Small, Private Language Models as Teammates for Educational Assessment Design
Wright State University（怀特州立大学）；University of Florida（佛罗里达大学）；TIB – Leibniz Information Centre for Science and Technology（莱布尼茨信息科学与技术研究中心）
本文研究小型语言模型在教育评估设计中的有效性，通过对比大型语言模型和小型语言模型，评估生成质量并分析可靠性，发现小型模型在隐私和资源限制下表现优异，但模型评估仍存在系统性偏差，强调需引入人类在循环机制。
2026-05-14 cs.AI cs.CL cs.HC
Effect of Adaptive Communication Support on LLM-powered Human-Robot Collaboration
University of Southern California（南加州大学）
针对传统人机协作中固定通信方案限制适应性的问题，提出带多模态语言反馈的HRT-ML框架，通过协调器和管理器动态调整反馈频率与内容，实验表明其能提升复杂任务性能，但超主动反馈在LLM能力外会起反作用。
2025-02-11 cs.AI cs.HC cs.RO
When AI Meets Early Childhood Education: Large Language Models as Assessment Teammates in Chinese Preschools
National University of Defense Technology（国防科技大学）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；University of Oxford（牛津大学）
本文探讨AI如何通过提取结构化质量指标，提升中国幼儿园教师与儿童互动评估的可扩展性，提出TEPE-TCI-370h数据集和Interaction2Eval框架，实现88%的评估一致性，并验证AI在提升评估效率和促进教育公平中的潜力。
2026-03-25 cs.AI cs.CL cs.CY
Generating Teammates for Training Robust Ad Hoc Teamwork Agents via Best-Response Diversity
University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of Edinburgh（爱丁堡大学）
本文提出一种优化最佳响应多样性（BRDiv）度量的自动化队友策略生成方法，通过基于收益兼容性衡量多样性，生成多样化训练队友，提升了即席团队合作智能体与未知队友协作时的鲁棒性和性能。
2023-05-24 cs.AI cs.LG
Agent Team Work Zone: An Automated, Persistent Workspace for Long-Lived Claude Code Agent Teams
研究针对Claude Code等大语言模型智能体在长期工作流程中存在的问题，提出ATWZ，通过围绕其原生智能体团队构建基于文件系统的操作层，保存智能体工作状态等，解决相关问题并减少提示编写工作量。
2026-07-31 cs.AI cs.LG cs.MA
Is the Most Accurate AI the Best Teammate? Optimizing AI for Teamwork
University of Washington（华盛顿大学）；Microsoft Research（微软研究院）；Allen Institute for AI（艾伦人工智能研究所）
人工智能从业者通常努力开发最准确的系统，并隐含假设人工智能系统将自主运行。然而，在实践中，人工智能系统通常用于为刑事司法、金融和医疗保健等领域的人们提供建议。在这种人工智能建议的决策中，人类和机器组成了一个团队，人类负责做出最终决策。但最准确的AI是最好的队友吗？我们认为“不”-可预测的性能可能值得在AI准确性方面做出轻微牺牲。相反，我们认为人工智能系统应该以人为本的方式进行训练，直接针对团队绩效进行优化。我们研究了一种特定类型的人类-人工智能团队的建议，其中人类监督者选择接受人工智能的建议或自己解决任务。为了优化团队在这种情况下的表现，我们最大化团队的预期效用，以最终决策的质量，验证成本以及人和机器的个体准确性表示。我们在真实世界的高风险数据集上使用线性和非线性模型进行的实验表明，最准确的人工智能可能不会带来最高的团队绩效，并通过提高数据集之间的预期团队效用，考虑到人类技能和错误成本等参数，显示了在训练期间建模团队合作的好处。我们讨论了当前优化方法的缺点，这些方法超出了研究得很好的损失函数，如对数损失，并鼓励未来在人工智能优化问题上的工作，这些问题是由人类-人工智能协作驱动的。
2021-02-19 cs.AI cs.HC cs.LG
Towards Collaborative Intelligence: Propagating Intentions and Reasoning for Multi-Agent Coordination with Large Language Models
Shanghai University of Engineering Science（上海工程技术大学）；INF Technology(Shanghai) Co., Ltd.（INF技术（上海）有限公司）；Fudan University（复旦大学）
