AI Agent

GAMMAF: A Common Framework for Graph-Based Anomaly Monitoring Benchmarking in LLM Multi-Agent Systems

GAMMAF：用于LLM多智能体系统基于图的异常监控基准测试的通用框架

Pablo Mateo-Torrejón, Alfonso Sánchez-Macián

机构 * University Carlos III of Madrid（卡洛斯三世大学） 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GAMMAF框架，用于评估LLM多智能体系统中的异常检测方法，通过生成合成数据集和动态隔离攻击节点，验证了其在拓扑扩展性和执行效率上的优势。

xOffense: An Autonomous Multi-Agent Framework for Penetration Testing with Domain-Adapted Large Language Models

xOffense：一种基于领域适应大语言模型的自主多智能体渗透测试框架

Phung Duc Luong, Le Tran Gia Bao, Nguyen Vu Khai Tam, Dong Huu Nguyen Khoa, Nguyen Huu Quyen, Van-Hau Pham, Phan The Duy

机构 * Information Security Lab, University of Information Technology（信息安全实验室，信息科技大学） ； Vietnam National University Ho Chi Minh City（越南胡志明市国家大学） 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xOffense框架，利用领域适应的大语言模型实现自动化渗透测试，通过多智能体协作提升效率，实验表明其在多个基准测试中表现优异。

Comments 17 pages, 4 figures

PhysCodeBench: Benchmarking Physics-Aware Symbolic Simulation of 3D Scenes via Self-Corrective Multi-Agent Refinement

PhysCodeBench: 通过自校正多代理细化进行3D场景的物理感知符号模拟基准测试

Tianyidan Xie, Peiyu Wang, Yuyi Qian, Yuxuan Wang, Rui Ma, Ying Tai, Song Wu, Qian Wang, Lanjun Wang, Zili Yi

机构 * Nanjing University（南京大学） ； Skywork AI ； Jilin University（吉林大学） ； JIUTIAN Research（JIUTIAN研究院） ； Tianjin University（天津大学） 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PhysCodeBench，首个评估物理感知符号模拟的基准，包含700个手动构建的样本，通过自校正多代理框架SMRF实现67.7分的性能，优于现有模型31.4分。

DLM: Unified Decision Language Models for Offline Multi-Agent Sequential Decision Making

DLM：统一的决策语言模型用于离线多智能体顺序决策制定

Zhuohui Zhang, Bin Cheng, Bin He

机构 * Department of Control Science and Engineering, Tongji University, Shanghai 201804, China（同济大学控制科学与工程学院） ； Shanghai Institute of Intelligent Science and Technology（上海智能科学研究院） ； Shanghai Research Institute for Intelligent Autonomous Systems（上海智能自主系统研究院） ； State Key Laboratory of Autonomous Intelligent Unmanned Systems, Shanghai 200120, China（自主智能无人系统国家重点实验室） 纠错

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

AI总结 本文提出DLM，通过统一决策语言模型解决离线多智能体强化学习中的决策问题，采用集中训练分散执行框架，提升泛化能力。

Comments 22 pages, 11 figures

HiRAS: A Hierarchical Multi-Agent Framework for Paper-to-Code Generation and Execution

HiRAS：一种用于论文到代码生成与执行的分层多智能体框架

Hanhua Hong, Yizhi LI, Jiaoyan Chen, Sophia Ananiadou, Xiaoli Li, Jung-jae Kim, Chenghua Lin

机构 * The University of Manchester（曼彻斯特大学） ； Institute for Infocomm Research (I²R), A*STAR（信息与通信研究所（I²R），A*STAR） ； ELLIS Manchester（曼彻斯特ELLIS） ； Singapore University of Technology and Design（新加坡科技设计大学） 纠错

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

AI总结 本文提出HiRAS，一种分层多智能体框架，通过监督管理智能体协调专业智能体完成端到端实验复现，改进了Paper2Code基准的评估方法，并验证了方法的有效性和鲁棒性。

Comments 29 pages

SoccerRef-Agents: Multi-Agent System for Automated Soccer Refereeing

SoccerRef-Agents: 多智能体系统用于自动足球裁判

Zi Meng, Wanli Song, Yi Hu, Jiayuan Rao, Gang Chen

机构 * University of Michigan（密歇根大学） ； 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

AI总结 本文提出SoccerRef-Agents多智能体系统，通过构建多模态基准和知识库，提升足球裁判决策的准确性和可解释性。

Comments 26 pages, 8 figures. Submitted to ISACE 2026. Github Repo: https://github.com/yjlog/SoccerRef-Agents

