Warp-Cortex: An Asynchronous, Memory-Efficient Architecture for Million-Agent Cognitive Scaling on Consumer Hardware
Warp Research（Warp研究）
Warp-Cortex通过异步架构和内存优化技术，实现百万智能体在消费级硬件上的高效认知扩展。
2026-01-03 cs.AI cs.AR cs.DC
Time to Talk: LLM Agents for Asynchronous Group Communication in Mafia Games
School of Computer Science and Engineering, The Hebrew University of Jerusalem（希伯来大学耶路撒冷分校计算机科学与工程学院）；School of Computing and Information Systems, University of Melbourne（墨尔本大学计算与信息系统学院）
本文提出一种由生成器和调度器组成的自适应异步LLM智能体，通过在在线Mafia游戏中与人类玩家对战验证其表现与人类相当，为LLM融入现实异步群组场景奠定基础。
2025-09-20 cs.AI cs.CL cs.MA
SecRepoBench: Benchmarking Code Agents for Secure Code Completion in Real-World Repositories
University of Maryland（马里兰大学）；Google Deepmind（谷歌DeepMind）
SecRepoBench通过评估代码代理在现实世界仓库中进行安全代码补全的能力，揭示了代码代理在生成正确且安全代码方面的优势及改进方向。
2026-02-14 cs.AI cs.CR
APeB: Benchmarking Personalization Ability of Large Language Model Agents
The Chinese University of Hong Kong（香港中文大学）；ByteDance（字节跳动）
研究大型语言模型智能体在处理原始、未明确查询时的个性化问题，通过引入个性化产品搜索测试平台构建基准测试，评估发现模型处理明确查询较好，但早期查询有困难，简单方法能提升性能。
2026-10-19 cs.AI cs.HC
Benchmarking the Benchmarks: Evaluating Benchmarks for Conversational Agents
该研究针对对话智能体基准质量评估不足的问题，提出基于LLM评判员的无参考评估框架，可区分基准质量等级，适用于合成与人工整理的基准，验证了其有效性与实用性。
2026-08-07 cs.AI cs.CL
An extension of process calculus for asynchronous communications between agents with epistemic states
Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；Binzhou Medical University（滨州医学院）
对Agent的认知状态及其变化进行建模在智能Agent系统中起着核心作用。异步在分布式系统中起着关键作用，在分布式系统中，发送的消息可能不会立即被代理接收。为了刻画异步通信，提出了异步通知逻辑（AAL），它研究了接收信息后认知状态变化的逻辑规律。然而，AAL不涉及Agent与其环境之间的交互行为。通过在经典的pi演算中增加传递基本事实的算子，并应用经典的动作模型逻辑描述主体的认知状态，提出了一种基于认知状态的主体间认知交互的e演算模型。e-calculus可以用来描述Agent之间的同步和异步通信。为了捕获数据，构造了一个缓冲池来存储所宣布的基本事实，每个代理以某种顺序从该缓冲池中读取这些事实。基于链路名的传输，e演算能够实现以不同的顺序从该缓冲池中读取数据。本文举了两个例子：一种是按照所通知的基本事实被发送的顺序（先进先出，FIFO）进行读取，另一种是按照任意顺序。
2023-02-24 cs.AI
Asynchronous Tool Usage for Real-Time Agents
Salesforce AI Research（Salesforce AI研究）
针对当前AI系统同步回合制设计无法多任务、交互性弱的问题，提出具备并行处理与实时工具使用能力的异步AI智能体，核心是集成语音技术的事件驱动有限状态机架构，为构建流畅多任务交互的AI智能体提供框架与工具。
2024-10-28 cs.AI
Asynchronous Advantage Actor-Critic Agent for Starcraft II
Carnegie Mellon University（卡内基梅隆大学）