提出一个基于大语言模型的协作智能体框架，通过传播意图和动态规划，减少多智能体强化学习中的协调错误，实现涌现协调行为。
2024-07-17 cs.AI cs.CL
LM Agents for Coordinating Multi-User Information Gathering
Microsoft（微软）
本文提出 PeopleJoin 基准，通过将数据库问答和多文档摘要任务重构为 2–20 人组织中的协作信息收集，评估多种 LM 智能体架构的准确性与效率。
2025-02-17 cs.AI cs.CL
Modelling the Dynamic Joint Policy of Teammates with Attention Multi-agent DDPG
Peking University（北京大学）；Huawei Technologies Co., Ltd.（华为技术有限公司）
在协作多智能体系统中建模和利用队友的策略一直是强化学习（RL）社区的兴趣所在，也是一个巨大的挑战。有趣的是，如果代理知道队友的政策，它可以相应地调整自己的政策，以达到适当的合作，而挑战是，代理的政策不断变化，因为他们正在学习的同时，这就很难准确地建模动态的队友政策。在本文中，我们提出了\emph{ATTention Multi-Agent Deep Deterministic Policy Gradient}（ATT-MADDPG），以解决这一挑战。ATT-MADDPG扩展了DDPG，一个单代理的演员-评论家RL方法，有两个特殊的设计。首先，为了对队友的策略进行建模，Agent应该访问队友的观察和动作。ATT-MADDPG采用集中的评论家来收集这些信息。其次，为了有效地利用收集到的信息对队友的策略进行建模，ATT-MADDPG通过注意力机制增强了集中式批评。该注意力机制引入了一种特殊的结构来显式地对队友的动态联合策略进行建模，保证了收集到的信息能够得到有效的处理。我们评估ATT-MADDPG的基准任务和现实世界的数据包路由任务。实验结果表明，该方法不仅在性能上大大优于基于RL和基于规则的方法，而且在可扩展性和鲁棒性方面也取得了更好的效果。
2018-11-13 cs.AI cs.LG cs.MA
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
PADiff: Predictive and Adaptive Diffusion Policies for Ad Hoc Teamwork
PADiff通过整合队友预测信息，提升在非平稳即兴团队合作场景中的预测与适应能力，实现多模态协作模式的多样化。
2026-09-22 cs.AI cs.LG
Capturing Humans' Mental Models of AI: An Item Response Theory Approach
University of California, Irvine（加州大学欧文分校）
本文提出基于项目反应理论的框架来建模人类对AI队友的感知，通过真实问答实验对比了人类对AI与人类队友的心智模型，发现人们期望AI表现更优且更稳定，为人机交互提供了重要启示。
2023-05-15 cs.AI cs.HC cs.LG
Reinforcement Learning on Human Decision Models for Uniquely Collaborative AI Teammates
Johns Hopkins University Applied Physics Laboratory（约翰斯·霍普金斯大学应用物理实验室）
2021年，约翰霍普金斯大学应用物理实验室举办了一项内部挑战赛，旨在开发能够在协作纸牌游戏Hanabi中表现出色的人工智能（AI）代理。代理人被评估他们与以前从未遇到过的人类玩家一起玩的能力。这项研究详细介绍了通过实现16.5的人类游戏平均得分赢得挑战的代理的开发，超过了目前最先进的人类机器人Hanabi得分。获胜的代理的开发包括观察和准确建模作者在Hanabi中的决策，然后用作者的行为克隆进行训练。值得注意的是，智能体发现了一种与人类互补的游戏风格，首先模仿人类的决策，然后探索类似人类的策略的变化，从而获得更高的模拟人类机器人得分。这项工作详细研究了这个与人类兼容的Hanabi队友的设计和实现，以及人类互补策略的存在和影响，以及如何探索它们，以便在人机团队中更成功地应用AI。
2021-11-18 cs.AI cs.LG
Evaluation of creating scoring opportunities for teammates in soccer via trajectory prediction
Nagoya University（名古屋大学）；RIKEN（理化学研究所）；Japan Science and Technology Agency（日本科学技术振兴机构）
评估足球运动员队友的个人动作对于评估团队合作，球探和球迷参与至关重要。据说，在一场90分钟的比赛中，球员平均有87分钟没有球权。然而，在没有接到球的情况下，仍然很难评估一名进攻球员，也很难揭示移动如何有助于为队友创造得分机会。在本文中，我们通过比较实际运动与通过轨迹预测产生的参考运动来评估创造无球得分机会的球员。首先，我们使用图变分递归神经网络来预测玩家的轨迹，该网络可以准确地建模玩家之间的关系并预测长期轨迹。接下来，基于实际和预测轨迹之间的修改的无球评价指标的差异作为参考，我们评价与预测移动相比，实际移动如何有助于得分机会。为了验证这一点，我们对职业足球联赛中一支球队一年内所有比赛的年薪、进球数和专家对比赛的评价进行了研究。研究结果表明，年薪与拟设指标显著相关，现有指标和目标无法解释这一现象。我们的研究结果表明，所提出的方法作为一个指标的球员没有球，创造一个得分的机会，为队友的有效性。
