On Symmetry for Characterizing Agent Heterogeneity in Multi-Agent Systems
INFORMED-AI Hub, University of Bristol(布里斯托大学 INFORMED-AI 中心);School of Engineering Mathematics and Technology, University of Bristol(布里斯托大学工程数学与技术学院)
该研究针对多智能体系统,提出策略评估对称性框架以表征智能体异质性,推导相关条件并验证其在合作Dec-POMDP中的适用性。
2026-10-14 cs.AI cs.MA
Agent-GSPO: Communication-Efficient Multi-Agent Systems via Group Sequence Policy Optimization
Sun Yat-sen University(中山大学)
Agent-GSPO利用组序列策略优化和通信感知奖励,在七个推理基准上以更少令牌实现最先进性能,通过策略性沉默提升多智能体系统通信效率。
2025-10-26 cs.AI cs.MA
AgentMixer: Multi-Agent Correlated Policy Factorization
Aalto University(阿尔托大学);University of Electronic Science and Technology of China(电子科技大学)
针对多智能体强化学习中CTDE方法独立决策难协调、模仿联合策略易出现非对称学习失败的问题,提出AgentMixer策略修正方法,通过非线性组合个体策略与个体-全局一致性机制实现分布式执行,收敛到ε-近似相关均衡,在多个基准上性能优于或持平SOTA。
2024-12-13 cs.AI cs.MA
Trust Region Policy Optimisation in Multi-Agent Reinforcement Learning
University of Oxford(牛津大学);Huawei R&D UK(华为英国研发中心);ShanghaiTech University(上海科技大学);Shanghai Jiao Tong University(上海交通大学);University College London(伦敦大学学院);Institute for AI, Peking University(北京大学人工智能研究院);BIGAI(北京通用人工智能研究院)
信赖域方法严格地使强化学习(RL)代理能够学习单调改进的策略,从而在各种任务上获得卓越的性能。不幸的是,当涉及到多智能体强化学习(MARL)时,单调改进的特性可能并不简单;这是因为即使在合作游戏中,智能体也可能具有冲突的策略更新方向。因此,在每个代理人单独行动的联合政策上实现有保证的改进仍然是一个公开的挑战。本文将信赖域学习理论推广到MARL中。我们的研究结果的核心是多代理优势分解引理和顺序政策更新计划。在此基础上,我们开发了异构代理信任域策略优化(HATPRO)和异构代理邻近策略优化(HAPPO)算法。与许多现有的MARL算法不同,HATRPO/HAPPO不需要代理共享参数,也不需要对联合价值函数的可分解性进行任何限制性假设。最重要的是,我们从理论上证明了HATRPO/HAPPO的单调改进性质。我们评估了一系列多智能体MuJoCo和StarCraftII任务的方法。结果表明,HATRPO和HAPPO在所有测试任务上的表现都明显优于IPPO、MAPPO和MADDPG等强基线,因此建立了一个新的技术水平。
2022-04-04 cs.AI cs.MA
Multi-Agent Trust Region Policy Optimization
University of Rhode Island(罗德岛大学)
本文将TRPO扩展至多智能体强化学习,通过将策略更新转化为分布式共识优化问题,提出完全去中心化且保护隐私的MATRPO算法,并在合作博弈中验证了其稳健性能。
2023-08-05 cs.AI cs.MA
Measuring Policy Distance for Multi-Agent Reinforcement Learning
Institute of Automation, CAS(中国科学院自动化研究所);School of Artificial Intelligence, UCAS(中国科学院大学人工智能学院)
针对多智能体强化学习缺乏通用策略差异度量标准的问题,本文提出可定制的多智能体策略距离MAPD,并基于此设计动态参数共享算法MADPS,实验验证其度量有效性与性能优势。
2024-01-28 cs.AI cs.MA
HOLA-Drone: Hypergraphic Open-ended Learning for Zero-Shot Multi-Drone Cooperative Pursuit
The University of Manchester(曼彻斯特大学);Sun Yat-sen University(中山大学);Shanghai Jiao Tong University(上海交通大学);Purdue University(普渡大学)
