Why do AI agents communicate in human language?
Beijing University Of Posts and Telecommunications(北京邮电大学)
本文指出自然语言通信与LLM高维向量空间存在结构性错配,并质疑现有LLM训练范式缺乏对多智能体协调的原生支持,进而呼吁重新审视智能体通信媒介并探索原生支持多智能体协调的新模型构建范式。
2025-06-03 cs.AI
Learning Purposeful Behaviour in the Absence of Rewards
University of Alberta(阿尔伯塔大学)
人工智能通常被定义为在世界上实现目标的能力。在强化学习框架中,目标被编码为指导代理行为的奖励函数,并且观察到的奖励的总和提供了进展的概念。然而,一些域没有这样的奖励信号,或者奖励信号如此稀疏以至于看起来不存在。没有奖励反馈,代理行为通常是随机的,经常漫无目的地抖动,缺乏意图。在本文中,我们提出了一个算法,能够学习有目的的行为在没有奖励。该算法通过构造时间上扩展的动作(选项)来进行,通过识别代理当前行为“刚刚无法达到”的目的。这些目的为智能体建立了学习的内在目标,最终导致一系列行为,鼓励智能体访问状态空间的不同部分。此外,该方法特别适合奖励非常稀疏的环境,此类行为可以帮助探索环境,直到观察到奖励。
2016-05-25 cs.AI cs.LG
Agentic AI and Multiagentic: Are We Reinventing the Wheel?
Valencian Research Institute for Artificial Intelligence (VRAIN)(瓦伦西亚人工智能研究院);Universitat Politècnica de València (UPV)(瓦伦西亚理工大学)
本文批判性地指出“Agentic AI”和“Multiagentic AI”只是对既有智能体与多智能体系统概念的流行词误用,主张将数十年积累的多智能体理论、标准和协议技术融入基于大语言模型的新一代 AI 智能体,避免重复造轮子。
2025-06-02 cs.AI cs.MA
Towards an Agent-First Web: Redesigning the Web for AI Agents
Old Dominion University(老 Dominion 大学);AI Motion Labs(AI Motion 实验室);Florida International University(佛罗里达国际大学);Accenture Technology Labs(Accenture 技术实验室);Nanyang Technological University(南洋理工大学);University of Colombo(科伦坡大学);Center for Wireless Communications, University of Oulu(无线通信中心,奥卢大学);McDonald Army Health Center(麦克唐纳陆军健康中心)
本文提出三层重新设计原则,包括访问层(代理继承人类权限)、经济层(基于意图的代币订阅模型)和内容层(ATML标记语言与加密溯源链),以解决AI智能体作为中间人时Web的访问、经济与内容问题。
2026-06-18 cs.AI cs.CY
A Safe Exploration Strategy for Model-free Task Adaptation in Safety-constrained Grid Environments
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
本文提出一种安全探索框架,通过预训练不安全状态分类器并在风险情形下引导智能体遵循预定义安全策略,使无模型强化学习智能体在安全约束网格环境中以显著更少的安全违规适应新任务并学习最优策略。
2024-08-02 cs.AI
Efficient Training in Multi-Agent Reinforcement Learning: A Communication-Free Framework for the Box-Pushing Problem
University of California, Berkeley(加利福尼亚大学伯克利分校);University of Southern California(南加利福尼亚大学)
本文针对多智能体推箱任务中因相反方向施力导致的训练低效问题,提出无通信的共享信息池SPI框架,通过促进智能体协调减少力冲突,实验表明其能加快训练并减少每回合步数。
2024-11-19 cs.AI