2022-07-27 cs.AI cs.LG cs.MA
LINDA: Multi-Agent Local Information Decomposition for Awareness of Teammates
Nanjing University（南京大学）；Tsinghua University（清华大学）；Polixir Technologies（南京泛函科技有限公司）
在协作多智能体强化学习（MARL）中，智能体只能访问部分观测，有效地利用本地信息是至关重要的。在长时间的观察中，智能体可以为队友建立\textit{awareness}，以缓解部分可观察性的问题。然而，以往的MARL方法通常忽略了这种利用的本地信息。为了解决这个问题，我们提出了一个新的框架，多代理\textit{Local INformation Decomposition for Awareness of teammates}（LINDA），代理学习分解本地信息和建立意识的每个队友。我们将意识建模为随机随机变量，并通过最大化意识与相应代理的实际轨迹之间的互信息来执行表示学习以确保意识表示的信息性。LINDA对特定算法是不可知的，可以灵活地集成到不同的MARL方法中。大量实验表明，该框架能够从局部局部观测中学习信息感知，提高协作效率，显著提高学习性能，尤其是在具有挑战性的任务中。
2022-06-21 cs.LG cs.MA
ToMCAT: Theory-of-Mind for Cooperative Agents in Teams via Multiagent Diffusion Policies
SRI International（SRI国际）
本文提出 ToMCAT 框架，将心智理论元学习与多智能体扩散模型结合，并通过动态重规划机制生成团队感知计划，在烹饪模拟中验证其能在不牺牲表现的同时减少资源使用并适应未知队友。
2025-05-06 cs.AI cs.LG cs.MA
Transfer Heterogeneous Knowledge Among Peer-to-Peer Teammates: A Model Distillation Approach
Huazhong University of Science and Technology（华中科技大学）；Zhejiang University（浙江大学）；Peking University（北京大学）；University of Arkansas, Fayetteville（阿肯色大学费耶特维尔分校）
分布式环境中的点对点知识转移已经成为一种很有前途的方法，因为它可以加速学习并提高团队整体绩效，而不依赖于深度强化学习中预先培训的教师。然而，对于传统的点对点方法，如行动建议，他们遇到了困难，如何有效地表达知识和建议。因此，我们提出了一个全新的解决方案，重用经验和价值函数之间的多个学生通过模型蒸馏。但由于Q函数的不稳定性和无界性，直接传递Q函数仍然具有挑战性。为了解决现有工作面临的这个问题，我们采用了分类深度Q网络。我们还描述了如何设计一个有效的通信协议，利用多个分布式代理之间的异构知识。我们提出的框架，即学习和教学分类强化（LTCR），在四个典型的实验环境中，稳定和加速学习进度，提高团队范围内的奖励表现出良好的性能。
2020-02-06 cs.AI cs.LG
Sample Efficient Training in Multi-Agent Adversarial Games with Limited Teammate Communication
TCS Research（塔塔咨询服务公司研究部）；IIT Bombay（印度理工学院孟买分校）
我们描述了Pommerman TeamRadio的解决方案，这是一个与NeurIPS 2019相关的竞争环境。我们的算法的定义特征是在有限的计算预算内实现样本效率，同时击败前几年的学习代理。所提出的算法（i）使用模仿学习来播种策略，（ii）明确定义两个队友之间的通信协议，（iii）在训练期间塑造奖励以向每个代理提供更丰富的反馈信号，以及（iv）对灾难性的不良行为使用掩蔽。我们描述了针对基线的广泛测试，包括2019年竞争排行榜的测试，以及对学习策略的具体调查以及每次修改对性能的影响。我们表明，所提出的方法能够在50万场比赛的训练中达到有竞争力的表现，明显快于文献中的其他研究。
2020-11-01 cs.LG cs.MA
Physiologically-Informed Predictability of a Teammate's Future Actions Forecasts Team Performance
Columbia University（哥伦比亚大学）
研究在VR三人协作任务中引入新可预测性指标，发现基于队友行为和生理数据预测其未来动作的准确度与团队表现强相关，而传统的生理与行为同步性与表现相关性有限。
2025-01-25 cs.LG q-bio.NC
Curriculum Learning for Cooperation in Multi-Agent Reinforcement Learning
Mila（米拉研究所）；Laval University（拉瓦尔大学）；AI Redefined；University of Alberta（阿尔伯塔大学）