本文提出HOLA-Drone超图开放式学习算法,将零样本协调研究从双人游戏扩展到多无人机协同追捕场景,通过超图博弈建模持续调整学习目标,实验证明其在未知队友协调中优于基线方法并具备真实系统可行性。
2024-10-01 cs.AI cs.RO
Metric Policy Representations for Opponent Modeling
Peking University(北京大学)
在多智能体强化学习中,由于其他智能体的行为所导致的环境固有的非平稳性,使得智能体很难独立地学习到一个好的策略。处理非平稳性的一种方法是对手建模,通过这种方法,代理考虑到其他代理策略的影响。大多数现有的工作依赖于预测其他代理的行动或目标,或区分不同的政策。然而,这样的建模无法同时捕捉政策之间的相似性和差异性,从而无法提供足够的有用信息时,推广到看不见的代理。为了解决这个问题,我们提出了一个通用的方法来学习其他代理的政策表示,这样的政策之间的距离是故意反映的距离表示之间的距离,而政策的距离是从训练过程中的采样联合行动分布推断。我们的经验表明,代理条件的学习政策表示可以很好地推广到看不见的代理在三个多智能体任务。
2022-06-21 cs.AI cs.LG cs.MA
Is Per-Agent Policy Composition Safe? Rethinking Successor-Feature Transfer in Cooperative Multi-Agent Reinforcement Learning
The Hong Kong University of Science and Technology(香港科技大学);The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
针对多智能体强化学习中独立策略组合不安全的问题,提出MA-USFA分层方法,兼顾策略组合的安全性与灵活性,无需任务适配即可部署。
2026-08-13 cs.AI cs.LG cs.MA
Policy Diagnosis via Measuring Role Diversity in Cooperative Multi-agent RL
Monash University(莫纳什大学);University of Technology Sydney(悉尼科技大学);Beijing Normal University(北京师范大学);Huawei Noah’s Ark Lab(华为诺亚方舟实验室);Sun Yat-sen University(中山大学)
协作多智能体强化学习(MARL)在网格世界和现实世界中的任务求解方面取得了快速的进展,在网格世界和现实世界中,智能体被赋予不同的属性和目标,从而导致整个多智能体任务的不同行为。在这项研究中,我们量化的代理的行为差异,并建立其与政策绩效通过{ \bf角色多样性},一个度量指标来衡量MARL任务的特点。我们从三个角度定义角色多样性:基于动作的,基于责任的,基于贡献的,以充分衡量一个多智能体任务。通过理论分析,我们发现MARL中的错误界可以分解为三个部分,这三个部分与角色多样性有很强的关系。分解后的因素可以在参数共享、通信机制和信用分配三个流行方向上对策略优化产生显著影响。主要的实验平台是基于{ \bf Multiagent Particle Environment(MPE)}和{ \bf The StarCraft Multi-Agent Challenge(SMAC)}。大量的实验表明,角色多样性可以作为多智能体协作任务特征的一个鲁棒度量,并有助于诊断策略是否适合当前的多智能体系统,以获得更好的策略性能。
2022-06-01 cs.AI cs.LG cs.MA
Off-Policy Action Anticipation in Multi-Agent Reinforcement Learning
Eindhoven University of Technology(埃因霍温理工大学)
针对大状态空间不可微博弈中现有高阶梯度方法效率低且性能差的问题,提出离策略动作预期框架OffPA2,通过动作预期实现学习预期,新方法在效率和性能上均优于现有方法。
2023-04-04 cs.AI cs.LG cs.MA
Health-Informed Policy Gradients for Multi-Agent Reinforcement Learning
MIT Lincoln Laboratory(麻省理工学院林肯实验室);Stanford University(斯坦福大学)
本文提出了一种定义的多个代理优化联合奖励函数的背景下,系统的健康。我们使用这个定义作为策略梯度算法中的信用分配项来区分个体代理对全局奖励的贡献。健康知情的信用分配,然后扩展到多代理变体的近端策略优化算法和粒子和多步行机器人环境,具有系统健康,冒险,半消耗性代理,连续动作空间,和部分可观察性的特点,证明。与不执行多代理信用分配的策略梯度方法相比,我们在学习性能上有了显着的提高。
2021-01-04 cs.AI cs.LG cs.MA
Sub-optimal Policy Aided Multi-Agent Reinforcement Learning for Flocking Control
