Grammarization-Based Grasping with Deep Multi-Autoencoder Latent Space Exploration by Reinforcement Learning Agent
Technical University of Munich（慕尼黑工业大学）
本文提出利用三个自编码器将目标与夹爪特征压缩到共同潜在空间，并结合 PoWER 算法让强化学习智能体在潜在空间中探索高质量抓取，在仿真中适应能力提升超过 35%。
2024-11-19 cs.LG cs.RO
Learning Human Rewards by Inferring Their Latent Intelligence Levels in Multi-Agent Games: A Theory-of-Mind Approach with Application to Driving Data
University of California, Berkeley（加利福尼亚大学伯克利分校）
奖励函数作为一种识别人的能动性并使人的行为合理化的激励表示方法，在人机交互中对人的行为建模具有重要意义。逆强化学习是从演示中获取奖励函数的有效方法。然而，将其应用于多智能体环境时一直具有挑战性，因为智能体之间的相互影响必须进行适当的建模。为了应对这一挑战，以前的工作要么利用均衡解决方案的概念，假设人类是完全理性的优化与无限的智慧或预先分配人类的互动策略先验。在这项工作中，我们主张，人类是有限理性的，并有不同的智力水平时，推理别人的决策过程中，这样一个内在的和潜在的特点，应占奖励学习算法。因此，我们利用这样的见解，从理论的心灵，并提出了一个新的多智能体逆强化学习框架，原因人类的潜在智力水平在学习过程中。我们验证了我们的方法在零和和一般和游戏与合成代理，并说明了一个实际的应用程序来学习人类司机的奖励功能，从真实的驾驶数据。我们比较我们的方法与两个基线算法。实验结果表明，通过对人类潜在智力水平的推理，该方法具有更大的灵活性，能够更好地提取出解释人类驾驶行为的奖励函数。
2021-03-07 cs.AI cs.RO
LCGuard: Latent Communication Guard for Safe KV Sharing in Multi-Agent Systems
Rensselaer Polytechnic Institute（伦斯勒理工学院）；IBM Research（IBM研究院）
本文提出LCGuard框架，通过在智能体间共享KV缓存前学习表示层面的转换，以防止敏感信息泄露，同时在多个模型家族和多智能体基准测试中验证了其在减少重建攻击成功率和保持任务性能方面的有效性。
2026-05-21 cs.AI cs.ET cs.LG
MABL: Bi-Level Latent-Variable World Model for Sample-Efficient Multi-Agent Reinforcement Learning
Carnegie Mellon University（卡内基梅隆大学）；Indian Institute of Technology, Madras（马德拉斯印度理工学院）
提出基于双层隐变量世界模型的MARL算法MABL，通过在训练时编码全局信息并保证分布式执行，显著提升了样本效率和整体性能。
2024-02-13 cs.LG cs.MA
Latent Variable Modeling in Multi-Agent Reinforcement Learning via Expectation-Maximization for UAV-Based Wildlife Protection
Iran University of Science and Technology（伊朗科技大学）
本文提出基于期望最大化的潜变量建模方法，结合多智能体强化学习用于无人机协同野生动物保护，在10架无人机模拟中相比PPO和DDPG提升了检测准确率、适应性和收敛性。
2025-10-10 cs.AI cs.LG
Dream to Control: Learning Behaviors by Latent Imagination
University of Toronto（多伦多大学）；Google Brain（谷歌大脑）；DeepMind（深度思维）
学习世界模型总结了一个代理的经验，以促进学习复杂的行为。虽然通过深度学习，从高维感官输入中学习世界模型变得可行，但从它们中获得行为的潜在方法有很多。我们提出了梦想家，一个强化学习代理，解决了长期的任务，从图像纯粹的潜在想象力。我们通过将学习状态值的分析梯度传播回在学习世界模型的紧凑状态空间中想象的轨迹来有效地学习行为。在20个具有挑战性的视觉控制任务中，Dreamer在数据效率，计算时间和最终性能方面超过了现有方法。