GSAR: Typed Grounding for Hallucination Detection and Recovery in Multi-Agent LLMs

GSAR：多智能体大语言模型中基于类型的 grounding 检测与恢复

Federico A. Kamelhar

机构 * Agentic AI Oracle Corporation（Agentic AI Oracle公司） 纠错

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

AI总结 GSAR 提出了一种 grounding 评估与规划框架，通过四类分类、证据权重分配、矛盾惩罚评分和三层决策函数，实现多智能体大语言模型中的 hallucination 检测与恢复。

CODA: Coordination via On-Policy Diffusion for Multi-Agent Offline Reinforcement Learning

CODA：通过在线扩散实现多智能体离线强化学习中的协调

Marcel Hedman, Kale-ab Abebe Tessera, Juan Claude Formanek, Anya Sims, Riccardo Zamboni, Trevor McInroe, John Torr, Elliot Fosong

机构 * Inephany Ltd（Inephany有限公司） ； Department of Statistics, University of Oxford（牛津大学统计系） ； University of Cape Town Cape Town, South Africa（南非开普敦大学） ； The University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 CODA通过在线扩散生成合成经验，解决多智能体离线强化学习中的协调问题，提升联合行为适应性。

Cooperative Informative Sensing for Monitoring Dynamic Indoor Environments via Multi-Agent Reinforcement Learning

通过多智能体强化学习进行协作信息感知以监控动态室内环境

Kanghoon Lee, Matthew M. Sato, Jinnyeong Yang, Seungro Lee, Sujin Lee, Jiachen Li, Kuk-Jin Yoon, Jinkyoo Park, Kincho H. Law, Yoonjin Yoon

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） ； Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of California, Riverside（加州大学河滨分校） 纠错

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

AI总结 本文提出利用多智能体强化学习进行协作信息感知，以提高动态室内环境监控的准确性，优于传统覆盖和学习无关的多机器人方法。

Comments 8 pages, 10 figures, 2 tables

Peer Identity Bias in Multi-Agent LLM Evaluation: An Empirical Study Using the TRUST Democratic Discourse Analysis Pipeline

多智能体大语言模型评估中的同伴身份偏差：使用TRUST民主话语分析流水线的实证研究

Juergen Dietrich

机构 * TRUST Project（TRUST项目） 纠错

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

AI总结 本文通过TRUST民主话语分析流水线评估多智能体大语言模型的同伴身份偏差，发现单一通道匿名化几乎无偏差，而完整流水线匿名化揭示了同质化集合体放大身份驱动的阿谀行为，异质化生产配置则相反。

Comments 13 pages, 1 figure

BlindGuard: Safeguarding LLM-based Multi-Agent Systems under Unknown Attacks

BlindGuard: 保护基于大语言模型的多智能体系统免受未知攻击

Rui Miao, Yixin Liu, Yili Wang, Xu Shen, Yue Tan, Yiwei Dai, Shirui Pan, Xin Wang

机构 * School of Artificial Intelligence, Jilin University（吉林大学人工智能学院） ； School of Information and Communication Technology, Griffith University（格里菲斯大学信息与通信技术学院） 纠错

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

AI总结 本文提出BlindGuard，一种无需标注的多智能体系统防御方法，通过层次编码器和腐蚀引导检测器有效检测多种攻击类型，优于监督基线。

Journal ref Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics, 2026

Recent Advances in Multi-Agent Human Trajectory Prediction: A Comprehensive Review

多智能体人类轨迹预测的最新进展：综合性综述

Céline Finet, Stephane Da Silva Martins, Jean-Bernard Hayet, Ioannis Karamouzas, Javad Amirian, Sylvie Le Hégarat-Mascle, Julien Pettré, Emanuel Aldea

机构 * INRIA Rennes（INRIA里昂） ； SATIE - CNRS Université Paris-Saclay（SATIE-CNRS巴黎-萨克莱大学） ； Centro de Investigación en Matemáticas Guanajuato, México（瓜尼亚托数学研究所，墨西哥） ； University of California, Riverside（加州大学河滨分校） ； Sorbonne Université, Paris（索邦大学，巴黎） ； Department of Computer Science（计算机科学系） 纠错

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

AI总结 综述近期深度学习在多智能体轨迹预测中的进展，聚焦2020-2025年研究，分类讨论架构设计、输入表示及预测策略，并强调ETH/UCY基准测试中的模型评估及未来研究方向。