深度强化学习，特别是异步优势演员-评论家算法，已成功用于在各种视频游戏中实现超人的性能。《星际争霸II》是随着谷歌Deepmind和暴雪娱乐提出的pysc 2学习环境的发布，对强化学习社区的一个新挑战。尽管它是几个人工智能开发人员的目标，但很少有人达到人类水平的性能。在这个项目中，我们解释了这个环境的复杂性，并讨论了我们对环境的实验结果。我们已经比较了各种架构，并证明了迁移学习可以成为强化学习研究中需要技能迁移的复杂场景的有效范例。
2018-07-22 cs.AI
Conflict-Based Search for Multi Agent Path Finding with Asynchronous Actions
Shanghai Jiao Tong University（上海交通大学）
本文提出了一种基于冲突的异步动作搜索方法，解决连续时间冲突基于搜索在异步动作多智能体路径寻找中的不完整性问题，并提高算法的可扩展性。
2026-03-26 cs.AI
Asynchronous Actor-Critic for Multi-Agent Reinforcement Learning
Khoury College of Computer Sciences（库利计算机科学学院）；Northeastern University（东北大学）
在现实环境中跨多个代理同步决策是有问题的，因为它需要代理等待其他代理终止并就终止进行可靠的通信。理想情况下，代理应该异步学习和执行。这样的异步方法还允许时间上延长的动作，其可以基于所执行的情况和动作而花费不同的时间量。不幸的是，当前的策略梯度方法不适用于异步设置，因为它们假设代理在每个时间步同步推理动作选择。为了允许异步学习和决策，我们制定了一套异步多代理actor-critic方法，允许代理在三个标准的训练范式中直接优化异步策略：分散式学习，集中式学习和分散式执行的集中式训练。在各种现实领域的实证结果（在模拟和硬件）证明了我们的方法在大型多智能体问题的优越性，并验证了我们的算法学习高质量和异步解决方案的有效性。
2022-10-11 cs.AI cs.LG cs.MA
Fast Benchmarking of Asynchronous Multi-Fidelity Optimization on Zero-Cost Benchmarks
Preferred Networks Inc.（Preferred Networks公司）；University of Freiburg（弗莱堡大学）；ELLIS Institute Tübingen（图宾根ELLIS研究所）
针对并行设置下零成本基准超参数优化效率低的问题，提出基于文件系统计算返回顺序的方法，配套Python包可适配多类HPO库，实现超千倍加速。
2024-08-19 cs.AI cs.LG
Asynchronous Partial Overlay: A New Algorithm for Solving Distributed Constraint Satisfaction Problems
SRI International（斯坦福国际研究院）；University of Massachusetts（马萨诸塞大学）
分布式约束满足（DCSP）一直是多智能体系统研究中的一个重要问题。这是因为许多现实世界的问题可以表示为约束满足，这些问题往往以分布式的形式出现。在这篇文章中，我们提出了一个新的完整的，分布式的算法称为异步部分覆盖（APO）解决DCSP是基于一个合作的调解过程。该算法背后的主要思想是，代理，当作为一个调解人，集中小，相关部分的DCSP，这些集中的子问题重叠，以及代理增加其子问题的大小沿关键路线内的DCSP的问题解决展开。我们提出的经验证据表明，APO优于其他已知的，完整的DCSP技术。
2011-09-27 cs.AI
AsynCodeBench: Benchmarking Collaboration of Asynchronous Multi-Agent Systems in Software Engineering
University of Houston（休斯顿大学）；New York University（纽约大学）；Texas A&M University（德克萨斯农工大学）；UCSD（加州大学圣地亚哥分校）；Worcester Polytechnic Institute（伍斯特理工学院）；Oregon State University（俄勒冈州立大学）
提出依赖为中心的异步多智能体协作基准AsynCodeBench，用ADPR和DRS度量协作，发现编码能力与协作能力存在差距，并识别出跳跃窗口模式。
2026-09-29 cs.AI cs.MA cs.SE
Loosely Synchronized Search for Multi-agent Path Finding with Asynchronous Actions
Carnegie Mellon University（卡内基梅隆大学）；Texas A&M University（得克萨斯农工大学）