2020-03-17 cs.AI cs.LG cs.RO
LOD: Latent Objective Discovery in Heterogeneous Multi-Agent Reinforcement Learning
Department of Statistics, Harvard University（哈佛大学统计学系）
提出一种基于重叠潜在社区的 MARL 框架，通过共享策略与价值、成员权重聚合及 actor-critic 算法实现结构化协作、迁移适应和主动探索，并证明线性函数近似下的收敛性。
2026-09-29 cs.LG cs.MA math.OC
Dreaming Of Others: Latent Teammate Modeling In World Models For Multi-Agent Reinforcement Learning
Tomas Leroy-Stone
提出一种将队友建模为世界模型中可学习组件的方法，通过分解潜在状态并引入心智理论头来推断队友行为，实现零样本和少样本协调。
2026-05-29 cs.AI cs.LG cs.MA
In a Nutshell, the Human Asked for This: Latent Goals for Following Temporal Specifications
Imperial College London（伦敦帝国理工学院）；Université d’Evry（埃夫里大学）
我们解决的问题，建设代理的目标是学习执行的分布（OOD）多任务指令表示的时序逻辑（TL）通过使用深度强化学习（DRL）。最近的工作提供的证据表明，代理的神经结构是一个关键的功能时，DRL代理学习解决面向对象的任务在TL。然而，关于这一主题的研究仍处于起步阶段。在这项工作中，我们提出了一个新的深度学习配置与归纳偏见，导致代理生成其当前目标的潜在表示，产生更强的泛化性能。我们使用这些潜在的目标网络内的神经符号框架，执行多任务正式定义的指令和对比性能的建议神经网络对采用不同的国家的最先进的（SOTA）体系结构时，概括到看不见的指令在面向对象的环境。
2022-02-24 cs.AI cs.LG
Latent Bandits Revisited
Google Research（谷歌研究院）
一个潜在的强盗问题是一个学习代理知道的手臂奖励分布的条件下，一个未知的离散的潜在状态。智能体的主要目标是识别潜在状态，之后它可以采取最佳行动。这种设置是在线和离线学习之间的自然中点-复杂的模型可以离线学习，代理在线识别潜在状态-在推荐系统中具有实际意义。在这项工作中，我们提出了一般的算法，这种设置的基础上，置信上限（UCB）和汤普森采样。我们的方法是上下文和模型的不确定性和错误的意识。我们提供了一个统一的理论分析，我们的算法，它有较低的遗憾比经典的强盗政策时，潜在状态的数量小于行动。一个全面的实证研究展示了我们的方法的优势。
2020-06-15 cs.AI cs.LG stat.ML
Do Latent Channels Actually Communicate? A Causal Audit of Latent Multi-Agent LLM
本研究针对隐式多智能体LLM提出因果审计方法，通过受控消息替换揭示隐式通信的作用机制，发现不同规模Qwen模型在不同数据集上的隐式消息效应存在差异，证明总准确率无法反映隐式消息的实际影响。
2026-07-30 cs.AI
Compact Latent Coordination for Autonomous Vehicles at Unsignalized Intersections
Ben-Gurion University of the Negev（内盖夫本古里安大学）
针对无信号交叉口自动驾驶车辆协调难题提出MAPS分层DRL架构，主智能体生成编码全局策略的原型计划，工作智能体结合局部观测执行控制。实验表明MAPS能实现无碰撞导航、减少行驶时间，且原型计划泛化能力强。
2026-07-24 cs.AI cs.LG cs.MA
When in Doubt, Think Slow: Iterative Reasoning with Latent Imagination
Huawei Technologies R&D（华为技术研发部门）
本文提出一种无需训练的决策时迭代推理方法，通过未来状态表征一致性微调智能体状态，在视觉3D导航中提升重建精度与任务性能，且对训练较少或部分可观测环境下的智能体增益更显著。
2024-02-23 cs.AI cs.LG
Bridging MARL to SARL: An Order-Independent Multi-Agent Transformer via Latent Consensus
