Teaching RL Agents to Act Better: VLM as Action Advisor for Online Reinforcement Learning
Wuhan University（武汉大学）
本文提出VARL框架，利用视觉-语言模型为在线强化学习智能体提供行动建议，在保证最优性和收敛性的同时提升样本效率，尤其在稀疏奖励任务中表现显著，且计算开销低。
2025-09-25 cs.AI cs.LG
Enhancing Text-based Reinforcement Learning Agents with Commonsense Knowledge
IBM（国际商业机器公司（IBM））
在本文中，我们认为最近的趋势，评价强化学习技术的进展，使用基于文本的环境和游戏作为评价环境。这种对文本的依赖将自然语言处理的进步带入了这些代理的范围，其中一个反复出现的线程是使用外部知识来模仿和改善人类水平的性能。我们提出了一个这样的实例化的代理，使用常识知识的概念网显示有前途的性能在两个基于文本的环境。
2020-05-02 cs.AI cs.CL cs.LG
Renewable energy integration and microgrid energy trading using multi-agent deep reinforcement learning
Keele University（基尔大学）；Luxembourg Institute of Science and Technology（卢森堡科学技术研究院）
本文采用多智能体强化学习控制混合储能系统协同工作，通过最大化可再生能源价值和交易降低微电网的能源成本。智能体必须学会控制三种不同类型的储能系统，适用于在需求波动、动态批发能源价格和不可预测的可再生能源发电情况下的短期、中期和长期存储。考虑两个案例研究：第一个是研究储能系统如何在动态定价下更好地整合可再生能源发电，第二个是研究这些相同的代理如何与聚合代理一起使用，将能源出售给自利的外部微电网，以减少自己的能源账单。这项工作发现，多代理深度确定性策略梯度及其最先进的变体的集中式学习与分散式执行允许多代理方法比单个全局代理的控制表现得更好。研究还发现，在多代理方法中使用单独的奖励函数比使用单个控制代理要好得多。能够与其他微电网进行交易，而不仅仅是卖回给公用电网，也被发现大大增加了电网的储蓄。
2021-12-05 cs.AI cs.LG cs.MA
SkillOpt-Lite: Better and Faster Agent Self-evolution via One Line of Vibe
LMMs-Lab（LMMs实验室）；NTU MMLab（国立台湾大学MMLab）；Microsoft（微软公司）
研究智能体技能优化，通过零阶优化形式化，基于相关理念和学习建立收敛与泛化原则，提出SkillOpt-Lite加速收敛且性能优，还集成到生产编码智能体，最小管道可推广到完整 harness 优化。
2026-07-07 cs.AI cs.LG cs.SE
Deep Reinforcement Learning Based Multi-Access Edge Computing Schedule for Internet of Vehicle
Muroran Institute of Technology（室兰工业大学）
随着智能交通系统的广泛应用，无人驾驶汽车（UAV）可以辅助地面基站作为多址边缘计算（MEC）为车联网（IoV）提供更好的无线网络通信，我们提出了一种无人驾驶汽车辅助的方法来帮助提供更好的无线网络服务，同时保持车道上车联网汽车的最大体验质量（QoE）。在本文中，我们提出了一种多智能体图卷积深度强化学习（M-AGCDRL）算法，该算法将每个智能体的局部观察与低分辨率全局地图作为输入来学习每个智能体的策略。在图注意力网络中，智能体可以与其他智能体共享信息，从而形成有效的联合策略。仿真结果表明，M-AGCDRL方法能够实现更好的物联网QoE，并取得良好的性能。
2022-02-15 cs.AI cs.LG
Personalized Path Recourse for Reinforcement Learning Agents
Yale University, School of Management（耶鲁大学管理学院）
本研究提出面向强化学习智能体的个性化路径追索方法，通过兼顾目标、相似性与个性化的奖励函数训练智能体生成适配不同行为模式的追索路径，可用于多场景下的序列修正优化以实现预期目标。
2024-11-03 cs.AI cs.LG
Yes FLoReNce, I Will Do Better Next Time! Agentic Feedback Reasoning for Humorous Meme Detection
Florne通过闭环反馈机制提升表情包幽默检测的适应性和解释质量。
2026-01-12 cs.AI