PRIME: Training Free Proactive Reasoning via Iterative Memory Evolution for User-Centric Agent
Carnegie Mellon University(卡内基梅隆大学)
PRIME通过迭代记忆进化框架,实现无梯度学习,使智能体在多轮人机交互中高效学习用户意图,提升任务执行效率和可解释性。
2026-04-08 cs.AI
Planning Immediate Landmarks of Targets for Model-Free Skill Transfer across Agents
Shanghai Jiao Tong University(上海交通大学);Huawei Noah’s Ark Lab(华为诺亚方舟实验室)
在机器人等强化学习应用中,当开发人员指定不同的状态/动作空间或物理限制时,智能体通常需要处理各种输入/输出特征。这表明不必要的从头开始重新训练和相当大的样本效率低下,特别是当代理遵循类似的解决方案步骤来完成任务时。在本文中,我们的目标是转移类似的高层次的目标转换知识,以减轻挑战。具体来说,我们建议PILoT,即,规划目标的直接地标。PILoT利用通用解耦策略优化来学习目标条件状态规划器;然后,提取目标规划器以无模型风格规划可以在不同代理之间共享的直接地标。在我们的实验中,我们展示了PILoT在各种传输挑战上的能力,包括跨动作空间和动态的Few-Shot传输,从低维矢量状态到图像输入,从简单的机器人到复杂的形态;我们还展示了从简单的2D导航任务到更难的蚂蚁迷宫任务的zero-shot传输解决方案。
2022-12-18 cs.AI
Decentralized Cooperative Lane Changing at Freeway Weaving Areas Using Multi-Agent Deep Reinforcement Learning
National Renewable Energy Laboratory(国家可再生能源实验室)
在高速公路瓶颈路段(如合流区和交织区)拥堵期间,频繁的车道变换进一步降低了道路通行能力。深度强化学习(RL)和互联自动驾驶汽车技术的出现,为通过合作换道来提高高速公路瓶颈的机动性和能源效率提供了一种可能的解决方案。深度RL是一组机器学习方法,使代理能够通过从环境中学习来提高其性能。在这项研究中,一个分散的合作换道控制器开发使用近端策略优化通过采用多智能体深度RL范式。在分散控制策略中,策略学习和动作奖励在本地进行评估,每个代理(车辆)可以访问全局状态信息。多智能体深度RL需要更低的计算资源,并且比单智能体深度RL更具可扩展性,使其成为时间敏感型应用(如合作换道)的强大工具。这项研究的结果表明,由多智能体深度RL实现的合作变道在交通吞吐量、车辆速度、每辆车的停靠次数、车辆燃油效率和排放方面都优于人类驾驶员。经过训练的强化学习策略是可转移的,可以推广到不拥挤、中度拥挤和极度拥挤的交通状况。
2021-10-05 cs.AI cs.MA
Towards Risk-free AI Agent Deployment
Singapore Management University(新加坡管理大学);IBM T.J. Watson Research Center(IBM T.J. 沃森研究中心);National University of Singapore(新加坡国立大学)
针对LLM智能体部署的安全、合规等风险,本文提出以智能体轨迹为基础,将测试与调试作为系统性研究方向,提炼部署就绪检查表并指出需解决的开放性问题,推动可信智能体部署。
2026-08-18 cs.AI cs.SE
Intelligent Switching for Reset-Free RL
Mila(米拉计算研究所);Université de Montréal(蒙特利尔大学);Dalhousie University(达尔豪斯大学);École Polytechnique de Montréal(蒙特利尔综合理工学院)
本文提出RISC算法,通过基于智能体置信度的智能切换机制协调前向与后向智能体,解决无重置强化学习中转换时机问题,并在多个挑战性环境中取得最优性能。
2024-05-02 cs.AI cs.LG
Interpreting Emergent Planning in Model-Free Reinforcement Learning
University of Cambridge(剑桥大学);FAR AI;Mila, University of Montreal(蒙特利尔大学米拉研究所)
本文首次提供机制性证据,证明无模型强化学习智能体DRC能在Sokoban中通过概念表示内部制定规划并影响动作选择,其规划算法类似并行双向搜索。
2025-04-02 cs.AI cs.LG