The Hong Kong University of Science and Technology（香港科学与技术大学）；The Hong Kong Polytechnic University（香港理工大学）；The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））
本文提出CMAT框架，通过Transformer编码器处理联合观测空间，利用层次决策机制生成共识向量，实现顺序无关的联合决策，优于传统MARL方法。
2026-07-28 cs.AI cs.LG cs.MA
Safety of Latent Communication in Multi-Agent Systems
CISPA Helmholtz Center for Information Security（CISPA赫尔姆霍兹信息安全中心）
本研究揭示潜在通信链接训练可增加有害遵从性，并提出强化学习攻击放大该效应，同时表明修复链接可降低风险，强调安全对齐需考虑系统整体。
2026-10-06 cs.AI cs.LG cs.MA
Multi-Agent Constraint Factorization Reveals Latent Invariant Solution Structure
本研究通过多智能体约束因子化揭示了潜在不变解结构，展示了在相同信息下多智能体系统提升问题解决性能的机制，并应用于文本对话系统。
2026-01-21 cs.AI cs.CL cs.LG
Which Experiences Are Influential for RL Agents? Efficiently Estimating The Influence of Experiences
本文提出PIToD方法，高效估计经验回放中各经验对RL智能体性能的影响力，并通过删除负面影响经验显著提升表现不佳智能体的性能。
2025-07-19 cs.AI cs.LG
Understanding Agent Incentives using Causal Influence Diagrams. Part I: Single Action Settings
DeepMind
智能体是在环境中优化目标函数的系统。目标和环境一起引发了次要目标，即激励。使用因果影响图对代理人与环境的交互进行建模，我们可以直接从图中回答有关代理人激励的两个基本问题：（1）代理人可以观察哪些节点，以及（2）代理人可以激励哪些节点控制？答案告诉我们哪些信息和影响点需要额外的保护。例如，我们可能希望工作申请的分类器不使用候选人的种族，而强化学习代理不直接控制其奖励机制。不同的算法和训练范式可以导致不同的因果影响图，因此我们的方法可以用来识别有问题的激励算法，并帮助设计具有更好激励的算法。
2022-01-20 cs.AI cs.LG
Multi-agent Auto-Bidding with Latent Graph Diffusion Models
Department of Computer Science University of California, Davis（计算机科学系加州大学戴维斯分校）
本文提出一种基于图表示和潜在扩散模型的自动出价框架，通过捕捉拍卖环境中的多智能体动态与印象机会关联，结合奖励对齐微调生成满足KPI约束的出价轨迹，在真实与合成拍卖环境中显著提升出价性能与结果预测准确性。
2025-04-19 cs.AI cs.LG cs.MA
Latent Agents: A Post-Training Procedure for Internalized Multi-Agent Debate
Boston University（波士顿大学）
本文提出一种两阶段微调流程，将多代理辩论转化为单个LLM，通过动态奖励调度和长度截断实现内部化，减少93%的token使用，同时通过激活引导发现代理特定子空间，并展示通过内部化辩论抑制恶意代理的应用。
2026-04-27 cs.AI
LatentRemedy: Efficient Remedy For Non-Prefix KV Cache Reuse in Multi-Agent Systems
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；Microsoft（微软）；The University of Hong Kong（香港大学）
LatentRemedy通过任务条件潜层令牌解决多智能体系统冲突任务下非前缀KV缓存复用的性能下降问题，在保持接近直接复用的TTFT的同时优于现有基线。
2026-10-14 cs.AI cs.CL