Tsinghua University(清华大学)
群集控制是一个具有挑战性的问题,其中多个代理,如无人机或车辆,需要到达目标位置,同时保持群集并避免与障碍物的碰撞以及环境中代理之间的碰撞。多智能体强化学习在群集控制中取得了良好的效果。然而,基于传统的强化学习的方法需要相当数量的代理和环境之间的交互。提出一种次优策略辅助的多智能体强化学习算法(SPA-MARL),以提高样本效率。SPA-MARL直接利用可以手动设计或使用非学习方法求解的先验策略来帮助代理学习,其中策略的性能可能是次优的。SPA-MARL识别次优策略和自身之间的性能差异,然后如果次优策略更好,则模仿次优策略。我们利用SPA-MARL来解决植绒控制问题。基于人工势场的传统控制方法被用来生成次优策略。实验表明,SPA-MARL可以加快训练过程,并优于MARL基线和使用的次优策略。
2022-09-17 cs.AI cs.LG cs.MA
ACPO: Agent-Chained Policy Optimization for Multi-Agent Reinforcement Learning
提出基于联合策略梯度精确分解的智能体链式策略优化(ACPO),通过序列化决策和信念机制实现独立智能体更新构成联合梯度步,在多机器人仓库等任务中优于强基线方法。
2026-07-20 cs.AI
Model-based Multi-agent Policy Optimization with Adaptive Opponent-wise Rollouts
Shanghai Jiao Tong University(上海交通大学)
研究了多智能体强化学习(MARL)中基于模型的方法。在MARL模型中定义了动态样本复杂度和对手样本复杂度,并对收益差异上界进行了理论分析。为了在整个学习过程中降低样本复杂度,降低上界,我们提出了一种新的分散的基于模型的MARL方法,称为自适应对手明智的推出策略优化(AORPO)。在AORPO中,每个代理建立其多代理环境模型,包括一个动力学模型和多个对手模型,并训练其政策与自适应顺应性明智的推出。在合理的假设下,我们进一步证明了AORPO的理论收敛性。竞争和合作任务的实验表明,AORPO可以实现改进的样本效率与比较的MARL方法的渐近性能。
2022-03-16 cs.AI cs.LG cs.MA
Global Convergence of Localized Policy Iteration in Networked Multi-Agent Reinforcement Learning
Tsinghua University(清华大学);Carnegie Mellon University(卡内基梅隆大学);Duke University(杜克大学);California Institute of Technology(加州理工学院)
我们研究了一个多智能体强化学习(MARL)问题,其中的代理在一个给定的网络进行交互。代理的目标是合作最大化他们的熵正则化的长期奖励的平均值。为了克服维数灾难和减少通信,我们提出了一个局部化的政策迭代(LPI)算法,可证明学习一个接近全局最优的政策,只使用本地信息。特别是,我们表明,尽管限制每个代理的注意力,只有其$κ$跳邻域,代理能够学习的政策与最优性的差距,衰减多项式在$κ$。此外,我们展示了有限样本收敛的LPI的全局最优策略,明确地捕获之间的权衡选择$κ$的最优性和计算复杂性。数值仿真验证了LPI的有效性。
2022-11-30 cs.AI cs.LG cs.MA
Parameter Sharing Deep Deterministic Policy Gradient for Cooperative Multi-agent Reinforcement Learning
Xiaomi Inc.(小米公司)
基于深度强化学习的多智能体合作与竞争问题是近年来的研究热点。研究了局部观测条件下基于行动者-批评者方法的多智能体协作问题。多智能体深度确定性策略梯度在一些多智能体博弈中取得了很好的效果,但随着智能体数量的增加,它不能很好地扩展。为了提高系统的可扩展性,提出了一种基于神经网络的参数共享确定性策略梯度方法,该方法包括三种变体:Actor-Critic共享、Actor共享和Actor与部分共享Critic共享. rllab的测试结果表明,该方法在学习速度和记忆效率方面具有优势,随着代理数量的增长具有很好的可扩展性,并且在可能的情况下可以充分利用奖励共享和交换机制。
2017-10-03 cs.AI
Simulation-Based Optimistic Policy Iteration For Multi-Agent MDPs with Kullback-Leibler Control Cost
Texas A&M University(德克萨斯农工大学)
本文提出一种基于仿真的乐观策略迭代方案,利用KL控制代价的可分离结构使多智能体独立进行策略改进,并证明同步与异步版本均渐近收敛到最优策略,通过Stag-Hare博弈变体验证了其最小化代价回报的有效性。
2024-10-19 cs.AI cs.MA cs.SY
Adaptive Collaboration with Humans: Metacognitive Policy Optimization for Multi-Agent LLMs with Continual Learning