Building Better AI Agents: A Provocation on the Utilisation of Persona in LLM-based Conversational Agents
University of Cambridge（剑桥大学）；King’s College London（伦敦国王学院）；Universitat Politecnica de Valencia（瓦伦西亚理工大学）
本文探讨了在基于LLM的对话智能体中运用人格的理据、关键应用与伦理挑战，强调细致整合、一致性维护及领域知识补充的重要性。
2024-05-26 cs.AI cs.CY cs.HC
Plan First, Judge Later, Run Better: A DMAIC-Inspired Agentic System for Industrial Anomaly Detection
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；The Hong Kong University of Science and Technology（香港科技大学）；Shanghai University of Finance and Economics（上海财经大学）；Technische Universität München（慕尼黑技术大学）；Southwestern University of Finance and Economics（西南财经大学）
提出受DMAIC启发的多智能体系统DMAIC-IAD，通过先制定标准化操作程序（SOP）再生成策略，并引入预训练的无执行评判模型来排序候选策略，无需昂贵运行时试验，在四种模态上平均检测性能提升37.76%。
2026-06-03 cs.AI cs.CE
ConfAgents: A Conformal-Guided Multi-Agent Framework for Cost-Efficient Medical Diagnosis
Peking University（北京大学）；The University of Hong Kong（香港大学）；The University of Edinburgh（爱丁堡大学）；Health Data Research UK（英国健康数据研究中心）
针对AI智能体依赖静态策略的局限，本文提出自我进化的HealthFlow框架及EHRFlowBench基准，通过元级进化机制提升复杂医疗任务性能，显著超越现有方法。
2025-08-06 cs.AI cs.CL cs.MA
Human-AI Learning Performance in Multi-Armed Bandits
University of California, Berkeley（加利福尼亚大学伯克利分校）
人们经常面临具有挑战性的决策问题，其中结果是不确定或未知的。人工智能（AI）算法的存在可以在学习这些任务方面胜过人类。因此，人工智能智能体有机会帮助人们更有效地学习这些任务。在这项工作中，我们使用一个多臂强盗作为一个控制设置，在其中探索这个方向。我们将人类与选定的代理配对，并观察每个人类代理团队的表现。我们发现，团队的表现可以击败人类和代理人的表现孤立。有趣的是，我们还发现，一个代理人的表现在隔离并不一定与人类代理团队的表现相关。座席性能的下降可能会导致团队性能的不成比例的大幅下降，或者在某些设置中甚至可以提高团队性能。将一个人与一个表现稍好的代理配对可以使他们表现得更好，而将他们与一个表现相同的代理配对可以使他们表现得更差。此外，我们的研究结果表明，人们有不同的探索策略，并可能表现得更好的代理，以配合他们的策略。总的来说，优化人类代理团队绩效需要超越优化代理绩效，了解代理的建议将如何影响人类决策。
2018-12-21 cs.AI
Hybrid Open-Ended Tri-Evolution Makes Better Deep Researcher
IQuest Research；Zhejiang University（浙江大学）
提出混合开放式三重进化框架，通过混合模式强化学习协同进化提议者、求解者和评判者，使8B模型在深度研究任务上超越静态开源8-32B模型及先进训练方法。
2026-06-16 cs.AI cs.LG
Evaluating the Robustness of Deep Reinforcement Learning for Autonomous Policies in a Multi-agent Urban Driving Environment
Simula Research Laboratory（西姆拉研究实验室）