Controlling Multimodal Conversational Agents with Coverage-Enhanced Latent Actions
School of Computer Science, Wuhan University（武汉大学计算机学院）；Tongyi Lab（通义实验室）；Zhongguancun Academy（中关村学院）
本文提出通过增强覆盖的潜在动作空间改进多模态对话代理的强化学习微调，利用跨模态投影器提升鲁棒性，在两个对话任务中优于基线方法。
2026-04-13 cs.AI cs.CL cs.LG
Escaping Local Views: Discovering Latent Concepts for Interpretable Multi-Agent Reinforcement Learning
Nanjing University（南京大学）；Hong Kong Polytechnic University（香港理工大学）；Shenzhen University（深圳大学）
提出ELV框架，通过潜在概念与双路径注意力机制使多智能体决策透明化，并利用概念预测内在奖励促进探索，在多个环境中兼顾性能与可解释性。
2026-09-29 cs.AI
Fast exploration and learning of latent graphs with aliased observations
Google DeepMind（谷歌DeepMind）
针对节点观测别名化且随机转移的潜在图恢复问题，提出一种高效探索算法，可在多种挑战性拓扑中指数级快于朴素探索，并在无别名情形下保持与基线相当的性能。
2023-09-25 cs.AI cs.LG
Latent Variable Sequential Set Transformers For Joint Multi-Agent Motion Prediction
Polytechnique Montréal（蒙特利尔综合理工大学）；Mila, Quebec AI Institute（米拉-魁北克人工智能研究所）；ElementAI / Service Now（元素人工智能/Service Now公司）；Algolux（阿尔戈勒克斯公司）；McGill University（麦吉尔大学）；École de technologie supérieure（高等技术学院）；Princeton University（普林斯顿大学）
鲁棒的多智能体轨迹预测对于机器人系统的安全控制至关重要。一个主要的挑战是有效地学习一个表示，近似的上下文，社会和时间信息的真实联合分布，使规划。我们提出潜在变量序列集Transformers，这是编码器-解码器架构，产生场景一致的多智能体轨迹。我们将这些架构称为“汽车人”。编码器是一个堆栈的交错时间和社会多头自我注意（MHSA）模块交替执行跨时间和社会维度的等变处理。解码器采用可学习的种子参数与时间和社会MHSA模块相结合，使其能够在单个前向传递中有效地对整个未来场景进行推理。AutoBots可以生成一个自我智能体的轨迹，也可以生成场景中所有智能体未来轨迹的分布。对于单智能体预测的情况下，我们的模型在全球nuScenes车辆运动预测排行榜上取得了最佳结果，并在Argoverse车辆预测挑战中取得了很好的结果。在多智能体环境中，我们对TrajNet++数据集的合成分区进行评估，以展示模型的社会一致性预测。我们还展示了我们的模型的一般序列集，并提供说明性的实验建模的顺序结构的多个笔画，使符号的Omniglot数据。AutoBots的一个显着特点是，所有模型都可以在48小时内在单个桌面GPU（1080 Ti）上进行训练。
2022-02-11 cs.AI cs.CV cs.LG
Dual Latent Memory for Visual Multi-agent System
University of Science and Technology of China（中国科学技术大学）
提出L²-VMAS框架，通过双潜在记忆解耦感知与思考，并采用熵驱动主动触发机制，打破视觉多智能体系统的“扩展墙”，在提升准确率的同时大幅降低令牌消耗。
2026-06-05 cs.AI cs.CV
Latent-DARM: Bridging Discrete Diffusion And Autoregressive Models For Reasoning
EPFL（苏黎世联邦理工学院）；MBZUAI（马克斯·普朗克人工智能研究所）；ETH Zürich（苏黎世联邦理工学院）；Microsoft Research Asia（微软亚洲研究院）
Latent-DARM通过结合离散扩散模型与自回归模型，提升多智能体系统在推理任务中的表现和协作效率。
2026-03-10 cs.AI cs.LG