University of Southern California(南加州大学)
HILA框架通过元认知策略优化与持续学习,实现多智能体与人类的协同协作,提升复杂任务处理能力。
2026-03-09 cs.AI
Scalable Centralized Deep Multi-Agent Reinforcement Learning via Policy Gradients
GRASP Laboratory(GRASP实验室);University of Pennsylvania(宾夕法尼亚大学)
在本文中,我们将探索使用深度强化学习来解决多智能体问题。大多数现有的深度多智能体强化学习方法只考虑少量的智能体。当代理数量增加时,输入和控制空间的维数也会增加,这些方法的扩展性不好。为了解决这个问题,我们建议铸造的多智能体强化学习问题作为一个分布式优化问题。我们的算法假设,对于多代理设置,在一个给定的人口中的各个代理的政策生活在参数空间中彼此接近,可以近似为一个单一的政策。有了这个简单的假设,我们证明了我们的算法是非常有效的强化学习在多智能体设置。我们证明了其有效性对现有的可比方法的合作和竞争的任务。
2018-05-22 cs.AI cs.LG cs.MA
Low-Rank Agent-Specific Adaptation (LoRASA) for Multi-Agent Policy Learning
University of Manchester(曼彻斯特大学)
针对多智能体强化学习中纯参数共享抑制智能体专业化的问题,提出LoRASA方法,通过在共享策略层附加低秩适配矩阵实现参数高效适配,在SMAC和MAMuJoCo基准上匹配或优于基线且降低开销,为MARL策略参数化提供新范式。
2025-02-08 cs.AI cs.LG cs.MA
Coordinated Proximal Policy Optimization
Sun Yat-sen University(中山大学);Tencent AI Lab(腾讯人工智能实验室);Northwestern Polytechnical University(西北工业大学)
我们提出了协调的近端策略优化(CoPPO),一种算法,扩展了原来的近端策略优化(PPO)的多代理设置。其核心思想在于多个代理之间的策略更新过程中的步长的协调适应。我们证明了政策改进的单调性时,优化理论接地的联合目标,并推导出一组近似的基础上简化的优化目标。然后我们解释说,CoPPO中的这样一个目标可以实现代理之间的动态信用分配,从而缓解代理策略并发更新期间的高方差问题。最后,我们证明了CoPPO优于几个强大的基线,并与最新的多智能体PPO方法(即MAPPO)在典型的多智能体设置,包括合作矩阵游戏和星际争霸II微观管理任务的竞争力。
2021-11-07 cs.AI
Multi-agent Policy Optimization with Approximatively Synchronous Advantage Estimation
Xi’an Jiaotong University(西安交通大学)
协作多智能体任务要求智能体推断出自己的贡献与共享的全局奖励,称为信用分配的挑战。基于策略的多智能体强化学习解决这一挑战的一般方法为个体智能体引入微分价值函数或优势函数。在多智能体系统中,需要对不同智能体的策略进行联合评估。为了同步更新策略,这样的价值函数或优势函数也需要同步求值。然而,在现有的方法中,价值函数或优势函数使用异步评估的反事实联合行动,从而遭受自然的估计偏差。在这项工作中,我们提出了近似同步优势估计。我们首先推导出边际优势函数,从单智能体优势函数扩展到多智能体系统。此外,我们引入了一个策略近似的同步优势估计,并打破了多智能体的策略优化问题分解成多个子问题的单智能体的策略优化。我们的方法相比,基线算法的星际争霸多智能体的挑战,并显示出最好的性能上的大多数任务。
2021-05-08 cs.AI cs.LG
Asynchronous, Option-Based Multi-Agent Policy Gradient: A Conditional Reasoning Approach
Simon Fraser University(西蒙弗雷泽大学);Huawei Technologies Canada Co., Ltd.(华为技术加拿大有限公司)
针对多机器人异步执行选项导致MAPG方法难以推导集中式策略的问题,提出一种条件推理方法,并在基于选项的多智能体合作任务中验证了其有效性。
2023-08-02 cs.AI cs.LG cs.MA
Roundtable Policy: Confidence-Weighted-Consensus Aggregation Improves Multi-Agent-System Reasoning
mit(麻省理工学院)
圆桌政策通过多语言模型加权共识提升多智能体系统在复杂科学任务中的推理能力
2026-02-11 cs.AI
Semantic Cooperative Games for Contribution Attribution in LLM-Based Multi-Agent Systems