Teaching Precommitted Agents: Model-Free Policy Evaluation and Control in Quasi-Hyperbolic Discounted MDPs
Department of Computer Science and Automation, Indian Institute of Science(计算机科学与自动化系,印度科学研究院)
本文针对拟双曲折扣MDP中的预承诺智能体,首次证明最优策略可简化为一步非平稳形式,并设计了首个具有收敛保证的无模型策略评估与Q学习算法。
2025-09-07 cs.AI cs.LG
Agentic AI for Intent-driven Optimization in Cell-free O-RAN
Department of Electrical and Computer Engineering, The University of British Columbia(电气与计算机工程系,不列颠哥伦比亚大学)
本文提出了一种面向无细胞O-RAN的代理AI框架,通过多代理协作实现意图驱动的优化,减少O-RU数量并降低内存使用。
2026-02-26 cs.AI eess.SP
Distribution-Free Uncertainty Quantification for Continuous AI Agent Evaluation
University of Pennsylvania(宾夕法尼亚大学);Columbia University(哥伦比亚大学)
本文提出了一种无分布的不确定性量化方法,用于连续AI代理评估,通过适应性符合推断(ACI)提供预测质量分数的覆盖保证,并开发了多代理管道的组合不确定性界限、成对排名的符合回避规则以及领奖台规模多重检验的FDR校正回避方法。
2026-05-19 cs.AI cs.LG
Dockerless: Environment-Free Program Verifier for Coding Agents
提出Dockerless,一种无需执行代码即可验证补丁正确性的智能体验证器,通过智能体仓库探索收集证据判断补丁正确性,在验证基准上超越最强开源验证器14.3 AUC点,并实现完全无环境的训练后流程。
2026-06-26 cs.AI cs.SE
From model-based learning to model-free behaviour with Meta-Interpretive Learning
University of Surrey, UK(英国萨里大学)
本文提出用元解释学习训练基于模型的Solver,并据此蒸馏出无模型Controller,在迷宫与湖泊网格导航任务中验证二者问题求解能力等价。
2025-07-22 cs.AI cs.LG
Closing the Reflection Gap: A Free Calibration Bonus for Agentic RL
University of California, Riverside(加州大学河滨分校)
针对LLM智能体在环境反馈后自我评估不准确的问题,提出RefGRPO方法,通过对比反思与实际结果计算免费校准奖励并动态调整系数,同时提升反思校准和任务准确率。
2026-06-15 cs.AI cs.LG
Free-Lunch Saliency via Attention in Atari Agents
Samsung AI Center(三星人工智能中心);Steklov Institute of Mathematics at St. Petersburg(圣彼得堡斯捷克洛夫数学研究所);Neuromation OU(Neuromation公司)
我们提出了一种新的方法来可视化深度神经网络模型的显着性图,并将其应用于在Atari环境中训练的深度强化学习代理。我们的方法将我们称为FLS(免费午餐显著性)的注意力模块添加到来自已建立基线的特征提取器(Mnih等人,2015年)。这种添加导致可训练模型,其可以产生显著性图,即,输入的不同部分对于智能体当前决策制定的重要性的可视化。我们通过实验证明,具有FLS模块的网络表现出与基线相似的性能(即,它是“免费的”,没有性能成本),并且可以用作强化学习代理的直接替代。我们还设计了另一个特征提取器,得分略低,但提供更高保真的可视化。除了获得的分数,我们还报告了在Atari-HEAD人类游戏数据集上评估的显着性指标。
2019-10-30 cs.AI cs.CV cs.LG
Waking Up Blind: Cold-Start Optimization of Supervision-Free Agentic Trajectories for Grounded Visual Perception