深度强化学习被积极用于在模拟驾驶环境中训练自动驾驶汽车策略。由于各种强化学习算法的大量可用性以及缺乏对不同驾驶场景的系统比较，我们不确定哪些算法在单智能体和多智能体驾驶环境中更有效地训练自动驾驶汽车软件。在基于视觉的自动驾驶中比较深度强化学习的基准框架将为训练更好的自动驾驶汽车策略提供可能性。为了应对这些挑战，我们提供了一个开放且可重用的基准测试框架，用于在单智能体和多智能体环境中对自动驾驶的深度强化学习算法进行系统评估和比较分析。使用该框架，我们进行了离散和连续动作空间深度强化学习算法的比较研究。我们还提出了一个综合的多目标奖励函数，用于评估基于深度强化学习的自动驾驶代理。我们在一个只有视觉的高保真城市驾驶模拟环境中进行实验。结果表明，只有一些深度强化学习算法在各种仅多智能体环境设置中训练时，在单智能体和多智能体场景中表现得更好。例如，基于A3C和TD3的自动驾驶汽车在单智能体和多智能体场景中的更稳健的动作和最小的驾驶错误方面表现相对更好。我们的结论是，不同的深度强化学习算法在不同的场景下表现出不同的驱动和测试性能，这强调了对其进行系统比较分析的必要性。本文提出的基准框架有利于这种比较。
2023-03-23 cs.AI cs.LG cs.MA
Agentic Uncertainty Reveals Agentic Overconfidence
University College London（伦敦大学学院）；University of Edinburgh（爱丁堡大学）；Mila - Québec AI Institute（魁北克AI研究所）
研究发现AI代理在任务执行前后对自身成功率的预测存在过度自信，且执行前的低信息评估比执行后的回顾更有效，对抗性提示能提高预测准确性。
2026-02-06 cs.AI cs.LG
Bootstrap State Representation using Style Transfer for Better Generalization in Deep Reinforcement Learning
Purdue University（普渡大学）
深度强化学习（RL）代理通常会过拟合训练环境，导致泛化性能差。在本文中，我们提出了思想者，一个自举的方法，以消除对抗性的影响，从观察的混淆功能，在无监督的方式，从而提高RL代理的泛化。思想者的第一个集群经历了几个集群的轨迹。然后通过应用样式转换生成器自举这些轨迹，该生成器将轨迹从一个集群的样式转换为另一个，同时保持观察的内容。自举轨迹然后用于策略学习。Thinker在许多RL设置中具有广泛的适用性。实验结果表明，思想者导致更好的泛化能力在Procgen基准测试环境相比，基本算法和几个数据增强技术。
2022-07-15 cs.AI cs.LG
Better Deck or Different Judge? Evaluating Agentic Harness Gains in Corporate and Investment Banking
AIData2Action；TW3 Partners
本研究评估企业与投资银行中智能体框架的增益，通过LLM评审者评分发现系统生成演示文稿得分显著高于直接生成，但分数提升部分源于评审者变异性，而非纯粹文档质量改进。
2026-10-01 cs.AI
RF-Agent: Automated Reward Function Design via Language Agent Tree Search
Beihang University（北航大学）
RF-Agent通过语言代理树搜索实现自动奖励函数设计，利用蒙特卡洛树搜索和LLMs的上下文推理能力，提升低层控制任务的奖励函数设计效率和效果。
2026-02-27 cs.AI cs.LG
Brain-Inspired Planning for Better Generalization in Reinforcement Learning
McGill University（麦吉尔大学）
本论文受人类大脑规划机制启发，提出空间抽象注意力、Skipper任务分解框架和可行性评估器，以提升强化学习智能体的零样本系统化泛化能力并避免妄想性规划。
2025-11-09 cs.AI cs.LG
Towards Faithful Agentic XAI: A Verification Method and an Open-World Benchmark for Better Model Faithfulness
Graduate School of AI, 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）；Krafton
提出FAX框架，通过显式验证分解解释声明并交叉检查忠实工具，以及CRAFTER-XAI-Bench开放世界基准，在强化学习环境中将模拟忠实度从0.20提升至0.46。
2026-05-27 cs.AI
Social Learning Methods in Board Games
本文讨论了社会学习在训练博弈智能体中的作用。在社会背景下，而不是一个自我发挥的环境中的代理人的培训进行了调查。使用强化学习算法的代理在社交环境中进行训练。这模仿了拼字游戏和国际象棋等棋盘游戏的玩家在俱乐部中相互指导的方式。循环赛和修改后的瑞士锦标赛设置用于训练。使用社会环境训练的代理相比，自我发挥代理和结果表明，更强大的代理出现从社会培训设置。更高的状态空间游戏可以从这样的设置中受益，因为不同的代理集将具有多种策略，这些策略增加了在训练结束时获得更有经验的玩家的机会。经过社会学习训练的智能体表现出比自我游戏智能体更好的游戏体验。随着人口规模的增加，修改后的瑞士游戏风格产生了更多更好的游戏代理。