New York University(纽约大学);University of California, Davis(加利福尼亚大学戴维斯分校)
针对基于大语言模型的多智能体系统贡献归因问题,提出语义合作博弈框架,定义语义夏普利值,介绍单轨迹算法SLIC,在特定基准测试中大幅降低计算成本,在多角色工作流程中表现良好,为复杂系统提供快速、无反事实且可解释的归因方法。
2026-10-02 cs.AI
Consolidation via Policy Information Regularization in Deep RL for Multi-Agent Games
Rensselaer Polytechnic Institute(伦斯勒理工学院);IBM Research AI(IBM研究院人工智能实验室)
针对多智能体环境因其他智能体策略变化而产生的非平稳性,本文提出 Capacity-Limited MADDPG,通过信息论约束限制策略复杂度,提升合作与竞争任务中的学习性能。
2020-11-23 cs.AI
Cooperative Multi-Agent Policy Gradients with Sub-optimal Demonstration
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所)
许多现实任务,如机器人协调,可以很自然地建模为多智能体合作系统的回报是稀疏的。本文的重点是学习分散的政策,这些任务使用次优演示。为了有效地学习多智能体协作,解决演示的次优问题,提出了一种自改进学习方法:一方面,通过演示初始化集中式状态-动作值,并利用学习到的分散式策略更新集中式状态-动作值,以改善次优问题。另一方面,利用当前状态-动作值来寻找纳什均衡,并以此作为学习策略的指导。所提出的方法进行评估的战斗RTS游戏,需要一个高层次的多智能体合作。大量的实验结果表明,该方法可以有效地学习多智能体合作的各种作战场景。它明显优于许多最先进的基于演示的方法。
2021-08-19 cs.AI
MAMPS: Safe Multi-Agent Reinforcement Learning via Model Predictive Shielding
University of Pennsylvania(宾夕法尼亚大学)
强化学习是一种很有前途的方法来学习控制策略,以执行复杂的多智能体机器人任务。然而,在模拟中学习的策略往往无法保证甚至简单的安全属性,例如避障。为了确保安全性,我们提出了多智能体模型预测屏蔽(MAMPS),这是一种可证明地保证任意学习策略安全的算法。特别是,它通过尽可能频繁地使用学习策略来操作,但是在不能保证学习策略的安全性的情况下使用备份策略。使用多代理仿真环境,我们展示了如何MAMPS可以实现良好的性能,同时确保安全。
2019-12-28 cs.AI cs.MA cs.RO
Adaptive Event-Triggered Policy Gradient for Multi-Agent Reinforcement Learning
University of Cincinnati(辛辛那提大学)
针对传统多智能体强化学习中固定时间触发导致的高计算与通信开销问题,提出联合学习控制与事件触发策略的ET-MAPG框架及注意力变体AET-MAPG,在保持性能的同时显著降低资源消耗。
2025-09-24 cs.AI cs.MA cs.SY
Hierarchical Policy-Gradient Reinforcement Learning for Multi-Agent Shepherding Control of Non-Cohesive Targets
Scuola Superiore Meridionale(南方高等学院);University of Naples Federico II(那不勒斯费德里科二世大学)
本文提出一种基于策略梯度的分散式强化学习框架,通过Proximal Policy Optimization整合目标选择与驱动,克服了传统DQN的离散动作限制,在无先验动力学知识下有效解决了非内聚目标的多智能体牧羊问题,并验证了其可扩展性。
2025-04-03 cs.AI cs.LG cs.MA
Interaction-Aware Multi-Agent Reinforcement Learning for Mobile Agents with Individual Goals
Carnegie Mellon University(卡内基梅隆大学);Honda Research Institute USA(美国本田研究所)
在多智能体环境中,单个智能体的最优策略在很大程度上取决于其他智能体的行为。我们研究了多智能体强化学习的问题,专注于分散学习的非平稳域的移动机器人导航。我们确定了一个原因的训练非平稳政策的困难:相互适应次优行为,我们用它来激励一个基于学习策略的互动政策。课程分为两个阶段。首先,代理利用策略梯度算法来学习能够实现多个目标的策略。其次,代理学习修改器策略,以学习如何在多代理设置中与其他代理交互。我们评估了我们的方法在自动驾驶换道域和机器人导航域。
2019-09-27 cs.AI cs.LG