Indian Institute of Technology Delhi(印度理工学院德里);Indian Institute of Technology Abu Dhabi(印度理工学院阿布扎比);Microsoft Research(微软研究院)
本文提出SPECTRA框架,通过冷启动强化学习提升小视觉语言模型的视觉鲁棒性和工具协调能力,无需监督即可提高任务准确性和工具效率。
2026-04-19 cs.AI cs.CL cs.LG
Exploiting Expertise of Non-Expert and Diverse Agents in Social Bandit Learning: A Free Energy Approach
Cognitive Systems Lab., School of Electrical and Computer Engineering, College of Engineering, University of Tehran(认知系统实验室,电气与计算机工程学院,工程学院,塔里班大学)
本文提出了一种基于自由能的社会老虎机学习算法,通过评估其他代理的专长水平来提升学习效果,同时在各种场景中保持对数遗憾。
2026-03-12 cs.AI cs.LG stat.ML
Distributionally Robust Free Energy Principle for Decision-Making
本文提出分布鲁棒自由能模型,通过设计增强代理的鲁棒性,使其在训练与环境不一致时仍能完成任务。
2025-11-24 cs.AI cs.SY eess.SY
A multi-agentic framework for real-time, autonomous freeform metasurface design
Stanford University(斯坦福大学);Université Clermont Auvergne(克莱蒙奥弗涅大学);Institut Pascal(帕斯卡尔研究院)
本文提出MetaChat多元智能体框架,通过AIM范式和麦克斯韦替代求解器,实现自由形态超表面的自动化实时设计,速度比传统方法快数个数量级。
2025-03-26 cs.AI cs.MA physics.app-ph
$γ(3,4)$ `Attention' in Cognitive Agents: Ontology-Free Knowledge Representations With Promise Theoretic Semantics
Oslo University College Chitek-i AS(奥斯陆大学学院奇特克-艾公司)
本文提出基于承诺理论语义的$γ(3,4)$图表示方法,通过特征角色分类替代复杂本体,提升不确定性条件下的推理效率。
2025-12-22 cs.AI
Model Free Reinforcement Learning Algorithm for Stationary Mean field Equilibrium for Multiple Types of Agents
Imperial College of London(伦敦帝国学院);Purdue University(普渡大学)
我们考虑一个多代理马尔可夫战略互动在无限的地平线上,代理可以是多种类型。当每种类型的代理人的数量变得无限大时,我们将战略互动建模为渐近极限的平均场博弈。每个代理都有一个私有状态;状态的演变取决于不同类型的代理的状态分布和代理的动作。每个代理都希望在无限范围内最大化奖励的折扣和,这取决于代理的状态以及领导者和追随者的状态分布。我们试图描述和计算一个固定的多类型的平均场均衡(MMFE)在上述游戏。我们的特点下,一个固定的MMFE存在的条件。最后,我们提出了基于强化学习(RL)的算法,使用策略梯度的方法来找到固定的MMFE时,代理不知道的动态。我们,数值上,评估这种互动如何可以模拟防御者和对手之间的网络攻击,并显示如何基于RL的算法可以收敛到一个平衡。
2020-12-31 cs.AI cs.GT cs.LG
Position: Stop Acting Like Language Model Agents Are Normal Agents
Centre for Quantum Software and Information, UTS(悉尼科技大学量子软件与信息中心);Australian National University(澳大利亚国立大学);Stanford University(斯坦福大学)
本文指出语言模型智能体(LMAs)因继承LLM的幻觉等结构性问题,在本体论上存在无状态等病理,主张通过全周期测量其本体论属性以解决问题,反对将其视为普通智能体。
2025-02-04 cs.AI cs.CL
AgentDistill: Training-Free Agent Distillation with Generalizable MCP Boxes
