系统中LLM评判的价值，通过分析多组基准数据集，发现结合答案频率与LLM评判可提升答案准确率，为设计多智能体架构提供了诊断基础。

Comments 11 figures

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

机构 * Scale AI ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 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)

MITRE-SAGE: A Multi-Agent Cybersecurity Question-Answering Model

MITRE-SAGE：一种多智能体网络安全问答模型

Ali Habibzadeh, Farid Feyzi, Reza Ebrahimi Atani

机构 * University of Guilan（吉兰大学） 纠错

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

AI总结 针对网络安全领域LLM的不足，研究提出多智能体框架MITRE-SAGE，结合MITRE-QA基准验证其在多项网络安全问答任务中优于基线方法，轻量级配置表现突出。

Long Live the Librarian! A Persistent Search Sub-Agent for Energy-Efficient Multi-Agent Software Engineering Systems

图书馆员万岁！面向节能多智能体软件工程系统的持久搜索子智能体

Seunghyuk Cho, Sunghyun Choi, Jaeseung Heo, Youngbin Choi, Saemi Moon, MoonJeong Park, Dongwoo Kim

机构 * Graduate School of Artificial Intelligence, POSTECH（POSTECH人工智能研究生院） ； Department of Computer Science and Engineering, POSTECH（POSTECH计算机科学与工程系） 纠错

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

AI总结 针对多智能体系统中输出令牌冗余导致的高能耗问题，提出持久搜索子智能体Librarian，通过跟踪仓库搜索历史并抑制重复探索，减少输出令牌量，在SWE-Bench Verified上实现高达25%的GPU能耗降低且不损失任务性能。

Comments 2026 EMNLP Main Conference

A Multi-Agent Human-LLM Collaborative Framework for Closed-Loop Scientific Literature Summarization

一种多智能体人-大语言模型协作框架用于闭环科学文献摘要

Maxwell J. Jacobson, Daniel Xie, Jackson Shen, Adil Wazeer, Guang Lin, Xiao-Ying Yu, Haiyan Wang, Xinghang Zhang, Yexiang Xue

机构 * Purdue University（普渡大学） 纠错

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

AI总结 本文提出一种多智能体人-大语言模型协作框架，通过整合LLM、结构化AI和人类科学家，实现科学文献的提取、分析与迭代优化，展示了AI辅助文献综述在发现科学模式中的应用。

Unified-MAS: Universally Generating Domain-Specific Nodes for Empowering Automatic Multi-Agent Systems

统一-MAS：通用领域节点生成以增强自动多智能体系统

Hehai Lin, Yu Yan, Zixuan Wang, Bo Xu, Sudong Wang, Weiquan Huang, Ruochen Zhao, Minzhi Li, Chengwei Qin

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； Institute for Infocomm Research (I 2 R), A*STAR（信息通信研究院（I2R），A*STAR） 纠错

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

AI总结 本文提出统一-MAS，通过离线节点合成解耦细粒度节点实现与拓扑编排，提升多智能体系统在知识密集型领域的性能与成本效益。

Comments Code is available at https://github.com/linhh29/Unified-MAS

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。

MAS-on-the-Fly: In-Context Structural Adaptation of LLM-Based Multi-Agent Systems

MAS-on-the-Fly: 在测试时动态适应基于大语言模型的多智能体系统

Guangyi Liu, Haojun Lin, Huan Zeng, Heng Wang, Quanming Yao

机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Ant Group（蚂蚁集团） 纠错

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

AI总结 MASFly通过动态适应机制在测试时优化多智能体系统，利用检索增强和经验引导机制提升任务适应性和性能。

A Comprehensive Survey on Multi-Agent Cooperative Decision-Making: Scenarios, Approaches, Challenges and Perspectives

多智能体协同决策综合综述：场景、方法、挑战与展望

Weiqiang Jin, Hongyang Du, Shixiang Tang, Biao Zhao, Guang Yang

机构 * The University of Hong Kong (HKU)（香港大学） ； Imperial College London（伦敦帝国学院） ； National Heart and Lung Institute, Imperial College London（伦敦帝国学院国家心肺研究所） ； Cardiovascular Research Centre, Royal Brompton Hospital（皇家布朗普顿医院心血管研究中心） 纠错

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

AI总结 该综述梳理多智能体协同决策的场景、方法等，重点分析深度多智能体强化学习与大语言模型驱动的多智能体方法，同时指出领域挑战与未来研究方向。

Comments 54 pages, 24 figures

Tariff Threats, Macroeconomic Expectations, and Policy Communication Strategies: Experiments Based on a Multi-Agent System

关税威胁、宏观经济预期与政策沟通策略：基于多智能体系统的实验

Jianhao Lin, Lexuan Sun, Yixin Yan

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

AI总结 本研究构建多智能体系统，模拟分析关税威胁等因素对宏观经济预期的影响，发现央行解释可协调信念，为政策沟通探索提供支撑。

Evidence, Logic, and Compliance: Multi-Agent Structured Graph Reasoning with Expert Arbitration for Medical Referral

证据、逻辑与合规性：面向医疗转诊的专家仲裁多智能体结构化图推理

Qi Peng, Yi Cai, Jialin Cui, Tong Zhu, Yujuan Ding, Qingbao Huang, Tao Wang, Jiayuan Xie, Changmeng Zheng, Qing Li

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

AI总结 该研究针对LLM用于医疗转诊的信息过载与非结构化协作问题，提出MASGR框架，通过多智能体结构化图推理及专家仲裁机制提升复杂医疗转诊的精准度，表现优于现有模型。

Comments 18 pages

Beacon: LLM Multi-Agent Driven Hardware Design Space Exploration for Heterogeneous Multi-Chiplet Deep Learning Accelerators

Beacon：面向异构多小芯片深度学习加速器的大语言模型多智能体驱动硬件设计空间探索

Boyu Li, Zongwei Zhu, Qianyue Cao, Xi Li, Xuehai Zhou

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

AI总结 Beacon是一种报告驱动的LLM多智能体框架，用于异构多小芯片深度学习加速器的HW-DSE，可在有限迭代预算下将延迟-能耗-金钱成本的综合目标降低25.1%-93.5%。

Projection-Free Bandit Online Optimization for Multi-Agent Systems with Dynamic Regret

面向多智能体系统的无投影多臂老虎机在线优化：动态遗憾视角

Xia Jiang, Lu Liu, Gang Feng

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

AI总结 本文针对多智能体动态系统的在线优化问题，提出仅依赖实时数据的分布式无投影多臂老虎机在线优化算法，通过仿真验证其有效性并建立动态遗憾界。

Comments 10 pages