On Multi-Agent Deep Deterministic Policy Gradients and their Explainability for SMARTS Environment
University of Southern California(南加州大学)
多智能体RL或MARL是自动驾驶文献中的复杂问题之一,阻碍了当今全自动驾驶汽车的发布。几个模拟器在开始之后一直在迭代,以减轻自动驾驶中多个代理的复杂场景的问题。一个这样的模拟器-SMARTS,讨论了合作的多智能体学习的重要性。针对这个问题,我们讨论了两种方法-MAPPO和MADDPG,这是基于政策和政策外RL方法。我们将我们的结果与最先进的结果进行比较,并讨论了潜在的改进领域,同时讨论了这些方法与SMARTS环境中的航点结合的可解释性。
2023-01-20 cs.AI cs.CV cs.LG
FACMAC: Factored Multi-Agent Centralised Policy Gradients
University of Oxford(牛津大学);Facebook AI Research(Facebook AI研究院);Delft University of Technology(代尔夫特理工大学)
我们提出了因子化多智能体集中式策略梯度(FACMAC),一种新的方法,在离散和连续的动作空间的合作多智能体强化学习。像MADDPG,一个流行的多代理演员批评的方法,我们的方法使用深确定性策略梯度学习政策。然而,FACMAC学习一个集中的,但分解的评论家,它结合每个代理效用到联合行动价值函数通过一个非线性单调函数,如在QMIX,一个流行的多代理Q-学习算法。然而,与QMIX不同的是,对critics的分解没有固有的约束。因此,我们还采用了非单调因子分解和经验表明,其代表性的能力增加,使它能够解决一些任务,不能用单片,或单调因子的批评。此外,FACMAC使用一个集中的策略梯度估计,优化整个联合行动空间,而不是优化每个代理的行动空间分别在MADDPG。这允许更协调的政策变化,并充分利用集中批评的好处。我们评估FACMAC的多智能体粒子环境的变体,一种新的多智能体MuJoCo基准,和一组具有挑战性的星际争霸II微观管理任务。实证结果表明,FACMAC的优越性能超过MADDPG和其他基线上的所有三个领域。
2021-05-07 cs.AI cs.LG stat.ML
EdgeMem: LLM-Free Agent Memory Construction and Retrieval via Evidence-Preserving Multi-Anchor Hypergraph
The Hong Kong Polytechnic University(香港理工大学);JIUTIAN Research, China Mobile(中国移动九天研究院)
EdgeMem通过保留原始交互并利用多锚点超图组织证据,实现无生成式LLM调用的高效智能体记忆构建与检索,在LoCoMo上取得最优严格评判分数。
2026-09-09 cs.AI cs.MA
Individual Planning in Agent Populations: Exploiting Anonymity and Frame-Action Hypergraphs
University of Georgia(佐治亚大学)
交互式部分可观察马尔可夫决策过程(I-POMDP)提供了一个正式的框架规划的多智能体设置中的一个自我利益的代理。在多智能体环境中运行的智能体必须考虑其他智能体可能采取的行动以及这些行动对环境的影响和它所获得的奖励。传统的I-POMDP模型依赖于其他代理的行动,使用联合行动和模型空间。因此,解决方案的复杂性随着代理的数量呈指数级增长,从而使可扩展性变得复杂。在本文中,我们的模型和扩展的匿名性和上下文特定的独立性-问题结构往往存在于代理人口-计算增益。我们实证证明了利用这些问题结构的效率,通过解决一个新的多智能体问题,涉及1,000多个代理。
2015-04-02 cs.AI cs.GT cs.MA
Towards Efficient Hypergraph and Multi-LLM Agent Recommender Systems
Research Ireland ML-LABS;Dublin City University(都柏林城市大学);ADAPT Centre(ADAPT中心);School of Computing(计算学院);Insight Research Ireland Centre for Data Analytics(Insight Research Ireland 数据分析中心);University College Dublin(都柏林大学)
HGLMRec通过超图编码器和多LLM代理机制,提升推荐系统在计算效率和推荐质量上的表现。
2025-12-06 cs.AI cs.IR cs.MA
HyperAgent: Planning and Acting over Tool-Schema Hypergraphs for Tool-Use LLM Agents
HyperAgent是一种基于工具-模式超图的LLM智能体框架,通过构建相关图引导任务规划与执行,在AppWorld实验中提升了任务完成性能并降低了资源消耗。
2026-08-05 cs.AI cs.SE