2008-10-20 cs.AI cs.MA
Agentic Explainable Artificial Intelligence (Agentic XAI) Approach To Explore Better Explanation: A Case Study in Decision Support for Rice Cultivation in Japan
本文提出一种结合SHAP解释性和多模态LLM迭代细化的代理XAI框架，通过农业推荐系统验证，发现早期停止可提升推荐质量，但过度细化导致性能下降，揭示了偏差-方差权衡。
2026-09-22 cs.AI cs.HC
Counterfactual States for Atari Agents via Generative Deep Learning
Oregon State University（俄勒冈州立大学）
尽管深度强化学习代理在许多领域都取得了令人印象深刻的成果，但它们的决策很难向人类解释。为了解决这个问题，过去的工作主要集中在解释为什么在给定的状态下选择一个动作。另一种有用的解释是反事实解释，它涉及“如果？“场景。在这项工作中，我们引入了反事实状态的概念，以帮助人类更好地了解Atari游戏图像中需要改变（最低限度）的代理选择不同的动作。我们引入了一种新的方法来从生成式深度学习架构中创建反事实状态。此外，我们评估了反事实状态对非机器学习专家的人类参与者的有效性。我们的用户研究结果表明，我们生成的反事实状态是有用的，帮助非专家参与者获得更好地了解代理的决策过程。
2019-09-27 cs.AI cs.HC cs.LG
Cooperative Reinforcement Learning on Traffic Signal Control
交通信号控制是一个具有挑战性的现实世界的问题，旨在通过协调车辆在道路交叉口的运动，以最大限度地减少总行程时间。现有的交通信号控制系统仍然严重依赖于过于简单的信息和基于规则的方法。具体来说，绿色/红色灯交替的周期性可以被认为是一个更好的规划每个代理在政策优化的先验。为了更好地学习这种自适应和预测的先验知识，传统的基于RL的方法只能从预定义的动作池返回一个固定的长度，只有本地代理。如果这些代理之间没有合作，一些代理经常会与其他代理发生冲突，从而降低整体吞吐量。提出了一种基于年龄衰减权值的协同多目标多Agent深度确定性策略梯度（COMMA-DDPG）结构，用于交通信号控制优化中多个奖励项的估计.两种类型的代理运行，以最大化不同目标的回报-一个是在每个交叉口的局部交通优化，另一个是全局交通等待时间优化。全局代理用于指导本地代理，作为帮助更快学习的手段，但不用于推理阶段。我们还提供了一个分析的解决方案的存在性与收敛性证明建议RL优化。使用来自亚洲国家的交通摄像头收集的真实交通数据进行评估。我们的方法可以有效地减少总延迟时间的60%。结果表明，与SoTA方法相比，其优越性。
2022-08-06 cs.AI
Dialogue SWE-Bench: A Benchmark for Dialogue-Driven Coding Agents
University of California, Santa Cruz（加州大学圣克鲁兹分校）
提出Dialogue SWE-Bench基准，通过用户模拟器评估编码智能体在对话中解决软件工程问题的能力，并引入模式引导智能体提升对话性能3-14%。
2026-06-15 cs.CL
Towards Better Agents for Multi-Turn User Interaction: The Next User Turn Is More Than Context
Fudan University（复旦大学）；Ant International, Ant Group（蚂蚁集团蚂蚁国际）
该研究针对多轮用户交互智能体的信用分配问题，提出FACA方法，在多领域测试中提升了8B和14B规模模型的性能，验证了下一轮用户反应可提供局部信用。
2026-08-19 cs.AI
Enhancing Human Experience in Human-Agent Collaboration: A Human-Centered Modeling Approach Based on Positive Human Gain
Tencent AI Lab（腾讯AI实验室）；Tencent TiMi L1 Studio（腾讯天美L1工作室）
针对现有游戏AI以智能体为中心易导致人类协作体验不佳的问题，提出以人为中心的RLHG方法，在维持智能体获胜能力的同时提升人类目标达成度，在《Honor of Kings》的真人测试中验证了其能改善人类游戏体验。