AI Lab, Princeton University(普林斯顿大学人工智能实验室);University of Michigan(密歇根大学);IIIS, Tsinghua University(清华大学人工智能研究院);Shanghai Jiao Tong University(上海交通大学);Columbia University(哥伦比亚大学);The Chinese University of Hong Kong(香港中文大学);Tianqiao and Chrissy Chen Institute(田桥和克里斯蒂·陈研究所);University of Texas at Austin(德克萨斯大学奥斯汀分校)
针对现有LLM智能体蒸馏难以让学生智能体在新环境动态规划的问题,提出免训练框架AgentDistill,复用教师智能体生成的MCP模块实现知识迁移,基于小模型的学生智能体性能可媲美GPT-4o级先进系统。
2025-06-17 cs.AI
Enhancing Automated Paper Reproduction via Prompt-Free Collaborative Agents
University of Science and Technology of China(中国科学技术大学);Meituan(美团)
本文提出一种无提示协作代理框架,通过验证和细化代理提升论文到代码生成的准确性和完整性,实验显示性能提升约15%和13%。
2025-12-02 cs.AI
Tensor-Coord: Algebraic Decomposition of Joint Plan Tensors for Conflict-Free Multi-Agent LLM Planning
University of Michigan(密歇根大学)
提出Tensor-Coord框架,将多智能体联合计划表示为三阶张量,通过CP和Tucker分解识别协调结构,计算协调复杂度并定位冲突,实现无冲突规划。
2026-06-16 cs.AI
Free Agent in Agent-Based Mixture-of-Experts Generative AI Framework
National Chung Cheng University(中正大学)
本文提出RLFA算法,借鉴棒球自由球员机制,通过基于奖励的检测与替换策略动态更新多智能体系统中的低效智能体,并结合混合专家方法提升欺诈检测等生成式AI场景下的持续准确性与适应能力。
2025-02-10 cs.AI cs.MA
Free-MAD: Consensus-Free Multi-Agent Debate
Beijing Institute of Technology(北京理工大学);Yangtze Delta Region Institute of Tsinghua University(清华大学 Yangtze Delta 区研究院)
针对多智能体辩论中共识机制导致的高开销、错误传播及决策不公问题,提出Free-MAD框架,通过基于分数的轨迹评估与反从众机制,在单轮辩论下显著提升LLM推理性能、降低成本并增强鲁棒性。
2025-09-14 cs.AI cs.CR
Leveraging Metamemory Agent for Enhanced Data-Free Code Generation in Large Language Models
College of Computing and Data Science, Nanyang Technological University, Singapore(南洋理工大学计算机与数据科学学院,新加坡);School of Computer Science, National Engineering Research Center for Multimedia Software, Wuhan University, Wuhan, China(多媒体软件国家工程研究中心计算机学院,武汉大学,中国);The University of Sydney, Sydney, Australia(悉尼大学,澳大利亚);Yunnan United Vision Technology Company Ltd., China(云南联合视界技术有限公司,中国);School of Computer Science, Wuhan University, Wuhan, China(武汉大学计算机学院,中国);School of Information Science and Engineering, Yunnan University, Kunming, China(云南大学信息科学与工程学院,中国)
提出元记忆智能体,通过引导模型回忆、评估和选择性利用相关知识,无需外部示例即可提升无数据场景下的单次代码生成质量。