HyperMCTS: Hypergraph-Augmented MCTS for Long-Horizon LLM Agents
University of Florida(佛罗里达大学);Amazon(亚马逊)
针对长时程LLM智能体搜索成本高且轨迹反馈复用不足的问题,提出无需训练的HyperMCTS方法,用跨轨迹超图增强MCTS树,通过超边聚合决策组回报指导选择,在DeepPlanning等任务上显著提升规划准确率并降低开销。
2026-09-29 cs.AI
EFX Allocation In (Multi)Hypergraphs
University of West Attica(西阿提卡大学);Athens University of Economics and Business(雅典经济与商业大学);Archimedes/Athena RC(阿基米德/雅典娜研究中心)
该研究在(多超)图设置下,证明围长至少为4的超图(主体具一般单调估值)及满足特定条件的多超图中,总存在EFX分配,分别可在多项式和伪多项式时间构造。
2026-08-05 cs.AI cs.GT
Hypergraph Enterprise Agentic Reasoner over Heterogeneous Business Systems
SUPCON
本文提出HEAR,一种基于分层超图本体的企业代理推理器,通过分层图层和超边层实现结构化多跳分析,无需重新训练LLM,在供应链任务中达到94.7%的准确率,并展示出适应性和效率。
2026-09-09 cs.AI cs.CL
Toward a Formal Model of Cognitive Synergy
OpenCog Foundation(OpenCog基金会)
“认知协同”是指多个认知过程相互协作控制同一个认知系统,相互帮助克服内部处理过程中遇到的瓶颈。认知协同被认为是现实世界通用智能的一个关键特征,并已被明确用于OpenCog认知架构的设计中。本文运用范畴理论和相关概念对认知协同概念进行了形式化描述。提出了一系列智能代理的形式化模型,这些模型具有越来越多的特殊性和复杂性:简单的强化学习代理;具有抽象记忆和处理模型的“认知”代理;基于超图的代理。(其中通过超图进行“认知”操作);具有丰富的节点和超链接语言的超图代理(如OpenCog框架提供的);“PGMC”代理,其丰富的超图被赋予通过概率增长和组合挖掘引导的认知过程;最后是PrimeAGI设计的变体,目前正在OpenCog之上构建。认知协同作用的概念是为PGMC代理人内的认知过程,基于开发一个正式的概念“卡住”,并定义协同作用作为认知过程之间的关系,在这种关系中,他们可以互相帮助,当他们卡住。有人提出,相互协同的认知过程,以一定的方式与函子映射到彼此通过自然变换。认知协同被提出来对应于关于通过某些交换图的不同路径的相对成本的某种不等式。这种认知协同作用的概念,以特定的认知现象的应用程序,并在PrimeAGI设计的具体认知过程中,进行了讨论。
2017-03-13 cs.AI
Learning to Deliberate: Meta-policy Collaboration for Agentic LLMs with Multi-agent Reinforcement Learning
本文提出元策略推理框架MPDF,结合SoftRankPO算法,通过学习动态推理策略提升多智能体LLM在复杂推理任务中的性能。
2025-12-08 cs.AI cs.MA
Goal Agnostic Planning using Maximum Likelihood Paths in Hypergraph World Models
University of Louisville(路易斯维尔大学)
提出基于超图的目标不可知自动规划引擎,结合机器学习与传统AI优势,证明其能确定最优解并数学界定学习性能,通过三个典型规划问题验证有效性。
2021-10-18 cs.AI cs.LG
Structural Distinguishability of Static and Adaptive Policy Regimes in Agent-Based Regulatory Simulation
Open University of Cyprus(塞浦路斯开放大学)
本文通过可配置的排放监管ABM基准,比较四种政策-智能体机制,揭示自适应政策与智能体交互导致监管结论差异,提出机制可区分性评估方法。
2026-06-23 cs.AI cs.CY cs.MA
You are AllSet: A Multiset Function Framework for Hypergraph Neural Networks
University of Illinois, Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