2024-01-28 cs.AI cs.HC
Learning to Negotiate via Voluntary Commitment
University of Waterloo（滑铁卢大学）；Vector Institute（矢量研究所）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
针对混合动机场景下智能体因不可信承诺难以合作的问题，提出基于马尔可夫承诺博弈的可学习承诺协议与激励相容学习方法，实现更快收敛与更高收益。
2025-03-19 cs.AI cs.GT cs.LG
Strategy-Following Multi-Agent Deep Reinforcement Learning Considering Control Strategies Provided to Other Agents
Department of Computer Science and Communications Engineering（计算机科学与通信工程系）；Waseda University（早稻田大学）
研究提出多智能体系统学习方法，能让智能体通过人类指令控制，未接指令的智能体可基于其他智能体行动补充工作。该方法扩展了可控性研究，实验表明使用此方法的智能体性能优于传统方法，能转向更好的合作结构。
2026-07-22 cs.AI cs.MA
Better Safe than Sorry: Evidence Accumulation Allows for Safe Reinforcement Learning
Carnegie Mellon University（卡内基梅隆大学）；Indian Institute of Technology Hyderabad（印度理工学院海得拉巴分校）
在现实世界中，智能体通常必须在信息不完整、感知能力有限和固有随机环境的情况下运行，这使得个体观测不完整和不可靠。此外，在许多情况下，最好是推迟决定，而不是冒着做出错误决定的风险。在这种情况下，有必要在采取行动之前聚合信息;然而，大多数最先进的强化学习（RL）算法偏向于采取行动\textit{at every time step}，即使智能体对其选择的行动不是特别有信心。这种缺乏谨慎可能导致代理人犯严重的错误，而不管先前的经验和对环境的适应。受生物大脑决策过程中不确定性动态解决理论的启发，我们提出了一个简单的累加器模块，该模块积累有利于每个可能决策的证据，将不确定性编码为行动之间的动态竞争，并且只有当它对所选择的行动有足够的信心时才对环境起作用。代理人在默认情况下不会做出决定，而做出决定的举证责任落在了政策上，以积累强烈支持单一决定的证据。我们的研究结果表明，这个累加器模块在一个简单的猜测游戏中实现了接近最佳的性能，远远优于使用传统的强制动作选择策略的深度递归网络。
2018-09-24 cs.AI cs.LG stat.ML
Supervising Ralph Wiggum: Exploring a Metacognitive Co-Regulation Agentic AI Loop for Engineering Design
Department of Mechanical Engineering（机械工程系）；Carnegie Mellon University（卡内基梅隆大学）
本文提出一种自我调节循环和共调节设计智能体循环，通过元认知共调节缓解设计固定问题，提升工程设计性能。
2026-05-07 cs.AI
How to Interpret Agent Behavior
Johns Hopkins University（约翰霍普金斯大学）；California Institute of Technology（加州理工学院）；Northeastern University（东北大学）；Purdue University（普渡大学）
本文提出ACT*ONOMY框架，通过构建行为分类体系和开放仓库，帮助研究人员更一致地解读智能体行为，提升监控与控制能力。
2026-11-10 cs.AI
Towards better dense rewards in Reinforcement Learning Applications
McGill University（麦吉尔大学）；Mila
本文探讨了强化学习应用中如何构建更有效的密集奖励，通过逆强化学习、奖励建模和自监督学习等方法提高奖励的准确性和可靠性。
2025-12-03 cs.AI
Evolutionary RL for Container Loading
TCS Research（塔塔咨询服务研究中心）；Department of Computer Science BITS-Pilani Goa（Birla理工学院皮拉尼校区果阿分校计算机科学系）