2026-07-08 cs.AI cs.SE
A Discrete and Bounded Envy-Free Cake Cutting Protocol for Any Number of Agents
Data61, CSIRO(澳大利亚联邦科学与工业研究组织 Data61);UNSW Australia(新南威尔士大学);Carnegie Mellon University(卡内基梅隆大学)
我们考虑了研究蛋糕切割问题,其目标是找到一个免费的分配$n$代理查询的基础上。这个问题已经引起了计算机科学、数学和经济学的关注。是否存在离散有界的无嫉妒协议一直是一个重要的开放问题。我们解决了这个问题,提出了一个离散和有界的嫉妒自由协议的任何数量的代理。方案要求的最大质询次数为$n^{n^{n^{n^{n^n}}}}$。我们还表明,即使我们不运行我们的协议完成,它可以找到在最多$n^3{(n^2)}^n$查询部分分配的蛋糕,实现比例(每个代理至少$1/n$的价值,整个蛋糕)和无羡慕。最后,我们表明,一个嫉妒免费的部分分配可以计算在最$n^3{(n^2)}^n$查询,使每个代理得到一个连接的一块,给代理至少$1/(3n)$的价值,整个蛋糕。
2017-08-27 cs.AI cs.DS cs.GT
ARM: Role-Conditioned Neuron Transplantation for Training-Free Generalist LLM Agent Merging
Fudan University(复旦大学);Shanghai Innovation Institute(上海创新研究院)
ARM通过角色条件神经元移植方法提升大语言模型代理在多环境中的泛化能力,实现无训练的模型融合。
2026-01-12 cs.AI cs.LG
REDO: Execution-Free Runtime Error Detection for COding Agents
University of Pennsylvania(宾夕法尼亚大学);AWS AI Labs(亚马逊云科技人工智能实验室)
本文提出免执行的运行时错误检测方法 REDO,结合 LLM 与静态分析工具在无需运行代码的情况下检测错误,并构建 SWEDE 基准,实验证明其准确率和加权 F1 分数分别提升 11.0% 和 9.1%。
2024-10-10 cs.AI cs.SE
Pay for the Fault, Not the Flow: Label-Free In-Flow Multi-Agent Workflow Optimization
William & Mary(威廉与玛丽学院);NEC Corporation of America(美国NEC公司)
提出InFlowOp,一种无标签的流内多智能体工作流优化方法,通过统一成本定价决策,在执行前双向确定任务分解与智能体分配,执行中低成本纠错,在Braid基准上超越单智能体基线最高11.97%。
2026-10-06 cs.AI cs.CL
Exploration and preference satisfaction trade-off in reward-free learning
University College London(伦敦大学学院);Oxford University(牛津大学);Imperial College London(帝国理工学院)
尽管没有立即的奖励信号,生物制剂与环境有着有意义的相互作用。在这种情况下,智能体可以学习导致可预测状态的首选行为模式-生存所必需的。在本文中,我们追求的概念,这种学到的行为可以是无奖励的偏好学习,确保探索和偏好满意度之间的适当权衡的结果。为此,我们引入了一个基于模型的贝叶斯代理配备了一个偏好学习机制(胡椒)使用共轭先验。这些共轭先验用于增强预期的自由能量规划器,以学习随着时间的推移对状态(或结果)的偏好。重要的是,我们的方法使代理学习的偏好,鼓励在测试时的适应性行为。我们在OpenAI Gym FrozenLake和3D迷你世界环境中说明了这一点-有和没有波动。给定一个恒定的环境,这些代理学习自信(即,精确的)偏好,并采取行动来满足它们。相反,在动荡的环境中,永久的偏好不确定性维持了探索行为。我们的实验表明,可学习的(无奖励)偏好需要在探索和偏好满意度之间进行权衡。Pepper提供了一个简单的框架,适用于设计自适应代理时,奖励功能不能在真实环境中预定义。
2021-07-18 cs.AI q-bio.NC
Deadlock-Free Method for Multi-Agent Pickup and Delivery Problem Using Priority Inheritance with Temporary Priority
Waseda University(早稻田大学)