多智能体路径查找（MAPF）确定多个智能体在其各自的起始位置和目标位置之间的无冲突路径的集合。在现有的MAPF规划器的工作空间建模为一个图，A* 为基础的方法已被广泛研究，由于其保证的完整性和解决方案的最优性，并已证明其效率在许多情况下。然而，几乎所有这些基于A* 的方法都假设每个代理同时执行一个操作，因为所有代理都一起启动和停止。本文提出了一种带有异步操作的MAPF（MAPF-AA）的自然概括，其中代理不一定同时启动和停止。的主要贡献的工作是一个建议的方法称为松散同步搜索（LSS），扩展A* 为基础的MAPF规划器处理异步动作。我们表明LSS是完整的，并找到一个最佳的解决方案，如果存在。我们还将LSS与其他现有的MAPF方法相结合，旨在权衡计算效率的最优性。数值结果证实了LSS的性能和所提出的方法的适用性进行了验证，在Robotarium，一个远程访问的群体机器人研究平台。
2021-08-02 cs.AI cs.RO
Reactive Reinforcement Learning in Asynchronous Environments
University of Alberta（阿尔伯塔大学）
强化学习（RL）代理和异步环境之间的关系往往被忽视。代理与其环境之间的交互的常用模型，例如马尔可夫决策过程（MDP）或半马尔可夫决策过程（SMDP），没有捕获这样的事实，即在异步环境中，环境的状态可能在代理执行的计算期间改变。在异步环境中，最小化反应时间-代理对观察做出反应所需的时间-也最小化了环境状态在观察之后可能发生变化的时间。在许多环境中，代理的反应时间直接影响任务的性能，允许环境过渡到一个不希望的终端状态或状态，执行所选择的动作是不合适的。我们提出了一类反应式强化学习算法，通过在观察到新的状态信息后立即采取行动来解决异步环境中的这个问题。我们比较了反应SARSA学习算法与传统的SARSA学习算法上的两个异步机器人任务（紧急停止和影响预防），并表明反应RL算法减少了反应时间的代理约算法的学习更新的持续时间。这类新的反应式算法可以促进更安全的控制和更快的决策，而无需对标准学习保证进行任何更改。
2018-02-16 cs.AI cs.LG
Target Driven Visual Navigation with Hybrid Asynchronous Universal Successor Representations
Augmented Human Lab（增强人类实验室）；The University of Auckland（奥克兰大学）
能够在最少的监督和先验知识的情况下导航到目标，对于创建类似人类的辅助代理至关重要。以前的工作基于地图和地图的方法有有限的推广。在本文中，我们提出了一种新的方法，混合异步通用继承者表示（HAUSR），它克服了问题的泛化到新的目标，适应最近的工作与异步演员-评论家代理的通用继承者表示。我们表明，代理能够成功地达到新的目标，我们能够快速微调网络以适应新的场景。这开辟了新的应用场景，智能代理可以学习和适应各种环境，只需最少的人工输入。
2018-11-27 cs.AI cs.LG
Scaling, Benchmarking, and Reasoning of Vision-Language Agents for Mobile GUI Navigation
Wuhan University（武汉大学）
本文系统研究了视觉语言模型在移动GUI导航中的数据缩放、基准测试与推理，提出了大规模数据集HyperTrack和开源工具包GUIEvalKit，并发现基于强化学习的微调优于监督微调，尤其在域外场景中表现更佳。
2026-05-26 cs.AI
Loosely Synchronized Rule-Based Planning for Multi-Agent Path Finding with Asynchronous Actions
UM-SJTU Joint Institute（上海交通大学密西根学院）；Shanghai Jiao Tong University（上海交通大学）
本文针对多智能体路径寻找中的异步动作问题，提出结合LSS和PIBT的新规划器，通过寻找无界次优解来权衡解质量与可扩展性，在给定时间限制下能比基线处理多一个数量级的智能体。
2024-12-21 cs.AI cs.MA
AsyncTool: Evaluating the Asynchronous Function Calling Capability under Multi-Task Scenarios
University of Science and Technology of China（中国科学技术大学）；University of Toronto（多伦多大学）
提出AsyncTool基准，通过模拟工具响应延迟的多任务环境，评估基于大语言模型的智能体在异步工具调用中的任务协调与效率。
2026-09-01 cs.AI
SWE-MILE: Asynchronous Potential-Induced Milestone Credit Assignment for Long-Horizon Software Engineering Agents
SWE-MILE通过异步势诱导里程碑信用分配，利用工作流运行时信号为长程软件工程智能体提供细粒度过程监督，显著提升其性能。
2026-09-29 cs.AI cs.SE
Effective Strategies for Asynchronous Software Engineering Agents
Carnegie Mellon University, Language Technologies Institute（卡内基梅隆大学，语言技术研究所）
