我院2023级本科生杨沛霆、师嘉昊、徐才溢以共同第一作者身份撰写的论文《AgentTailor: Semantic-Aware CommunicationStructure Learningfor LLM-Based Multi-Agent Systems》日前被ICML2026录用。ICML（International Conference on Machine Learning，国际机器学习大会）是机器学习领域历史最悠久、最具影响力的国际顶级会议之一，与NeurIPS、ICLR并称为机器学习领域的“三大顶会”，是中国计算机学会（CCF）推荐的A类国际会议。该论文在李熔盛和吴艳霞两位老师的共同指导下完成。
论文的研究内容为大模型多智能体系统中的通信结构优化，是人工智能与机器学习领域的重要研究方向。随着大模型多智能体系统在推理、编程、复杂决策等任务中的广泛应用，智能体之间的通信效率和语义有效性日益成为影响系统性能与成本的关键瓶颈。
当前的多智能体通信方法多基于静态或启发式拓扑结构，缺乏对通信边语义贡献的细粒度评估，导致冗余通信、高Token消耗与鲁棒性不足。因此，该论文提出了一套语义感知的通信结构学习框架AgentTailor，旨在动态优化大模型多智能体系统中的通信图结构。
作者提出的核心创新为：定义通信边的语义效用，通过编码智能体传递信息与最终决策输出的相似度，量化每条边在任务完成中的实际贡献；提出相对贡献归一化机制，消除通信顺序带来的位置偏差，实现公平的边价值评估；设计边预测网络，在虚拟执行情况下，完成通信结构优化，大幅降低训练与推理的Token成本；构建类Actor-Critic强化学习框架，结合真实执行与虚拟执行，实现高效、鲁棒的图结构剪枝与自适应。
实验结果显示，所提出的方法在6个公开数据集上，平均准确率达到91.36%，相比强基线方法具有提升；在Token消耗方面提效显著，相比主流方法降低程度可达21.2%–70.9%。此外，在存在误导性智能体的攻击场景下，模型准确率平均仅下降0.75%，展现出良好的泛化性与鲁棒性。
哈尔滨工程大学计算机科学与技术学院积极推动“以研促学、本研贯通”的学术教育模式，鼓励学生在本科阶段深度参与科学研究。此次高水平成果的产出，充分体现了我院本科生在前沿人工智能方向上的科研潜力与创新能力，以及学院在导师制培养、科研训练体系构建等方面取得的扎实成效。