Comments 40 pages

Efficient Multi-Agent System Training with Data Influence-Oriented Tree Search

高效多智能体系统训练中的数据影响导向树搜索

Wentao Shi, Zichun Yu, Fuli Feng, Xiangnan He, Chenyan Xiong

机构 * University of Science and Technology of China（中国科学技术大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出数据影响导向树搜索框架，通过影响评分指导树搜索和数据选择，提升多智能体系统训练效率与效果。

Comments Accepted by ACL 2026 Main;

FairQE: Multi-Agent Framework for Mitigating Gender Bias in Translation Quality Estimation

FairQE：缓解翻译质量评估中性别偏见的多智能体框架

Jinhee Jang, Juhwan Choi, Dongjin Lee, Seunguk Yu, Youngbin Kim

机构 * Chung-Ang University（Chung-Ang 大学） ； AITRICS 纠错

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

AI总结 FairQE通过多智能体机制检测性别线索并生成性别翻转翻译变体，结合传统QE评分与LLM偏见缓解推理，提升翻译质量评估的性别公平性。

Comments Accepted to ACL 2026

Multi-Agent Empowerment and Emergence of Complex Behavior in Groups

多智能体赋能与群体复杂行为的涌现

Tristan Shah, Ilya Nemenman, Daniel Polani, Stas Tiomkin

机构 * Department of Physics, Department of Biology, Initiative in Theory and Modeling of Living Systems（物理系、生物学系、生命系统理论与建模倡议） ； Department of Computer Science, School of Physics, Engineering and Computer Science（计算机科学系，物理、工程与计算机科学学院） 纠错

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

AI总结 本文研究了多智能体环境下赋能驱动行为的涌现，展示了其在不同环境中促进群体组织的潜力。

Comments 11 pages

Improving Clinical Diagnosis with Counterfactual Multi-Agent Reasoning

通过反事实多智能体推理提升临床诊断

Zhiwen You, Xi Chen, Aniket Vashishtha, Simo Du, Gabriel Erion-Barner, Hongyuan Mei, Hao Peng, Yue Guo

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Jacobi Medical Center, Albert Einstein College of Medicine（雅各布医疗中心，阿尔伯特·爱因斯坦学院） ； Department of Emergency Medicine, Beth Israel Deaconess Medical Center（贝斯以色列医疗中心急诊科） ； Leaning machines（Leanings machines） 纠错

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

AI总结 本文提出一种基于反事实推理的多智能体诊断框架，通过反事实案例编辑和反事实概率差距方法，提升诊断准确性与可解释性，尤其在复杂和模糊病例中表现突出。

KompeteAI: Accelerated Autonomous Multi-Agent System for End-to-End Pipeline Generation for Machine Learning Problems

KompeteAI：面向机器学习问题端到端流水线生成的加速自主多智能体系统

Stepan Kulibaba, Artem Dzhalilov, Roman Pakhomov, Oleg Svidchenko, Alexander Gasnikov, Aleksei Shpilman

机构 * Research Center of the Artificial Intelligence Institute（人工智能研究所研究中心） ； Innopolis University（因诺波利斯大学） ； Sberbank of Russia（俄罗斯Sberbank） ； AI4S Center（AI4S中心） ； MIPT（莫斯科国立信息安全大学） ； Steklov Institute（斯捷克洛夫研究所） 纠错

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

AI总结 KompeteAI通过动态探索解决方案空间和整合RAG技术，提升了AutoML的探索效率与执行速度，实现6.9倍的流水线评估加速，并在MLE-Bench基准上超越主流方法3%。

Memory-Augmented LLM-based Multi-Agent System for Automated Feature Generation on Tabular Data

基于记忆增强的LLM多智能体系统用于表格数据自动特征生成

Fengxian Dong, Zhi Zheng, Xiao Han, Wei Chen, Jingqing Ruan, Tong Xu, Yong Chen, Enhong Chen

机构 * University of Science and Technology of China（中国科学技术大学） ； Zhejiang University of Technology（浙江工业大学） ； Meituan（美团） 纠错

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

AI总结 本文提出MALMAS系统，通过多智能体与记忆模块提升表格数据自动特征生成的效率与质量，实验验证其有效性。

Comments 16 pages (including appendix), 4 main figures, 15 tables. Accepted to ACL 2026

IMPACT-CYCLE: A Contract-Based Multi-Agent System for Claim-Level Supervisory Correction of Long-Video Semantic Memory