Improving Generalization in Meta-RL with Imaginary Tasks from Latent Dynamics Mixture
KAIST（韩国科学技术院）
大多数Meta强化学习（meta-RL）方法的泛化能力在很大程度上限于从用于对训练任务进行采样的相同分布中采样的测试任务。为了克服这一局限性，我们提出了潜在动力学混合（LDM），训练一个强化学习代理与虚拟任务产生的混合物学习的潜在动力学。通过在混合任务和原始训练任务上训练策略，LDM允许代理在训练期间为看不见的测试任务做准备，并防止代理过度拟合训练任务。LDM在网格世界导航和MuJoCo任务的测试返回中显着优于标准的元RL方法，其中我们严格分离了训练任务分布和测试任务分布。
2022-01-18 cs.LG
Latent Poincaré Shaping for Agentic Reinforcement Learning
LaPha通过在庞加莱潜在空间中引入隐式形变，提升LLM代理在数学任务中的性能，实现自我引导的测试时间扩展和更高的准确率。
2026-03-11 cs.LG
What LLM Agents Say When No One Is Watching: Social Structure and Latent Objective Emergence in Multi-Agent Debates
Independent Researcher（独立研究员）；Carnegie Mellon University（卡内基梅隆大学）
提出双通道辩论框架，研究社会结构（角色、受众、关系）如何导致LLM智能体在公开与私下（OTR）表达中产生系统性分歧，揭示潜在目标的涌现。
2026-07-03 cs.AI cs.CL cs.LG
Receiver-Conditioned Latent Communication gives 94% CacheBack
针对多智能体系统通信开销大的问题，提出接收者条件化通信方法CacheBack，通过接收者需求过滤压缩KV缓存，在FanOutQA上提升准确率14.7个百分点并降低3.2倍延迟。
2026-09-29 cs.AI
Perspective Latents as an Architectural Condition for Causal Emergence in Active Inference Agents
Active Inference Institute（主动推理研究所）
研究主动推理智能体中无奖励预测组织与信息理论特征的关系，通过特定架构智能体在无奖励环境切换协议中测试，确定\(g\)为与\(\Phi_r\)相关时间组织的架构位置，反对将\(\Phi_r\)作为学习整合直接指标。
2026-07-24 cs.LG q-bio.NC
Social Influence as Intrinsic Motivation for Multi-Agent Deep Reinforcement Learning
Massachusetts Institute of Technology（麻省理工学院）；Google DeepMind（谷歌DeepMind）；Princeton University（普林斯顿大学）
我们提出了一个统一的机制，以实现协调和沟通的多智能体强化学习（MARL），通过奖励代理有因果关系的影响，其他代理的行动。使用反事实推理评估因果影响。在每一个时间步，一个代理模拟它可能采取的替代动作，并计算它们对其他代理行为的影响。导致其他代理行为发生更大变化的行为被认为是有影响力的，并得到奖励。我们表明，这相当于奖励代理人之间的行动有高互信息。实证结果表明，影响力导致在具有挑战性的社会困境环境中增强协调和沟通，显着增加深度RL代理的学习曲线，并导致更有意义的学习通信协议。通过使代理能够使用深度神经网络学习其他代理的模型，可以以分散的方式计算所有代理的影响力奖励。相比之下，在MARL设置的紧急通信的关键以前的作品无法学习不同的政策，在一个分散的方式，不得不求助于集中的培训。因此，影响力奖励为这一领域的研究开辟了新的机会。
2019-06-18 cs.AI cs.LG cs.MA
Adversarial recovery of agent rewards from latent spaces of the limit order book
JP Morgan Chase & Co.（摩根大通公司）；Twitter, Inc.（推特公司）；University of Oxford（牛津大学）；University College London（伦敦大学学院）