针对多智能体配送问题(MAPD问题),通过扩展优先级继承回溯(PIBT)方法,使其适用于更一般的环境,提出了一种MAPD问题的控制方法. PIBT是一种有效的算法,它为每个代理引入了一个优先级,并且在每个时间步,代理按照优先级的降序,通过仅与本地代理的通信来决定下一个时间步中的下一个相邻位置。不幸的是,PIBT仅适用于被建模为双连通区域的环境,如果它包含死端,如树形路径,PIBT可能会导致死锁。然而,在现实世界的环境中,有许多死胡同路径的位置,如货架上的材料存储以及装载/卸载位置的运输卡车。我们所提出的方法使MAPD任务在环境中进行一些树形路径没有死锁,同时保留PIBT功能,它允许代理有临时的优先级和限制代理的运动在树上。首先,我们证明了代理总是可以达到他们的交付没有死锁。我们的实验表明,所提出的方法是非常有效的,即使在PIBT是不适用的环境中,通过比较它们与那些使用众所周知的令牌传递方法作为基线。
2022-05-25 cs.AI cs.MA
Training-Free Agentic AI: Probabilistic Control and Coordination in Multi-Agent LLM Systems
本文提出REDEREF控制器,通过概率方法提升多代理LLM系统的路由效率与鲁棒性,减少资源消耗并提高任务成功率。
2026-02-24 cs.AI cs.CL cs.ET
On Improving Model-Free Algorithms for Decentralized Multi-Agent Reinforcement Learning
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of California, Los Angeles(加利福尼亚大学洛杉矶分校);DeepMind(深度思维);Massachusetts Institute of Technology(麻省理工学院)
多智能体强化学习(MARL)算法经常遭受指数样本复杂度对智能体数量的依赖,这种现象被称为\emph{the curse of multiagents}。在本文中,我们解决这一挑战,调查样本效率的无模型算法在\emph{decentralized} MARL,并旨在改善现有的算法沿这条线。对于学习(粗)一般和马尔可夫博弈中的相关均衡,我们提出了\emph{stage-based} V-学习算法,大大简化了最近的作品的算法设计和分析,并规避了一个相当复杂的无\emph{weighted}遗憾强盗子程序。针对马尔可夫势博弈中纳什均衡的学习问题,提出了一种独立的策略梯度算法,该算法采用分散的基于动量的方差缩减技术。我们所有的算法都是去中心化的,因为每个代理只能根据其本地信息做出决策。在学习过程中既不需要通信,也不需要集中协调,从而导致对大量代理的自然泛化。我们还提供了数值模拟来证实我们的理论研究结果。
2022-01-29 cs.AI cs.LG cs.MA
Expert-Free Online Transfer Learning in Multi-Agent Reinforcement Learning
Trinity College Dublin(都柏林圣三一学院)
本文提出无专家在线迁移学习算法EF-OnTL及不确定性估计扩展sars-RND,在多智能体系统中动态选择迁移源,无需专家或外部输入即可实现优于无迁移的性能。
2023-07-28 cs.AI cs.LG cs.MA
Reforming an Envy-Free Matching
Tohoku University(东北大学);Kyoto University(京都大学);Keio University(庆应义塾大学);Kyushu University(九州大学);Hiroshima University(广岛大学);The University of Electro-Communications(电气通信大学);Yokohama National University(横滨国立大学)
我们考虑的问题,改革的嫉妒自由匹配时,每个代理人被分配一个单一的项目。给定一个无嫉妒匹配,我们考虑一个操作,以交换一个代理的项目与一个未分配的项目首选的代理,结果在另一个无嫉妒匹配。我们尽可能长时间地重复这个行动。我们证明了所得到的无嫉妒匹配是唯一确定的初始无嫉妒匹配的选择,并可以在多项式时间内找到。我们称之为一个改革者的无嫉妒匹配,然后我们研究了一个最短的序列,以获得从初始的无嫉妒匹配的改革者的无嫉妒匹配。我们证明了一个最短的序列是计算上很难获得,即使每个代理人接受最多四个项目,每个项目接受最多三个代理。另一方面,我们给多项式时间算法时,每个代理接受最多三个项目或每个项目接受最多两个代理。讨论了不可逼近性和固定参数的易处理性。
2022-07-06 cs.AI cs.DS cs.GT