IMPACT-CYCLE：一种基于合同的多智能体系统，用于长视频语义记忆的层次级监督修正

Weitong Kong, Di Wen, Kunyu Peng, David Schneider, Zeyun Zhong, Alexander Jaus, Zdravko Marinov, Jiale Wei, Ruiping Liu, Junwei Zheng, Yufan Chen, Lei Qi, Rainer Stiefelhagen

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； INSAIT ； ETH Zurich（苏黎世联邦理工学院） ； Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 本文提出IMPACT-CYCLE，通过多智能体系统实现长视频语义记忆的层次级监督修正，提升下游推理性能并降低人工仲裁成本。

Comments 7 pages, 2 figures, code are available at https://github.com/MKong17/IMPACT_CYCLE

Prism: An Evolutionary Memory Substrate for Multi-Agent Open-Ended Discovery

Prism：一种多智能体开放发现的进化记忆基质

Suyash Mishra

机构 * AI Researcher（人工智能研究员） ； Basel, Switzerland（瑞士巴塞尔） 纠错

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

AI总结 Prism通过整合四种独立发展范式，提出一种基于决策理论框架的记忆基质，实现记忆分层、因果记忆图、信息价值检索、心跳驱动整合和复制衰减动态，提升多智能体开放发现性能。

Comments 10 pages, 1 figure

Soft-Label Governance for Distributional Safety in Multi-Agent Systems

多智能体系统中的分布安全软标签治理

Aizierjiang Aiersilan, Raeli Savitt

机构 * The George Washington University（乔治·华盛顿大学） ； SWARM AI Safety（SWARM AI安全） 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SWARM框架，通过连续概率标签提升多智能体系统安全性和治理效果，展示软指标在检测代理游戏中的应用。

Superficial Success vs. Internal Breakdown: An Empirical Study of Generalization in Adaptive Multi-Agent Systems

表面成功与内部崩溃：适应性多智能体系统泛化能力的实证研究

Namyoung So, Seokgyu Jang, Taeuk Kim

机构 * Department of Computer Science, Hanyang University（汉阳大学计算机科学系） 纠错

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

AI总结 研究通过实证分析揭示适应性多智能体系统在不同领域泛化能力不足及表面协调性与实际行为偏离的问题，强调泛化能力在系统开发中的重要性。

Comments 27 pages, 4 figures. Equal contribution for the first two authors

Explicit Trait Inference for Multi-Agent Coordination

显式特征推断用于多智能体协调

Suhaib Abdurahman, Etsuko Ishii, Katerina Margatina, Divya Bhargavi, Monica Sunkara, Yi Zhang

机构 * University of Southern California（南加州大学） ； AWS Agentic AI Labs（AWS 代理AI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 本文提出显式特征推断方法，通过推断伙伴特征提升多智能体协调效率，在经济游戏和复杂多智能体场景中均取得显著效果。

Comments Accepted at ACL 2026 Main Conference

Mesh Memory Protocol: Semantic Infrastructure for Multi-Agent LLM Systems

网格内存协议：多智能体LLM系统的语义基础设施

Hongwei Xu

机构 * Hongwei Xu（许鸿伟） 纠错

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

AI总结 本文提出网格内存协议，通过解决跨会话智能体间认知协作的三个关键问题，构建语义层协议，实现智能体间实时共享、评估和结合认知状态，提升多智能体LLM系统的协作效率。

Comments 23 pages, 2 figures, 2 listings, 1 table. MMP v0.2.3 specification at https://sym.bot/spec/mmp (CC BY 4.0). Reference implementations on npm (@sym-bot/sym, @sym-bot/mesh-channel; Apache 2.0)

Security Is Relative: Training-Free Vulnerability Detection via Multi-Agent Behavioral Contract Synthesis

安全性是相对的：通过多智能体行为合同合成实现无训练漏洞检测

Yongchao Wang, Zhiqiu Huang

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

AI总结 本文提出Phoenix框架，通过行为合同合成解决漏洞检测中的语义模糊问题，实现更高准确率的漏洞识别，使用开源模型达到更小规模和更优性能。

MASS-RAG: Multi-Agent Synthesis Retrieval-Augmented Generation

MASS-RAG：多代理合成检索增强生成

Xingchen Xiao, Heyan Huang, Runheng Liu, Jincheng Xie

机构 * School of Computer Science and Technology, Beijing Institute of Technology（北京理工大学计算机科学与技术学院） ； Department of Mathematical Sciences, Tsinghua University（清华大学数学科学系） 纠错

