Awesome AI Agent Papers

这是 2026 年发布并精选的 AI Agent 生态系统研究论文集合，涵盖了 AI Agent 生态系统中的核心主题，如 多智能体协作 (Multi-agent coordination)、记忆与 RAG (Memory & RAG)、工具链 (Tooling)、评估与可观测性 (Evaluation & Observability) 以及 安全性 (Security)。

无论您是构建 Agent 系统的 AI 工程师、探索新架构的研究人员，还是将 LLM Agent 集成到产品中的开发人员，这些论文都能帮助您掌握前沿动态、了解实际应用中的难点及技术演进方向。每周从 arXiv 更新。

为什么整理此列表

每周 arXiv 上都会发布数百篇论文，其中涉及 AI Agent 的数量与日俱增。我们通读这些论文，筛选出与 AI Agent 生态系统直接相关的研究，并进行分类，为您节省检索时间。本列表仅包含 2026 年 1 月之后发表的论文。

目录

• 多智能体 (Multi-Agent) (53)
• 记忆与 RAG (Memory & RAG) (57)
• 评估与可观测性 (Eval & Observability) (80)
• Agent 工具链 (Agent Tooling) (95)
• AI Agent 安全 (AI Agent Security) (82)

---

多智能体 (Multi-Agent) (53)

论文	arXiv ID
AutoNumerics: An Autonomous, PDE-Agnostic Multi-Agent Pipeline for Scientific Computing - 一种多智能体流水线，能够读取纯文本的 PDE（偏微分方程）问题描述，并端到端地编写、调试和验证经典的数值求解器。生成谱方法和有限差分代码（无需神经网络），在性能上比 FNO 和 CodePDE 基准测试高出约 6 个数量级。
Beyond Offline A/B Testing: Context-Aware Agent Simulation for Recommender System Evaluation - 通过 Agent 与推荐系统的交互来评估推荐系统。
CORAL: Towards Autonomous Multi-Agent Evolution for Open-Ended Discovery - 引入了长生命周期的多智能体系统，通过共享持久记忆、异步执行和基于心跳的干预实现自我进化；在 10 项数学、算法和系统任务中，改进率比固定的演化搜索基准高出 3–10 倍。
DyTopo: Dynamic Topology Routing for Multi-Agent Reasoning via Semantic Matching - 研究在每一轮推理中，通过语义匹配而非固定通信拓扑来动态重连 Agent 之间的连接。
RuleSmith: Multi-Agent LLMs for Automated Game Balancing - 探索通过结合多智能体 LLM 自博弈与贝叶斯优化，实现文明类游戏的自动平衡。
CommCP: Efficient Multi-Agent Coordination via LLM-Based Communication with Conformal Prediction - 研究如何利用共形预测（Conformal Prediction）过滤嘈杂的 Agent 间消息，以提升多机器人协同效率。
AgenticPay: A Multi-Agent LLM Negotiation System for Buyer-Seller Transactions - 引入了一个包含 110 多项任务的基准测试，用于评估多智能体 LLM 系统处理买卖双方自然语言谈判的能力。
Gender Dynamics and Homophily in a Social Network of LLM Agents - 分析 Chirper.ai 上 7 万多个自主 LLM Agent 之间的社交网络形成过程，以研究涌现的群体行为和偏见。
ROMA: Recursive Open Meta-Agent Framework for Long-Horizon Multi-Agent Systems - 提出将大任务分解为子任务树，并在多个 Agent 之间并行运行，以处理长周期工作流，而无需突破上下文窗口限制。
ORCH: many analyses, one merge — a deterministic multi-agent orchestrator - 提出一种确定性的多智能体编排器，其中多个 LLM 独立分析问题，合并 Agent 在无需任何训练的情况下选出最佳答案。
H-AdminSim: A Multi-Agent Simulator for Realistic Hospital Administrative Workflows - 使用多智能体 LLM 和 FHIR 集成模拟端到端的医院行政工作流，以测试医疗场景中 LLM 驱动的自动化能力。
Agyn: A Multi-Agent System for Team-Based Autonomous Software Engineering - 一种用于团队协作的自主软件工程多智能体系统。