逆强化学习已经证明了它能够通过在日益具有挑战性的环境中恢复其潜在的奖励函数来解释专家代理的状态-动作轨迹。对抗性学习的最新进展允许将逆RL扩展到具有代理未知的非平稳环境动态的应用，奖励函数的任意结构以及对逆RL的不适定性质所固有的模糊性的改进处理。这在涉及风险的随机环境（如波动的金融市场）的实时的应用中尤其重要。此外，最近对复杂环境的模拟工作使学习算法能够通过模拟其潜在空间表示来与真实市场数据进行交互，从而避免对原始环境进行昂贵的探索。在本文中，我们探讨了对抗性逆RL算法是否可以在真实市场数据的潜在空间模拟中进行调整和训练，同时保持其恢复对潜在动态变化具有鲁棒性的代理奖励的能力，并将其转移到原始环境的新机制中。
2019-12-09 cs.LG q-fin.TR stat.ML
Representation Learning For Efficient Deep Multi-Agent Reinforcement Learning
UC Davis（加州大学戴维斯分校）；University of South Florida（南佛罗里达大学）
本文提出MAPO-LSO框架，通过引入转移动力学重构和自预测学习的多智能体扩展来构建潜在状态优化方案，有效提升了多智能体强化学习的样本效率和学习性能。
2024-06-05 cs.AI cs.LG cs.MA
CLAS: Coordinating Multi-Robot Manipulation with Central Latent Action Spaces
Volkswagen Group（大众集团）；Machine Learning Research Lab（机器学习研究实验室）
多机器人操作任务涉及各种控制实体，这些控制实体可以被分离成动态独立的部分。此类现实世界任务的典型示例是双臂操纵。学习用强化学习天真地解决这样的任务通常是不可行的，因为样本复杂性和探索需求随着动作和状态空间的维度而增长。相反，我们希望处理多代理系统这样的环境，并有几个代理控制整体的一部分。然而，分散行动的产生需要通过一个仅限于任务中心信息的渠道进行跨代理的协调。本文提出了一种方法来协调多机器人操作，通过学习的潜在行动空间，在不同的代理共享。我们在模拟多机器人操作任务中验证了我们的方法，并证明了在样本效率和学习性能方面比以前的基线有所改进。
2022-11-28 cs.GT cs.LG cs.MA
Reinforcement Learning under Latent Dynamics: Toward Statistical and Algorithmic Modularity
Microsoft（微软公司）；Google（谷歌公司）
本文从统计与算法角度研究一般潜在动力学下的强化学习，提出潜在前推可覆盖性条件以保证统计可处理性，并开发了两种可证明高效的观测到潜在约简方法，为统一理论奠定基础。
2024-10-23 cs.AI cs.LG math.OC
Simplifying Latent Dynamics with Softly State-Invariant World Models
Max Planck Institute for Biological Cybernetics（马克斯·普朗克生物控制论研究所）；University of Tübingen（蒂宾根大学）；Helmholtz Institute for Human-Centered AI（亥姆霍兹以人为本人工智能研究所）；Helmholtz Center Munich（慕尼黑亥姆霍兹中心）
针对现有世界模型无法保证动作效果系统性表征的问题，提出软状态不变的简约潜在空间模型PLSM，通过最小化潜在状态与动作引发的潜在变化间的互信息正则化动力学，在预测、规划及无模型强化学习任务中提升了准确性、泛化性和性能。
2024-11-01 cs.LG
Inferring Latent Temporal Sparse Coordination Graph for Multi-Agent Reinforcement Learning
Australian Artificial Intelligence Institute (AAII), Faculty of Engineering and Information Technology, University of Technology Sydney（澳大利亚人工智能研究所（AAII），悉尼科技大学工程与信息技术学院）
本文提出一种潜在时序稀疏协调图(LTS-CG)用于多智能体强化学习，通过历史观测计算智能体对概率矩阵，构建稀疏图以捕捉依赖关系和不确定性，同时减少计算复杂度并提升协作效率。
2026-04-10 cs.LG cs.MA
Recursive Multi-Agent Systems
UIUC（伊利诺伊大学香槟分校）；Stanford University（斯坦福大学）；NVIDIA（英伟达）；MIT（麻省理工学院）