集装箱从堆场装船是港口作业的重要组成部分.寻找集装箱装载的最佳顺序是已知的计算困难的，并且是组合优化的一个例子，这导致在实践中应用简单的优化。在本文中，我们提出了一种方法，它使用进化策略和强化学习（RL）技术的混合，以找到一个近似的最优解。基于RL的代理使用策略梯度方法，进化奖励策略和良好（非最优）解决方案的池来找到近似。我们发现，RL代理学习近最优的解决方案，优于启发式解决方案。我们还观察到，RL代理协助池概括更好地为看不见的问题比RL代理没有一个池。我们提出了我们的结果，合成数据，以及从集装箱码头的现实世界的问题的子集。结果验证了我们的方法比现有的解决方案做得更好，并且更好地适应看不见的问题。
2018-05-17 cs.AI
Toward Instructions-as-Code: Understanding the Impact of Instruction Files on Agentic Pull Requests
École de Technologie Supérieure
通过分析148个项目的15549个智能体PR，发现指令文件对合并率、代码变更量和合并工作量无一致正面影响，但成功项目指令文件更长且结构更清晰，提出“指令即代码”研究方向。
2026-06-12 cs.AI cs.SE
Multicopy Reinforcement Learning Agents
Wesleyan University（韦斯利安大学）
本文提出一种针对多副本强化学习问题的算法，利用价值函数结构平衡新增副本的收益与成本，在噪声环境下单副本无法完成任务时可提升任务完成效果与效率。
2025-05-16 cs.AI cs.MA
Learning Distilled Collaboration Graph for Multi-Agent Perception
New York University（纽约大学）；Shanghai Jiao Tong University（上海交通大学）；Rutgers University（罗格斯大学）
为了促进更好的性能带宽权衡多智能体感知，我们提出了一种新的蒸馏协作图（DiscoGraph）模型可训练，姿态感知，和自适应代理之间的协作。我们的主要创新在于两个方面。首先，我们提出了一个教师-学生的框架训练DiscoGraph通过知识蒸馏。教师模型采用早期合作与整体视图输入，学生模型是基于中间合作与单视图输入。我们的框架通过约束学生模型中的协作后特征映射来匹配教师模型中的对应关系来训练DiscoGraph。其次，我们提出了一个矩阵值的边缘权重在DiscoGraph。在这样的矩阵中，每个元素都反映了特定空间区域的智能体间注意力，允许智能体自适应地突出信息区域。在推理过程中，我们只需要使用名为蒸馏协作网络（DiscoNet）的学生模型。归因于教师-学生框架，多个代理与共享的DiscoNet可以协作的方法与一个整体的看法，一个假设的教师模型的性能。我们的方法在V2X-Sim 1.0上进行了验证，这是一个大规模的多智能体感知数据集，我们使用CARLA和SUMO联合仿真进行了合成。在多智能体三维目标检测中的定量和定性实验表明，与现有的协同感知方法相比，DiscoNet不仅能够实现更好的性能-带宽权衡，而且具有更直接的设计原理。我们的代码可以在https://github.com/ai4ce/DiscoNet上找到。
2022-01-15 cs.CV cs.RO
Conveying Autonomous Robot Capabilities through Contrasting Behaviour Summaries
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出一种支持连续状态和动作空间的自适应搜索方法，用于高效生成对比行为摘要，帮助人类在有限观察时间内准确辨别给定任务中性能更优的自主智能体。
2023-04-01 cs.AI cs.MA cs.RO
Verbal Process Supervision Elicits Better Coding Agents
Mindify AI；University of London（伦敦大学）；National Taiwan University of Science and Technology（台湾科技大学）
针对现有编码智能体难应对复杂软件工程任务的问题，本研究提出经言语过程监督增强的CURA系统，在BigCodeBench上较基线提升3.65%，搭配o3-mini达SOTA，推动了推理架构与LLM代码生成的融合。
2025-03-24 cs.AI cs.CL cs.LG
Multi-Agent Design: Optimizing Agents with Better Prompts and Topologies
Google（谷歌）；University of Cambridge（剑桥大学）
本文提出MASS框架，通过优化提示和拓扑结构提升多智能体系统性能，并揭示了有效构建多智能体系统的原理。
2026-01-31 cs.AI cs.CL cs.LG
RocqSmith: Can Automatic Optimization Forge Better Proof Agents?