超图被用来模拟代理之间的高阶交互,并且存在许多实际相关的超图数据集实例。为了能够有效地处理超图结构的数据,已经提出了几个超图神经网络平台,用于学习超图的属性和结构,特别关注节点分类。然而,几乎所有现有的方法都使用启发式传播规则,并在许多数据集上提供次优性能。我们提出了AllSet,一种新的超图神经网络范式,它代表了(超)图神经网络的一个高度通用的框架,并首次将超图神经网络层实现为两个多集函数的组合,可以有效地学习每个任务和每个数据集。此外,AllSet利用了超图神经网络与多集函数深度学习的最新进展之间的新联系。特别是,所提出的架构利用深集和集Transformer架构,允许显着的建模灵活性,并提供高的表达能力。为了评估AllSet的性能,我们进行了迄今为止最广泛的实验,涉及十个已知的基准数据集和三个新策划的数据集,这些数据集代表了超图节点分类的重大挑战。结果表明,AllSet具有独特的能力,在测试数据集上始终匹配或优于所有其他超图神经网络。
2022-03-28 cs.AI cs.LG
RAPO: Expanding Exploration for LLM Agents via Retrieval-Augmented Policy Optimization
Fudan University(复旦大学);Zhejiang University(浙江大学);UC Davis(加州大学戴维斯分校)
RAPO通过引入检索增强策略优化,扩展LLM代理的探索能力,提升训练效率和探索效果。
2026-03-03 cs.AI
Policy Cards: Machine-Readable Runtime Governance for Autonomous AI Agents
Symbiotic Dynamics Ltd(共生动力有限公司)
本研究提出机器可读的部署层标准Policy Cards,通过编码约束规则与监管框架映射、支持自动验证和版本管控,实现自主AI智能体的运行时可验证合规,衔接治理与工程实践,支撑规模化可问责自主。
2025-10-28 cs.AI cs.CY cs.MA
Modeling Hypergraph Using Large Language Models
School of Airspace Science and Engineering, Shandong University(航空航天科学与工程学院,山东大学);School of Mathematics and Statistics, Shandong University(数学与统计学院,山东大学)
针对真实超图数据稀缺问题,提出LLM驱动的HyperLLM生成器,通过多智能体协作模拟超图形成演化,以最小统计先验实现高保真结构与时序模式生成。
2025-10-09 cs.AI cs.SI
AI Agents as Policymakers in Simulated Epidemics
Department of Industrial and Systems Engineering(工业与系统工程系);Virginia Tech(弗吉尼亚理工大学)
本文提出了一种生成式AI代理,用于模拟流行病中的政策决策,通过理论引导的提示提升决策质量,展示AI在复杂社会系统中的应用潜力。
2026-01-06 cs.AI cs.CY cs.MA
RePolicy: Learning to Select and Apply Safety Policies for Agent Safeguards
Zhejiang University(浙江大学);Zhongguancun Academy(中关村学院);University of Science and Technology of China(中国科学技术大学);National University of Singapore(新加坡国立大学)
针对现有智能体安全保障方法难以适应未见轨迹和变化策略上下文的问题,提出RePolicy方法,结合PolicyTraj-20K与带可验证奖励和策略上下文扰动的GRPO,在六个智能体安全基准上取得良好安全检测与策略调用效果。
2026-10-30 cs.AI cs.CL
PolicyGuard: A Dialogue-Grounded Sub-Agent Verifier for Policy Adherence in LLM Agents
提出PolicyGuard子代理验证器,通过共享对话上下文、策略推理和可操作反馈,在tau²-BENCH航空数据集上使PASS4提升12个百分点,同时误拦率降低约一半。
2026-11-10 cs.AI cs.CL
Effective Red-Teaming of Policy-Adherent Agents
IBM Research AI(IBM人工智能研究院)
针对基于LLM的策略合规智能体易受恶意用户利用的问题,提出聚焦牟利对抗用户的威胁模型与多智能体红队测试系统CRAFT,引入tau-break基准评估鲁棒性,评估防御策略并指出需更强保护措施。
2025-08-23 cs.AI cs.CL cs.CR
Off-Policy Evaluation with Strategic Agents via Local Disclosure
CISPA Helmholtz Center for Information Security(CISPA海德堡信息安全研究中心);LMU Munich(慕尼黑大学);Nanyang Technological University(南洋理工大学)
研究策略性行为下的离线策略评估,通过局部披露揭示主体策略前协变量,构建双重稳健估计器,缓解信息不对称。
2026-06-05 cs.AI