本文提出递归多智能体框架RecursiveMAS，通过递归计算提升多智能体协作效率，实验证明其在多个基准测试中准确率提升8.3%，推理速度提升1.2-2.4倍，token使用减少34.6%-75.6%。
2026-07-14 cs.AI cs.CL cs.LG
Let Offline RL Flow: Training Conservative Agents in the Latent Space of Normalizing Flows
Tinkoff（Tinkoff公司）
离线强化学习的目标是在预先记录和固定的数据集上训练策略，而无需任何额外的环境交互。在此设置中存在两个主要挑战：（1）由近似未被训练数据很好地覆盖的状态-动作对的值引起的外推误差，以及（2）行为和推理策略之间的分布移位。解决这些问题的一种方法是诱导保守主义--即，使学习到的策略更接近行为策略。为了实现这一点，我们建立在最近的工作学习策略在潜在的行动空间，并使用一种特殊形式的规范化流来构建一个生成模型，我们使用作为一个保守的行动编码器。这个Normalizing Flows动作编码器在离线数据集上以监督的方式进行预训练，然后通过强化学习训练额外的策略模型-潜在空间中的控制器。这种方法避免了查询训练数据集之外的动作，因此不需要对数据集之外的动作进行额外的正则化。我们在各种运动和导航任务上评估了我们的方法，证明我们的方法在大部分数据集上优于最近提出的具有生成动作模型的算法。
2023-01-30 cs.AI cs.LG cs.NE
Situation-Dependent Causal Influence-Based Cooperative Multi-agent Reinforcement Learning
Software Engineering Institute, East China Normal University（华东师范大学软件工程学院）
针对多智能体强化学习中智能体协调与探索能力不足的问题，提出基于情境依赖因果影响的SCIC算法，通过因果干预和条件互信息检测智能体间因果影响并设计内在奖励机制，提升协作性能，在多个基准上优于现有方法。
2023-12-15 cs.AI
Adversarial Intent is a Latent Variable: Stateful Trust Inference for Securing Multimodal Agentic RAG
Fujitsu Research of Europe, UK（富士通欧洲研究机构，英国）；Fujitsu Limited, Japan（富士通株式会社，日本）
本文提出MMA-RAG^T框架，通过状态化信任推断提升多模态代理RAG的安全性，实验显示攻击成功率显著降低。
2026-02-24 cs.AI cs.CL cs.CR
METASYMBO: Multi-Agent Language-Guided Metamaterial Discovery via Symbolic Latent Evolution
Virginia Tech（弗吉尼亚理工大学）；Meta AI；University of California Los Angeles（加州大学洛杉矶分校）；Princeton University（普林斯顿大学）；University of Pennsylvania（宾夕法尼亚大学）
本文提出MetaSymbO框架，通过符号驱动的潜在进化实现语言引导的超材料发现，提升结构有效性和语言指导得分，验证其在实际应用中的有效性。
2026-04-30 cs.AI
Distributional Black-Box Model Inversion Attack with Multi-Agent Reinforcement Learning
College of Cyber Security, Jinan University（暨南大学网络空间安全学院）；School of Information Systems, Singapore Management University（新加坡管理大学信息系统学院）
本文提出DBB-MI攻击，通过构建概率潜在空间并结合多智能体强化学习技术，在无需目标模型参数和专门GAN训练的情况下，有效恢复私有训练数据，其攻击准确率等指标优于现有最先进方法。
2024-04-22 cs.CR cs.LG
Modeling Hawkish-Dovish Latent Beliefs in Multi-Agent Debate-Based LLMs for Monetary Policy Decision Classification
Osaka Metropolitan University（大阪市立大学）；Preferred Networks, Inc.