JetBrains Research Germany（JetBrains德国研究机构）；JetBrains Research Netherlands（JetBrains荷兰研究机构）；Constructor University Bremen（布雷梅Constructor大学）
RocqSmith研究自动优化方法在提升证明代理性能上的效果，发现简单引导方法效果最佳，但无法超越精心设计的证明代理。
2026-02-05 cs.AI cs.LG cs.LO
Knowledge Boundary and Persona Dynamic Shape A Better Social Media Agent
Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；University of Chinese Academy of Sciences（中国科学院大学）
本文针对社交媒体智能体存在知识越界与人设干扰问题，提出融合个性化知识和动态人设信息的构建方法，并设计五大模块与仿真沙盒，实验验证了其有效性。
2024-04-02 cs.AI cs.CL
Agents Explore the Environment Beyond Good Actions to Improve Their Model for Better Decisions
针对MuZero在预测较差时学习失效的问题，提出训练初期随机偏离规划策略、随后随机切回的环境探索方法，并在井字棋中验证其决策改进效果。
2023-06-06 cs.AI cs.LG
Many Heads Are Better Than One: Improved Scientific Idea Generation by A LLM-Based Multi-Agent System
Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）；Shanghai Innovation Institute（上海创新研究院）；Department of Engineering Science, University of Oxford（牛津大学工程科学系）；Shanghai Institute for Science of Science（上海科学研究院）；Department of Information Engineering, Chinese University of Hong Kong（香港中文大学信息工程系）；Department of Electronic Engineering, Tsinghua University（清华大学电子工程系）
针对LLM缺乏协作的问题，提出基于LLM的多智能体系统VirSci，模拟科研团队协作生成、评估和优化研究想法，实验证明其生成的新颖性优于最先进方法。
2025-05-27 cs.AI cs.CL cs.CV
Diverse Evidence, Better Forecasts: Multi-Agent Deliberation Under Information Asymmetry
School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院）；College of Engineering, Carnegie Mellon University（卡内基梅隆大学工程学院）
针对多智能体系统中信息同质化导致商议效果不佳的问题，提出通过设计信息不对称（共享公开证据与私有证据）降低智能体间误差相关性，并构建InfoDelphi框架，在预测任务上显著提升性能。
2026-07-03 cs.AI
Can Agents Design Better Chips with a Higher Level Abstraction?
UCLA（加州大学洛杉矶分校）
本研究提出AHRR流程，结合基于智能体的HLS设计与RTL优化，在11个任务基准上相比直接RTL设计实现2.6倍几何平均加速，验证了高层次抽象对智能体芯片设计的有效性。
2026-09-21 cs.AI cs.AR
ProgRM: Build Better GUI Agents with Progress Rewards
X-LANCE Lab, School of Computer Science（X-LANCE实验室、计算机科学学院）；MoE Key Lab of Artificial Intelligence（人工智能关键实验室）；AI Institute Shanghai Jiao Tong University（上海交通大学人工智能学院）；Shanghai Jiao Tong University（上海交通大学）；Jiangsu Key Lab of Language Computing（江苏语言计算关键实验室）；Suzhou Laboratory（苏州实验室）
针对GUI智能体训练数据稀缺及结果奖励模型反馈不足的问题，提出进度奖励模型，通过LCS自标注算法提供密集中间奖励，实验证明其优于现有方法。
2025-05-23 cs.AI cs.CL cs.LG
Aiming to Know You Better Perhaps Makes Me a More Engaging Dialogue Partner
University of Southern California（南加州大学）；Netflix（奈飞）
已经有几次尝试为闲聊对话代理定义一个合理的动机，可以导致参与对话。在这项工作中，我们探索了一个新的方向，代理专门专注于发现有关其对话者的信息。我们通过定义一个量化指标来正式化这种方法。我们提出了一个算法，代理，以最大限度地提高它。我们验证的想法与人类的评价，我们的系统优于各种基线。我们证明，该指标确实与人类的判断一致性。
2018-08-21 cs.AI cs.CL
Towards better Human-Agent Alignment: Assessing Task Utility in LLM-Powered Applications