本文提出CAID框架，通过集中任务委派、异步执行和隔离工作区三个核心SWE原语，提升多代理协作效率，在论文复现和Python库开发任务中分别提升26.7%和14.3%的准确性。
2026-07-09 cs.AI cs.CL
SPO++: Stream-Aligned Policy Optimization for Asynchronous Agentic RL
Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；Duke University（杜克大学）；Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）
SPO++通过标准化终端结果优势、按策略事件组织提示证据优化SPO，在ALFWorld和Math-TIR上提升异步智能体强化学习的在线学习效率，动作token测度归一化是其核心有效组件。
2026-08-26 cs.AI
KGCE: Knowledge-Augmented Dual-Graph Evaluator for Cross-Platform Educational Agent Benchmarking with Multimodal Language Models
Faculty of the School of Computer Science, Central China Normal University（中央财经大学计算机学院）
KGCE提出一种基于多模态语言模型的跨平台教育代理基准评估框架，通过知识库增强和双图评估方法提升对特定学校软件任务的执行效率和评估精度。
2026-01-04 cs.AI
Stackelberg Decision Transformer for Asynchronous Action Coordination in Multi-Agent Systems
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院）；SenseTime Research（商汤科技研究院）
针对多智能体系统中异步动作协调的可扩展性难题，提出Stackelberg决策变换器（STEER），融合层级决策、序列建模与探索学习，收敛至均衡解并优于现有方法。
2023-05-13 cs.AI cs.MA
AgenticCache: Cache-Driven Asynchronous Planning for Embodied AI Agents
Anonymous Institution, Anonymous City, Anonymous Region, Anonymous Country（匿名机构、匿名城市、匿名地区、匿名国家）
本文提出AgenticCache框架，利用缓存重用计划以减少LLM调用，提升任务成功率22%并降低延迟与成本。
2026-04-27 cs.AI cs.CL cs.LG
Near-Optimal Adversarial Policy Switching for Decentralized Asynchronous Multi-Agent Systems
Laboratory for Information and Decision Systems (LIDS), MIT（麻省理工学院信息与决策系统实验室）；College of Computer and Information Science (CCIS), Northeastern University（东北大学计算机与信息科学学院）；Department of Electrical Engineering, Princeton University（普林斯顿大学电气工程系）
多机器人和多智能体系统中的一个关键挑战是生成对其他自利甚至敌对方都具有鲁棒性的解决方案，这些解决方案积极试图阻止智能体实现其目标。解决这一挑战的现有工程的实用性仅限于小规模的同步决策方案或单个代理规划其最佳响应对一个单一的对手与固定的，程序化的特点战略。相比之下，本文认为更现实的一类问题，一个团队的异步代理有限的观察和通信能力，需要竞争对多个战略对手不断变化的战略。这个问题需要能够协调的代理来检测对手策略的变化并相应地计划最佳响应。我们的方法首先优化了一组代表这些最佳对策的策略。然后，这些优化的策略被集成到一个统一的策略中，该策略可以在对手改变策略时进行检测和响应。理论上建立了所提出的框架的近最优性，以及在模拟和硬件经验证明。
2017-10-17 cs.AI cs.MA
Synchronous vs Asynchronous Reinforcement Learning in a Real World Robot
University of Alberta（阿尔伯塔大学）
本研究针对实体机器人同步强化学习响应慢影响性能的问题，用Franka Emika Panda机械臂对比同步与异步RL，证实异步RL学习更快、回报更高，且响应速度比梯度更新次数更影响性能。
2025-03-17 cs.AI cs.CV cs.LG
Macro-Action-Based Multi-Agent/Robot Deep Reinforcement Learning under Partial Observability