Prefill-Free Cross-Family KV Cache Transfer for Heterogeneous Multi-Agent LLMs
针对异构多智能体LLM的跨家族KV缓存迁移问题,提出HeteroFold方法,通过结构对齐、缓存映射与校准实现免预填充传输,在多个基准上性能最优且速度大幅提升。
2026-10-01 cs.AI cs.LG cs.MA
SelfSearch: Reward-Free Search for Self-Improving Agents
Graduate School of Data Science, Seoul National University(首尔大学数据科学研究生院)
SelfSearch是一种无奖励搜索方法,利用智能体自我修改的历史记录来改进自身,在多个基准上提升成功率并降低成本,且搜索成本极低。
2026-10-01 cs.AI cs.CL cs.LG
Demonstration-Free Robotic Control via LLM Agents
independent researchers(独立研究人员)
本文提出FAEA框架,利用通用大语言模型实现无需演示的机器人操控,通过迭代推理生成操控策略,在多个基准测试中取得高成功率,展示了通用代理在任务规划中的有效性。
2026-06-28 cs.AI cs.LG cs.RO
A No Free Lunch Theorem for Human-AI Collaboration
Cornell Tech(康奈尔科技学院);Cornell University(康奈尔大学)
本文证明人机协作中互补性无法“免费”实现,任何不总是服从同一智能体的确定性策略都可能比最差智能体更差,并提出一种识别明显错误的协作模型及成功必要条件。
2024-11-21 cs.AI cs.HC cs.LG
Model-Free Learning and Optimal Policy Design in Multi-Agent MDPs Under Probabilistic Agent Dropout
Carnegie Mellon University(卡内基梅隆大学);Cornell University(康奈尔大学);Washington University in St. Louis(圣路易斯华盛顿大学)
研究多智能体MDP在智能体退出下的策略计算,提出利用鲁棒MDP和策略重要性采样方法,在无模型环境中基于退出前系统采样估计退出后系统价值,从而在退出发生前找到最优策略。
2024-09-22 cs.AI cs.LG cs.SY
Bandit approach to conflict-free multi-agent Q-learning in view of photonic implementation
The University of Tokyo(东京大学);Univ. Grenoble Alpes(格勒诺布尔阿尔卑斯大学);CNRS(法国国家科学研究中心);Institut Néel(内尔研究所)
最近,已经对光子强化学习进行了广泛的研究,以通过利用光的物理性质来加速计算过程。以前的研究利用光子的量子干涉来实现集体决策,而没有选择冲突时,解决竞争性多臂强盗问题,强化学习的一个基本例子。然而,强盗问题处理的是一个静态的环境,代理人的行动不影响奖励概率。本研究旨在将传统的方法扩展到一个更一般的多智能体强化学习,针对网格世界的问题。与传统的方法不同,该方案处理的是一个动态的环境,因为代理人的行动的奖励变化。一个成功的光子强化学习方案需要一个有助于学习质量的光子系统和一个合适的算法。本研究提出了一种新的学习算法,不连续的强盗Q学习,鉴于潜在的光子实现。这里,在环境中的状态-动作对被视为老虎机的上下文中的强盗问题和更新量的Q值被视为奖励的强盗问题。通过数值仿真验证了该算法的有效性。此外,我们提出了一个多智能体的体系结构,代理人之间通过光的量子干涉和量子原理的间接连接,确保代理人之间的状态-动作对选择的无冲突属性。我们证明,多智能体强化学习可以加速由于多个代理之间的冲突避免。
2022-12-20 cs.AI cs.MA physics.optics
I Want to Break Free! Persuasion and Anti-Social Behavior of LLMs in Multi-Agent Settings with Social Hierarchy
Fondazione Bruno Kessler(布鲁诺·克塞勒基金会);University of Trento(特伦托大学);Samaya AI(Samaya人工智能)
受斯坦福监狱实验启发,本研究在多智能体阶层环境中分析了 LLM 的说服与反社会行为,发现目标设定影响说服力,而智能体人格显著影响反社会行为,且该行为无需负面提示即可自发出现。
2025-11-04 cs.AI cs.CL cs.CY