Microsoft Research（微软研究院）；Pennsylvania State University（宾夕法尼亚州立大学）
本文提出 AgentEval 框架，通过自动生成针对特定应用目的的评价标准来量化 LLM 驱动应用的效用，以验证应用功能与用户需求的对齐程度，并分析了量化器的鲁棒性。
2024-02-22 cs.AI cs.CL
Do Multi-Agents Solve Better Than Single? Evaluating Agentic Frameworks for Diagram-Grounded Geometry Problem Solving and Reasoning
BRAC University（布拉克大学）；United International University（国际联合大学）；Center for Computational & Data Sciences（计算与数据科学中心）；Independent University, Bangladesh（孟加拉国独立大学）；Spectrum Software & Consulting Ltd（Spectrum软件与咨询有限公司）
本文评估了多智能体框架在图示引导几何问题解决中的表现，发现其对开源模型有明显提升，但对闭源模型效果有限，且并非普遍最优。
2025-12-18 cs.AI cs.CG
Collaborative Auto-Curricula Multi-Agent Reinforcement Learning with Graph Neural Network Communication Layer for Open-ended Wildfire-Management Resource Distribution
现实世界中的大多数领域都可以用多智能体（MA）系统来描述。意图共享代理可以通过协作解决更复杂的任务，可能在更短的时间内。真正的合作行动是有益的利己主义和集体的原因。然而，教导个体代理人为了更好的集体表现而牺牲利己主义利益似乎具有挑战性。我们建立在最近提出的多智能体强化学习（MARL）机制与图神经网络（GNN）通信层。很少选择的沟通行动是边际有益的。在这里，我们提出了一个MARL系统中，代理可以帮助合作者更好地执行，同时冒着个人性能低。我们在野火管理资源分配的背景下进行研究。沟通环境特征和部分可观察的火灾发生帮助代理集体先发制人地分配资源。此外，我们引入了一个程序化的培训环境，适应自动课程和开放性，以更好的概括性。我们的MA通信建议优于贪婪启发式基线和单代理（SA）设置。我们进一步展示了自动课程和开放性如何提高我们的MA提案的可推广性。
2022-04-24 cs.AI cs.LG cs.MA
How Can Robots Trust Each Other For Better Cooperation? A Relative Needs Entropy Based Robot-Robot Trust Assessment Model
University of Georgia（佐治亚大学）
多智能体和多机器人系统中的协作可以帮助智能体构建各种队形、形状和图案，以适应不同的情况，呈现相应的功能和目的。代理之间的关系，如他们的空间接近和功能相似性可以发挥至关重要的作用，代理之间的合作。代理之间的信任水平是评估其关系可靠性和稳定性的重要因素，就像人一样。本文提出了一种新的模型称为相对需求熵（RNE）来评估机器人代理之间的信任。RNE测量个体代理或代理组之间的需求分布距离。为了验证其效用，我们实现和证明我们的信任模型，通过实验模拟一个异构的多机器人分组任务，在一个持久的城市搜索和救援任务组成的任务，在两个级别的难度。结果表明，RNE基于信任的机器人分组可以实现更好的性能和适应性不同的任务执行相比，最先进的基于能量或基于距离的分组模型。
2021-08-31 cs.AI cs.MA cs.RO
Prosocial learning agents solve generalized Stag Hunts better than selfish ones
Facebook AI Research（Facebook人工智能研究院）
深度强化学习已经成为构建能够进入复杂多智能体情况并通过经验改进其策略的智能体的重要范式。一种常用的技术是反应式训练-应用标准RL方法，同时将其他代理视为学习者环境的一部分。众所周知，在一般和游戏中，反应式训练会导致代理群体收敛到低效的结果。我们专注于这样一类环境：猎鹿游戏。在这种情况下，代理人要么选择一个有风险的合作策略（如果双方都选择它，则会导致高收益，但单独尝试它的代理人的收益较低），要么选择一个安全的策略（无论如何都会导致安全的收益）。我们问，我们如何才能改变一个单一的代理的学习规则，以改善其结果在雄鹿狩猎，包括其他反应式学习者。我们扩展了多智能体强化学习中奖励塑造的现有工作，并表明使单个智能体亲社会，也就是说，使他们关心他们的合作伙伴的奖励可以增加群体收敛到好结果的概率。因此，即使我们控制了一个群体中的一个个体，让那个个体亲社会也能增加我们的个体的长期收益。我们的实验表明，这一结果结转到各种更复杂的环境与雄鹿狩猎样的动态，包括代理必须从原始输入像素学习。
2017-12-08 cs.AI cs.GT
CoEvol: Constructing Better Responses for Instruction Finetuning through Multi-Agent Cooperation
University of Macau（澳门大学）；Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）
本文提出CoEvol多智能体协作框架，通过辩论—建议—编辑—评判迭代流程和两阶段辩论策略改进IFT回复质量，并在MT-Bench与AlpacaEval上验证其有效性。
2024-10-24 cs.AI cs.CL
Better Understanding, Understanding Better
提出一种比较认知逻辑，通过层级索引理解模态和比较连接词，建模不同智能体对命题的理解程度差异，并给出语义框架和完备性结果。
2026-07-01 cs.AI cs.LO