Khoury College of Computer Sciences（库里计算机学院）
最先进的多智能体强化学习（MARL）方法为各种复杂问题提供了有前途的解决方案。然而，这些方法都假设代理执行同步的连续动作执行，使得它们不能真正扩展到长期现实世界的多代理/机器人任务，这些任务本质上要求代理/机器人在不同的持续时间异步推理高级别的动作选择。MacDec-POMDP（Mac-Action Decentralized Partially Observable Markov Decision Process）是一种用于完全协作多智能体任务中不确定异步决策的通用形式化描述。在这篇论文中，我们首先提出了一组基于价值的强化学习方法的MacDec-POMDPs，其中代理被允许执行异步学习和决策与宏动作价值函数在三个范式：分散学习和控制，集中学习和控制，和集中训练分散执行（CTDE）。在上述工作的基础上，我们制定了一套基于宏动作的策略梯度算法的三种训练范式下，代理被允许直接优化其参数化的政策在一个异步的方式。我们评估我们的方法在模拟和真实的机器人在各种现实的域。实证结果表明，我们的方法在大型多智能体问题的优越性，并验证了我们的算法的有效性，学习高质量和异步的解决方案与宏观行动。
2022-10-11 cs.AI cs.MA cs.RO
Asynchronous training of quantum reinforcement learning
Wells Fargo（富国银行）
由于量子计算（QC）和机器学习（ML）的发展，量子机器学习（QML）的发展最近受到了很大的关注。可用于解决具有挑战性的顺序决策问题的ML范例之一是强化学习（RL）。已经证明，经典RL可以成功地完成许多困难的任务。构建量子RL代理的主要方法依赖于变分量子线路（VQC）。然而，用VQC训练QRL算法需要大量的计算资源。这个问题阻碍了各种QRL应用的探索。在本文中，我们通过异步训练QRL代理来应对这一挑战。具体地说，我们选择了优势行动者-批评者变分量子策略的异步训练。我们通过数值模拟证明了结果，在所考虑的任务中，QRL代理的异步训练可以达到与具有类似模型大小和架构的经典代理相当或优于经典代理的性能。
2023-01-12 cs.AI cs.DC cs.LG
Cooperative Multi-Agent Reinforcement Learning: Asynchronous Communication and Linear Function Approximation
Yale University（耶鲁大学）；University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
本文研究情景式马尔可夫决策过程中的多智能体强化学习，提出一种基于值迭代的异步通信算法，利用线性函数近似实现了低通信开销下的高效合作，并给出了遗憾与通信复杂度的理论上下界。
2023-06-24 cs.AI cs.LG cs.MA
Measuring Security Without Fooling Ourselves: Why Benchmarking Agents Is Hard
ELLIS Institute Tübingen & MPI-IS & Tübingen AI Center（图宾根ELLIS研究所及MPI-IS与图宾根人工智能中心）；The Alan Turing Institute（艾伦·图灵研究所）；BIFOLD & Technische Universität Berlin（BIFOLD与柏林技术大学）；Technische Universität Darmstadt（达姆施塔特技术大学）
本文探讨了在安全关键角色中评估AI代理的基准测试存在的核心挑战，包括基准漏洞、时间滞后的不准确性以及运行时的不确定性，并提出了构建更可靠和可信评估框架的方向。
2026-05-21 cs.AI cs.CR
Cooperative and Asynchronous Transformer-based Mission Planning for Heterogeneous Teams of Mobile Robots
McMaster University（麦克马斯特大学）
针对异构移动机器人团队在通信受限、资源有限下的协作规划难题，提出基于MARL与AMAT架构的CATMiP框架及CMacDec-POMDP模型，采用异步集中训练分布式执行方案，实验验证其在效率、可扩展性与抗干扰性上更具优势。
2025-07-31 cs.AI cs.RO
DynTaskMAS: A Dynamic Task Graph-driven Framework for Asynchronous and Parallel LLM-based Multi-Agent Systems
The University of Tokyo（东京大学）；Hiroshima University（广岛大学）；National Institute of Informatics（国家信息研究所）
DynTaskMAS通过动态任务图框架提升基于LLM的多智能体系统在异步并行任务处理中的效率与性能。
