Ah Absalon, ça c’est le genre de phrase qui tue…
Il me semble que non, la victime n’agresse personne, c’est pourquoi la phrase serait fausse
Je dirais donc :
plusieurs voyageurs l’ont vue se faire agresser sans…
plusieurs voyageurs l’ont vue être agressée sans…
plusieurs voyageurs l’ont vu agresser sans… (là je suis moins sûr !)

Mais si la victime agressait bien  une autre personne, alors la phrase serait juste !
Formulation du quiz un peu tordue, je serais tombé dans le panneau également.

Mais les pros du pp (ma bête noire) vont nous éclairer…

Dans l’exemple, ils mettent le mot « victime » pour montrer qu’elle est le COD et non l’agent (le sujet) de « agresser ».

– Je vois le chat manger la souris.
– Je vois manger la souris (par le chat).
La construction de la première phrase est courante, celle de la seconde est également valide.

– Ce maçon, je l’ai vu construire ce mur.
– Ce mur, je l’ai vu construire (par ce maçon).
Dans la première phrase, le pronom « le » mis pour « ce maçon » est COD de « vu ».
Dans la seconde phrase, le pronom « le » mis pour « ce mur » est COD de « construire ».

Se pose maintenant la question de l’accord du participe passé « vu » utilisé avec l’auxiliaire « avoir ».
Qu’il y ait en début de phrase le COD de l’infinitif n’importe pas, mais qu’il y ait en début de phrase le COD du participe passé « vu » demande l’accord.

– La souris, je l’ai vue manger un fromage (le pronom féminin est COD de « vue »).
– La souris, je l’ai vu manger par le chat (le pronom féminin n’est pas COD de « vu » mais de « manger »).

Ces maçons, je les ai vus construire cette maison (le pronom pluriel mis pour « ces maçons » est COD de « vus »).
Cette maison, je l’ai vu construire (le pronom féminin mis pour « cette maison » n’est pas COD de « vus » mais de « construire »).

Les jeunes, on les a vus agresser la victime (le pronom pluriel est COD de « vus »).
La victime, on l’a vu agresser par des jeunes (le pronom féminin n’est pas COD de « vu » mais de « agresser »).

La règle est simple à appliquer, c’est toujours la même, il n’y en a pas de nouvelle ; ce qui est plus difficile est d’admettre cette construction qui semble parfois tordue.
Si on a du mal avec « la souris que j’ai vu manger » (on préférerait « vue se faire manger » ou « vue être mangée ») ou « la victime que j’ai vu agresser » (une personne peut être sujet ou COD de agresser), on peut se raccrocher à une phrase d’aspect plus naturel et sans ambiguïté, et la retenir comme modèle : « cette ville, je l’ai vu construire », « une ville que j’ai vu construire », où on n’accorde pas, puisque « une ville que » n’est pas COD de « voir » mais de « construire ».

Suite au commentaire de Tara, je précise que le verbe voir est bien le verbe voir.
Le témoin a vu, de se yeux vu, le témoin a vu agresser la victime.
La victime que le témoin a vu, de ses yeux vu, agresser, est morte.
C’est le verbe voir, qui signifie voir, qui n’est pas modal, qui n’est pas un semi-auxiliaire, et dont le participe passé n’est pas invariable.
Dans les deux constructions, avec ou sans agent exprimé de l’infinitif (je vois des jeunes agresser la victime / je vois agresser la victime), c’est le même verbe voir, avec le même rôle syntaxique.
J’ai fait une longue réponse pour montrer qu’il n’y a ici qu’une affaire de COD, ce n’est pas pour qu’on me réponde « tout à fait, c’est une question de modalité ». On ne peut pas mettre de la modalité partout, ça devient pénible. On trouve des pages et des pages traitant du sujet, où chacun y va de sa nuance, ajoutant une notion, un concept, une perception qui lui est propre, une astuce. Rien de tout cela n’est en jeu.

Avec un pronom, qu’on place avant le verbe, on est obligé d’éclater la proposition infinitive.
Selon que le sujet était exprimé ou non dans la proposition infinitive, le pronom peut se trouver COD de « voir » ou COD de « agresser ».
* je vois des jeunes agresser la victime –> je les vois agresser la victime : le pronom « les » est mis pour « les jeunes » et joue le rôle de COD de « voir ».
* je vois agresser la victime –> je la vois agresser : le pronom ‘la » est mis pour « la victime » et est COD de « agresser ».
Tant qu’on ne comprend pas que c’est le même verbe « voir » dans les deux cas, tant qu’on ne voit pas que les pronoms en revanche sont totalement différents, qu’ils ne représentent pas la même chose et n’ont pas le même rôle syntaxique dans la phrase, il ne faut pas aller plus loin.

Enfin, on passe au passé composé, en appliquant la règle de l’accord du participe passé selon la place du COD.
* je vois des jeunes agresser la victime –> je les vois agresser la victime –> je les ai vus agresser la victime.
* je vois agresser la victime –> je la vois agresser –> je l’ai vu agresser.

Je vous remercie infiniment pour ces explications et exemples très clairs !

Adrian :
Ne nous énervons pas voyons. Et surtout, restons correct, car, le possessif que vous attribuez à « semi-auxiliaires » : « vos semi-auxiliaires », n’a rien de particulièrement sympathique…☹️
Quoi qu’il en soit :
On ne peut nier que le sens soit un repère en ce qui concerne les semi-auxiliaires.
Une des caractéristique est qu’il perdent tout ou partie de leur sens :
Je vais à Lyon – je vais m’énerver
Je fais un dessin – je fais sortir le chat.
Je peux soulever ce sac – je peux me trouver mal
Je dois m’en aller – je dois être fatigué
etc.
Il me semble que si cette altération de sens est moins perceptible avec voir, qu’elle existe cependant parfois :
Je vois un chapeau – je me vois insulter
Je reconnais que dans mon « analyse » j’ai perdu de vue l’exemple donné : je vois agresser la victime où le sens de « voir » est plein.

Je me vois donc ici agresser, Adrian sans le recours d’aucune perception visuelle , vous le reconnaîtrez aussi j’imagine…
. 😉