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

AI总结 MASS-RAG通过多代理结构处理证据，提升检索增强生成在噪声、不完整或异质证据下的表现，实验显示其在相关证据分散于检索结果时性能更优。

Comments ACL 2026 Findings, 19 pages

Multi-agent Self-triage System with Medical Flowcharts

多代理自分级系统与医疗流程图

Yujia Liu, Sophia Yu, Hongyue Jin, Jessica Wen, Alexander Qian, Terrence Lee, Mattheus Ramsis, Gi Won Choi, Lianhui Qin, Xin Liu, Edward J. Wang

机构 * Department of Electrical and Computer Engineering, University of California San Diego（加州大学圣地亚哥分校电气与计算机工程系） ； The Design Lab, University of California San Diego（加州大学圣地亚哥分校设计实验室） ； Department of Computer Science and Engineering, University of California San Diego（加州大学圣地亚哥分校计算机科学与工程系） ； Department of Medicine, Kaiser Permanente（Kaiser 医疗集团医学部） ； Department of Radiation Oncology, University of California San Francisco（加州大学旧金山分校放射肿瘤学部） ； Department of Emergency Medicine, University of California San Francisco（加州大学旧金山分校急诊医学部） ； Division of Cardiology, Department of Medicine, University of California San Diego（加州大学圣地亚哥分校医学部心内科分会） ； Department of Orthopaedic Surgery, Korea University Ansan Hospital（韩国大学安山医院骨科部） ； Google Research, Seattle, WA, USA（谷歌研究（西雅图，华盛顿州）） ； Paul G. Allen School of Computer Science & Engineering, University of Washington（华盛顿大学保罗·G·阿伦计算机科学与工程学校） 纠错

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

AI总结 本文提出一种多代理自分级系统，利用100个经临床验证的流程图提升医疗决策的准确性与透明度，通过检索、决策和聊天代理实现患者个性化推荐，实验显示在大规模合成数据集上达到高准确率。

Journal ref Nature Health (2026)

Rethinking Information Synthesis in Multimodal Question Answering A Multi-Agent Perspective

重新思考多模态问答中的信息合成：多智能体视角

Krishna Singh Rajput, Tejas Anvekar, Chitta Baral, Vivek Gupta

机构 * Arizona State University（亚利桑那州立大学） 纠错

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

AI总结 本文提出多智能体框架MAMMQA，通过分解查询、跨模态推理和整合答案，提升多模态问答的准确性和可解释性。

Multi-Agent Systems: From Classical Paradigms to Large Foundation Model-Enabled Futures

多智能体系统：从经典范式到基于大基础模型的未来

Zixiang Wang, Mengjia Gong, Qiyu Sun, Jing Xu, Shuai Mao, Xin Jin, Qing-Long Han, Yang Tang

机构 * Key Laboratory of Smart Manufacturing in Energy Chemical Process, Ministry of Education, East China University of Science and Technology, Shanghai 200237, China（能源化学过程智能制造重点实验室，教育部，东华大学，上海200237，中国） ； School of Information Science and Engineering, East China University of Science and Technology, Shanghai 200237, China（信息科学与工程学院，东华大学，上海200237，中国） ； School of Electrical Engineering and Automation, Nantong University, Nantong 226019, China（电气工程与自动化学院，南通大学，南通226019，中国） ； Research Institute of Intelligent Complex Systems, Fudan University, Shanghai 200433, China（智能复杂系统研究院，复旦大学，上海200433，中国） ； School of Science, Computing and Engineering Technologies, Swinburne University of Technology, Hawthorn VIC 3122, Australia（科学、计算与工程技术学院，斯威本理工大学，澳大利亚霍桑市VIC 3122） 纠错

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

AI总结 本文综述了多智能体系统从经典范式向基于大基础模型的演进，分析了经典多智能体系统与大基础模型多智能体系统的架构、机制、适应性及应用，展望了未来研究方向与挑战。

Comments Accepted by IEEE/CAA Journal of Automatica Sinica

CADMAS-CTX: Contextual Capability Calibration for Multi-Agent Delegation

CADMAS-CTX: 多智能体委托中的上下文能力校准

Chuhan Qiao

机构 * Beijing JIAOTONG University（北京交通大学） 纠错

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

AI总结 本文提出CADMAS-CTX框架，通过上下文条件后验概率实现多智能体委托中的能力校准，结合不确定性惩罚提升鲁棒性，实验表明其在GAIA和SWE-bench基准上显著优于静态方法。