2025-12-02 cs.AI cs.DC cs.MA
Asynchronous Multi-Agent Reinforcement Learning for Efficient Real-Time Multi-Robot Cooperative Exploration
Tsinghua University（清华大学）；Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）；Tongji University（同济大学）；Shanghai Qi Zhi Institute（上海期智研究院）
针对真实多机器人协同探索中同步假设导致的效率低下问题，本文提出异步MARL框架ACE，扩展MAPPO并引入动作延迟随机化与团队规模无关的CNN策略，在仿真和真实环境中分别减少超10%探索时间并在Habitat中提升28%效率。
2023-04-11 cs.AI cs.RO
Boosting Embodied AI Agents through Perception-Generation Disaggregation and Asynchronous Pipeline Execution
Shanghai Jiao Tong University（上海交通大学）
针对具身AI智能体推理频率受限的问题，提出算法-系统协同设计的Auras框架，通过感知-生成分离与异步流水线并行，实现2.54倍吞吐量提升并保持准确率。
2025-09-11 cs.AI cs.LG
Towards a Playground to Democratize Experimentation and Benchmarking of AI Agents for Network Troubleshooting
University of L’Aquila（拉奎拉大学）
本文针对网络故障排除场景，提出构建一个标准化、可复现且开放的AI智能体基准测试平台，以降低实验与评估的操作成本，推动该领域研究的民主化。
2025-07-04 cs.AI cs.MA cs.NI
Beyond Black-Box Benchmarking: Observability, Analytics, and Optimization of Agentic Systems
IBM Research - Israel（IBM以色列研究院）
本文针对智能体AI系统非确定性和动态性带来的评估难题，提出基于运行时日志的可观测性分析与基准测试新方法，以超越传统黑盒评估，推动自适应、可解释且稳健的智能体系统发展。
2025-03-09 cs.AI cs.MA
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
Asynchronous Announcements
IRIT（图卢兹计算机研究所）；CNRS（法国国家科学研究中心）；University of Toulouse（图卢兹大学）；LORIA（洛林计算机科学及其应用实验室）；University of Lorraine（洛林大学）
我们提出了一个多代理认知逻辑的异步公告，真实的公告是公开发送，但单独接收的代理，并在他们被发送的顺序。除了认知模态外，逻辑还包含了发出和接收公告的动态模态。一个代理人所相信的是她最初的不确定性和她收到的通知的函数。信念不一定是真实的，因为已经发布的公告可能还没有被收到。由于在发送时声明为真，因此可以排除某些消息序列，就像分布式计算中的不一致切割一样。我们提供了一个完整的公理化的\emph{asynchronous announcement logic}（AA）。这是一个归约系统，它还证明了$AA$中的任何公式都等价于没有动态模态的公式，就像公共声明逻辑一样。一个详细的例子建模的消息交换过程中的分布式计算在$AA$关闭我们的调查。
2021-01-18 cs.AI cs.DC cs.LO
A Deep Reinforcement Learning Approach for Trading Optimization in the Forex Market with Multi-Agent Asynchronous Distribution
Urmia University of Technology（乌尔米耶理工大学）
本文首次将多智能体A3C深度强化学习框架应用于外汇交易优化，通过多异步工作器并行探索多货币对，实验表明带锁与不带锁A3C分别在不同场景下优于PPO，能更快探索并显著提升交易收益。
2024-05-30 cs.AI cs.CC cs.CE
Benchmarking Data Science Agents
Microsoft Research（微软研究院）；ShanghaiTech University（上海科技大学）
本文提出DSEval评测范式及系列基准，结合自举标注方法，系统评估数据科学智能体在全生命周期中的表现，揭示现有障碍并为未来发展提供指导。
2024-02-27 cs.AI cs.CL
Simulation-Based Benchmarking of Reinforcement Learning Agents for Personalized Retail Promotions