本文提出多智能体辩论式LLM框架，通过建模鹰派与鸽派隐含信念提升货币政策预测准确性，优于传统LLM基线。
2025-11-04 cs.AI cs.MA q-fin.CP
Credit Assignment and Efficient Exploration based on Influence Scope in Multi-agent Reinforcement Learning
Utrecht University（乌特勒支大学）
针对多智能体强化学习稀疏奖励场景下的信用分配与探索难题，提出ISA算法，通过计算智能体影响范围分配信用并划定探索空间，实验表明其性能优于现有基线。
2026-08-04 cs.LG
Agent Primitives: Reusable Latent Building Blocks for Multi-Agent Systems
School of Information Sciences, University of Illinois at Urbana-Champaign, IL, USA（伊利诺伊大学厄巴纳-香槟分校信息科学学院）；Siebel School of Computing and Data Science, University of Illinois at Urbana-Champaign, IL, USA（伊利诺伊大学厄巴纳-香槟分校Siebel计算与数据科学学院）
提出Agent Primitives，一组可复用的潜在构建模块，通过KV缓存内部通信和自动组合，提升多智能体系统的鲁棒性、效率和跨任务复用性。
2026-05-24 cs.AI cs.CL cs.MA
Beyond the Transcript: Detecting Covert Co ordination in Latent Multi-Agent Communication
MIT Media Lab（麻省理工学院媒体实验室）；Westtown School（韦斯顿镇学校）；University of Florida（佛罗里达大学）；SRI International（SRI国际公司）
本研究针对语言模型智能体通过不可见潜在状态进行隐蔽协同的问题，提出可验证潜在对齐（VLA）框架，设计三层监控器与可引导性框架，在多智能体拍卖基准上实现了高效的隐蔽协同检测与缓解。
2026-08-20 cs.AI cs.CR
Adversarial Imitation Learning from Visual Observations using Latent Information
Boston University（波士顿大学）；Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
针对视觉观察模仿学习中动作缺失与部分可观测性挑战，提出潜在对抗模仿算法，结合离策略对抗学习与潜在状态表示，在连续控制任务上达到最先进性能。
2024-05-23 cs.LG cs.SY eess.SY
Focusing Influence Mechanism for Multi-Agent Reinforcement Learning
Graduate School of Artificial Intelligence（人工智能研究生院）
本文提出FIM机制，通过熵基准则引导智能体聚焦未探索的状态空间区域，利用 eligibility traces 实现多智能体协同探索，提升合作性能。
2026-05-11 cs.LG cs.MA
PerSim: Data-Efficient Offline Reinforcement Learning with Heterogeneous Agents via Personalized Simulators
MIT（麻省理工学院）
我们考虑在严重数据稀缺的情况下，使用异构代理的离线强化学习（RL），即，在未知的、潜在的次优策略下，我们仅观察每个代理的单个历史轨迹。我们发现，考虑到这种有限的数据可用性，最先进的离线和基于模型的RL方法的性能显着降低，即使是通常认为的“解决”基准设置，如“MountainCar”和“CartPole”。为了应对这一挑战，我们提出了PerSim，一种基于模型的离线RL方法，它首先通过集体使用所有代理的历史轨迹来学习每个代理的个性化模拟器，然后再学习策略。我们这样做的假设，跨代理的过渡动态可以表示为一个潜在的功能与代理，状态和行动的潜在因素，随后，我们从理论上建立，这个功能是很好的近似由一个“低秩”分解可分离的代理，状态和行动的潜在功能。这种表示提出了一个简单的，正则化的神经网络架构，以有效地学习每个代理的过渡动态，即使是稀缺的离线数据。我们在几个基准环境和RL方法中进行了广泛的实验。从状态动态预测和最终奖励两个方面衡量，我们的方法不断改进，证实了我们的框架在利用有限的历史数据同时学习跨代理的个性化策略方面的有效性。
2021-11-10 cs.LG
Random Latent Exploration for Deep Reinforcement Learning
Improbable AI Lab；Massachusetts Institute of Technology（麻省理工学院）
本文提出随机潜在探索（RLE），一种简单有效的深度强化学习探索策略，通过潜在空间随机目标引导智能体探索，平均性能优于噪声和奖励方法，适用于离散与连续控制任务。
2025-02-27 cs.LG
Value Functions Factorization with Latent State Information Sharing in Decentralized Multi-Agent Policy Gradients
the George Washington University（乔治·华盛顿大学）；Purdue University（普渡大学）；KAUST（阿卜杜拉国王科技大学）
针对QMIX单调混合限制及全局信息不足问题，提出LSF-SAC框架，通过变分推断共享潜在状态信息增强值函数分解，在星际争霸II微操任务上超越多种最先进方法。
2023-06-08 cs.LG cs.MA