针对多智能体强化学习中协作训练的队友选择及课程设计问题，本文通过Overcooked游戏实验发现低技能预训练队友利于团队奖励但不利于智能体学习，且技能递减的队友课程表现更优。
2023-12-19 cs.AI cs.LG cs.MA
CooperBench: Why Coding Agents Cannot be Your Teammates Yet
Stanford University（斯坦福大学）；SAP Labs US（SAP美国实验室）
CooperBench通过大规模协作编码任务测试，发现AI代理在团队协作中表现不佳，揭示了沟通障碍、承诺偏离和期望错误等关键问题，呼吁发展社交智能。
2026-01-26 cs.AI cs.CL cs.LG
X-Ego: Acquiring Team-Level Tactical Situational Awareness via Cross-Egocentric Contrastive Video Representation Learning
University of Southern California（南加州大学）；USC Institute for Creative Technologies（USC创意技术研究所）
该研究推出包含124小时《Counter-Strike 2》职业赛事第一人称视角数据的X-Ego-CS基准，提出跨第一人称对比学习方法以提升团队战术态势感知，在位置预测任务上验证了有效性，为多智能体战术学习研究提供支撑。
2025-10-22 cs.AI cs.CV cs.LG
The Rise of AI Teammates in Software Engineering (SE) 3.0: How Autonomous Coding Agents Are Reshaping Software Engineering
Queen's University（女王大学）
本文提出首个大规模数据集 AIDev，通过分析五个主流自主编码智能体在真实环境中的超 45 万个 PR，实证揭示了 AI 队友在速度与接受率之间的信任差距，为 SE 3.0 研究提供开放基础。
2025-07-20 cs.AI cs.CE cs.LG
Learning Hierarchical Teaching Policies for Cooperative Agents
MIT-LIDS（麻省理工学院信息与决策系统实验室）；MIT-IBM Watson AI Lab（麻省理工学院-IBM沃森人工智能实验室）；IBM Research（IBM研究院）
当代理有效地与他们的同伴交换知识时，集体学习可以大大增强。特别是，最近研究学习教导其他队友的代理的工作表明，行动建议加速了团队范围的学习。然而，先前的工作已经通过使用简单的函数近似简化了建议策略的学习，并且仅考虑了具有原始（低级）动作的建议，从而限制了学习和教学到复杂域的可扩展性。本文介绍了一种新的学习教的框架，称为分层多智能体教学（HMAT），提高了可扩展性，复杂的环境中使用的学生政策的深层表示，并通过建议更有表现力的扩展动作序列在多个层次的时间抽象。我们的实证评估表明，HMAT提高了团队范围内的学习进展，在大型，复杂的领域，以前的方法失败。HMAT还学习教学策略，可以有效地将知识传递给具有不同任务知识的不同队友，即使队友具有异构的行动空间。
2020-05-18 cs.AI cs.LG cs.MA
RecBayes: Recurrent Bayesian Ad Hoc Teamwork in Large Partially Observable Domains
INESC-ID & Técnico Lisboa（INESC-ID与里斯本大学高等技术学院）；Delft University of Technology（代尔夫特理工大学）；Eindhoven University of Technology（埃因霍温理工大学）
本文提出RecBayes，一种仅依赖观测的递归贝叶斯方法，用于部分可观测环境下的大规模临时团队协作，无需状态或队友动作，有效识别团队和任务并协助完成。
2025-06-18 cs.AI cs.LG cs.MA
Symmetry-Breaking Augmentations for Ad Hoc Teamwork
Foerster Lab for AI Research, University of Oxford（牛津大学人工智能研究实验室）；Australian Institute for Machine Learning, University of Adelaide（阿德莱德大学人工智能研究所）；Meta AI Research, UK（英国Meta人工智能研究）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
提出对称性破缺增强方法，通过增加训练队友行为多样性，使AI智能体适应未知策略，在Hanabi游戏中优于先前结果，并给出对称依赖度量。
2025-04-19 cs.AI cs.LG
Iterated Reasoning with Mutual Information in Cooperative and Byzantine Decentralized Teaming
Georgia Institute of Technology（佐治亚理工学院）