Bain & Company, Inc.（贝恩公司）；New York University（纽约大学）
本文构建零售客户购物行为仿真环境，用于优惠券定向投放强化学习智能体基准测试，通过离线批量数据缓解购买事件稀疏问题，实验验证低过拟合的上下文赌博机与深度RL方法优于静态策略，提供零售全旅程AI仿真框架。
2024-05-16 cs.AI cs.LG econ.EM
Beyond Ten Turns: Unlocking Long-Horizon Agentic Search with Large-Scale Asynchronous RL
IIIS, Tsinghua University（清华大学智能技术学部）；Ant Group（蚂蚁集团）；University of Washington（华盛顿大学）
本文提出ASearcher，通过大规模异步强化学习训练搜索智能体，突破轮次限制实现长程搜索，在xBench和GAIA上超越现有开源32B模型。
2025-10-26 cs.AI cs.CL
OctoBench: Benchmarking Scaffold-Aware Instruction Following in Repository-Grounded Agentic Coding
Fudan University（复旦大学）；MiniMax；Peking University（北京大学）
OctoBench通过评估仓库基础代理编程中的支架意识指令遵循能力，揭示了任务解决与合规性之间的差距，推动更高效的编码代理发展。
2026-01-16 cs.AI cs.CL
Federated Contextual Cascading Bandits with Asynchronous Communication and Heterogeneous Users
University of Science and Technology of China（中国科学技术大学）；The Chinese University of Hong Kong（香港中文大学）
本文研究联邦上下文组合级联赌博机问题，提出一种支持异步通信和异构用户聚类的UCB型算法，在仅付出对数级通信成本的同时取得与同步框架相当的次线性遗憾界。
2024-02-26 cs.AI cs.LG
Benchmarking the Spectrum of Agent Capabilities
Google Research, Brain Team（谷歌研究院（Brain Team））；University of Toronto（多伦多大学）
评估智能代理的一般能力需要复杂的仿真环境。现有的基准通常只评估每个环境中的一个狭窄的任务，需要研究人员在许多不同的环境中执行昂贵的训练运行。我们介绍工匠，一个开放世界的生存游戏与视觉输入，评估了广泛的一般能力在一个单一的环境。智能体要么从提供的奖励信号中学习，要么通过内在目标学习，并通过语义上有意义的成就进行评估，这些成就可以在每个情节中解锁，例如发现资源和制作工具。持续解锁所有成就需要强大的概括，深入的探索和长期的推理。我们的实验验证，工匠是适当的困难，以推动未来的研究，并提供基准分数的奖励代理和无监督代理。此外，我们观察到最大化奖励信号所产生的复杂行为，例如建造隧道系统，桥梁，房屋和种植园。我们希望Crafter能够通过快速评估广泛的能力来加速研究进展。
2022-02-12 cs.AI cs.LG
SkillTester: Benchmarking Utility and Security of Agent Skills
Key Laboratory of High Confidence Software Technologies, Ministry of Education, Peking University（高可信软件技术教育部重点实验室（北京大学））；Northwestern Polytechnical University（西北工业大学）
SkillTester通过对比原则和用户友好原则，评估智能体技能的实用性和安全性，提供标准化评分和安全状态标签，旨在提升智能体技能的质量保障。
2026-03-28 cs.AI cs.CR
BenchMARL: Benchmarking Multi-Agent Reinforcement Learning
University of Cambridge（剑桥大学）；PyTorch, Meta（Meta公司PyTorch部门）
针对 MARL 领域可复现性危机，本文提出首个基于 TorchRL 的标准化基准测试训练库 BenchMARL，支持跨算法、模型和环境的系统化配置与报告，并通过一行输入运行复杂基准测试。
2024-11-25 cs.AI cs.LG cs.MA
Asynchronous Decentralized Algorithm for Space-Time Cooperative Pathfinding
Czech Technical University in Prague（捷克布拉格技术大学）；Delft University of Technology（代尔夫特理工大学）