信息共享是建立团队认知的关键，有助于协调和合作。高绩效的人类团队还受益于通过迭代沟通和合理化的层次结构进行战略性行动，这意味着人类代理可以在决策中推理队友的行为。然而，在多智能体强化学习（MARL）的大多数先前的工作不支持迭代合理化，只鼓励智能体通信，导致一个次优的平衡合作策略。在这项工作中，我们表明，重新制定代理的政策是有条件的政策，其相邻的队友固有的最大化互信息（MI）下限时，优化下策略梯度（PG）。有限理性和认知层次理论下的决策思想的基础上，我们表明，我们修改后的PG方法不仅最大限度地提高本地代理人的奖励，但也隐含的原因MI代理之间，而不需要任何明确的ad-hoc正则化条款。我们的方法InfoPG在学习紧急协作行为方面优于基线，并在分散式合作MARL任务中设置了最先进的技术。我们的实验验证了实用的InfoPG实现更高的样本效率和显着更大的累积奖励在几个复杂的合作多智能体域。
2022-06-24 cs.AI cs.LG cs.MA
Multiagent Inverse Reinforcement Learning via Theory of Mind Reasoning
University of Michigan（密歇根大学）；SRI International（SRI国际）；University of Southern California（南加州大学）
针对协作场景下队友目标未知的多智能体行为理解问题，提出基于心智理论的多智能体逆强化学习方法MIRL-ToM，可有效还原智能体与已知/未知队友互动时的奖励函数。
2023-03-01 cs.AI cs.LG cs.MA
COSAC: Counterfactual Credit Assignment in Sequential Cooperative Teams
Adobe Research（Adobe研究）
COSAC提出一种无批评者策略梯度方法，通过单个岭回归分解团队奖励，计算每个代理的反事实优势，实现低方差和可控的信用分配，适用于顺序合作团队。
2026-05-09 cs.AI cs.LG cs.MA
Open Ad Hoc Teamwork with Cooperative Game Theory
University of Manchester（曼彻斯特大学）；University of Freiburg（弗莱堡大学）；Aalto University（阿尔托大学）
本文通过合作博弈理论为开放自组织团队协作（OAHT）的联合Q值表示建立新理论，并基于图策略学习框架提出CIAO算法，以可证明的实现技巧提升学习效果。
2024-07-07 cs.LG cs.MA
DShuttleNet: A Badminton Doubles Dataset for Evaluating Team Coordination
National Yang Ming Chiao Tung University（国立阳明交通大学）；Chang Gung University（长庚大学）；Feng Chia University（逢甲大学）
本文推出DShuttleNet羽毛球双打数据集，纳入专家标注的失分原因，定义TRA、VSA表征及CCEI、TLAI指标，实验证实其对评估团队协作的重要性。
2026-10-14 cs.LG
NestRL: A Nested Training Regime for Mutual Adaptation in Human-AI Teaming
School of Computing and AI, Arizona State University（计算与人工智能学院，亚利桑那州立大学）；Department of Computer Science, Colorado State University（计算机科学系，科罗拉多州立大学）
针对人机团队中相互适应的挑战，提出嵌套训练机制NestRL，通过分层训练代理对抗自适应对手，避免产生不透明的协调策略，在Overcooked领域实现更高的任务性能和适应性。
2026-06-01 cs.LG cs.MA cs.RO
Implicitly Aligning Humans and Autonomous Agents through Shared Task Abstractions
University of Colorado Boulder（科罗拉多大学博尔德分校）；Johannes-Gutenberg Universität Mainz（美因茨约翰尼斯-古特门大学）
本文提出HA²框架，利用分层强化学习构建共享任务抽象，以提升自主智能体在协作任务中的零样本协调能力，并在Overcooked环境中显著优于现有方法。
2025-05-07 cs.LG cs.MA
Towards Open Ad Hoc Teamwork Using Graph-based Policy Learning
University of Edinburgh（爱丁堡大学）；University of Amsterdam（阿姆斯特丹大学）
特设团队合作是设计一个自主智能体的挑战性问题，它可以快速适应与队友合作，而无需事先的协调机制，包括联合训练。在此领域的先前工作集中在封闭的团队中，其中代理的数量是固定的。在这项工作中，我们考虑开放的团队，允许代理人与不同的固定政策，进入和离开环境，而无需事先通知。我们的解决方案建立在图神经网络学习代理模型和联合行动的价值模型在不同的团队组成。我们贡献了一种新的行动价值计算，集成了代理模型和联合行动价值模型，以产生行动价值估计。我们的经验表明，我们的方法成功地模拟了其他代理人对学习者的影响，导致政策，强大地适应动态的团队组成，并显着优于几种替代方法。
2021-06-09 cs.LG cs.MA stat.ML