合作寻路是一个多智能体路径规划问题，其中一组车辆搜索相应的一组非冲突的时空轨迹。许多实用的方法集中解决合作寻路问题的优先级规划策略的基础上。然而，在某些领域（例如，无人驾驶飞行器、自主水下航行器或无人驾驶地面航行器的多机器人团队），由于域和/或隐私问题所施加的通信限制，分散式方法可能比集中式方法更可取。在本文中，我们提出了一个异步分散的优先级规划ADPP和它的可中断版本IADPP的变种。该算法利用分布式系统固有的并行性，并允许加快计算过程。与同步规划方法不同，该算法允许代理立即对其他代理的路径更新做出反应，并调用其本地时空路径规划器来找到最佳轨迹，作为对其他代理选择的响应。我们提供了一个证明的算法的正确性和实验评估他们的合成域。
2012-10-25 cs.AI cs.DC cs.RO
4DCodeBench: Benchmarking Agents on Inverse Graphics of Dynamic Scenes
Johns Hopkins University（约翰斯·霍普金斯大学）；Stanford University（斯坦福大学）；Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；Massachusetts Institute of Technology（麻省理工学院）
提出4DCodeBench基准，通过代码生成实现4D逆向图形，评估智能体从视频重建动态场景的能力，发现静态重建强但动态重建弱，为追踪进展提供测试平台。
2026-10-05 cs.AI cs.CV cs.GR
WordCraft: An Environment for Benchmarking Commonsense Agents
University College London（伦敦大学学院）；University of Oxford（牛津大学）
快速解决各种现实任务的能力需要对世界有常识性的理解。然而，如何最好地从自然语言语料库中提取这些知识，并将其与强化学习（RL）代理集成仍然是一个开放的挑战。这在一定程度上是由于缺乏轻量级的仿真环境，充分反映了现实世界的语义，并提供知识源接地相对于RL环境中的观察。为了更好地研究利用常识知识的代理，我们提出了WordCraft，一个基于Little Alchemy 2的RL环境。这个轻量级的环境运行速度很快，并建立在受现实世界语义启发的实体和关系之上。我们在这个新的基准上评估了几种表示学习方法，并提出了一种将知识图谱与RL代理集成的新方法。
2020-07-17 cs.AI cs.CL cs.LG
Benchmarking Multi-Agent Deep Reinforcement Learning Algorithms in Cooperative Tasks
University of Edinburgh（爱丁堡大学）
多智能体深度强化学习（MARL）缺乏常用的评估任务和标准，使得方法之间的比较变得困难。在这项工作中，我们提供了一个系统的评估和比较三个不同类别的MARL算法（独立学习，集中式多智能体策略梯度，价值分解）在不同的合作多智能体学习任务。我们的实验可以作为不同学习任务中算法预期性能的参考，并提供了有关不同学习方法有效性的见解。我们开源了EPyMARL，它扩展了PyMARL代码库，以包含其他算法，并允许灵活配置算法实现细节，如参数共享。最后，我们开源两个环境的多智能体的研究，重点是稀疏奖励下的协调。
2021-11-09 cs.AI cs.LG cs.MA
Failure Modes of Deep Multi-Agent RL in Asynchronous Pricing: Reproducible Triggers, Trace Diagnostics, and a Partial Fix
DigitalOcean, USA（DigitalOcean美国）
研究连续时间定价市场中深度多智能体强化学习的两种可复现失败模式：DDPG智能体之间的默契合谋和高事件率下的演员-评论家不稳定性，并通过异步性实现部分修复。
2026-06-03 cs.AI cs.LG cs.MA
Benchmarking Perturbation-based Saliency Maps for Explaining Atari Agents
University of Augsburg（奥格斯堡大学）
解释深度强化学习（DRL）代理行为的最突出方法之一是生成显着图，显示每个像素对代理决策的贡献。然而，有没有工作，计算评估和比较的保真度不同的显着图方法，专门为DRL代理。这是特别具有挑战性的计算评估显着地图DRL代理，因为他们的决定是一个总体政策的一部分。例如，基于值的DRL算法的输出神经元对当前状态的值以及在该状态下执行每个动作的值进行编码。在评估此类代理的显着性图时，应考虑这种模糊性。在本文中，我们比较了五种流行的基于扰动的方法来创建显着地图的DRL代理在四个不同的Atari 2600游戏训练。使用两个计算指标的方法进行比较：依赖于学习参数的代理（健全检查）和保真度代理的推理（输入退化）。在健全性检查期间，我们遇到了一种方法的问题，并提出了解决这些问题的解决方案。对于保真度，我们确定了两个主要因素，影响显着性的方法，应选择在何种情况下。
2022-02-02 cs.AI cs.LG cs.NE
