Coordination Matters: Process-Aware Evaluation of Cooperative Multi-Agent Reinforcement Learning
University of Virginia（弗吉尼亚大学）
本文提出一种考虑协作的评估视角，通过STAT测试平台评估六种价值导向的MARL方法，揭示不同协调机制对性能的影响。
2026-10-19 cs.AI cs.LG cs.MA
PAC-BENCH: Evaluating Multi-Agent Collaboration under Privacy Constraints
Yonsei University（延世大学）
研究探讨了在隐私约束下多智能体协作的挑战，提出PAC-Bench基准测试平台，发现隐私约束显著降低协作性能，且结果更依赖发起智能体，揭示了协调破裂问题。
2026-04-13 cs.AI cs.MA
Multi-Agent Coordination Adaptation via Structure-Guided Orchestration
Nanjing University（南京大学）；University of Technology Sydney（悉尼科技大学）；University of New South Wales（新南威尔士大学）
提出MACA框架，通过概率视角将多智能体协调视为结构与编排的联合后验推断，利用任务和预算条件结构先验指导策略编排，实现高效自适应协调，性能平均提升8.42%且令牌消耗减少43.19%。
2026-05-25 cs.AI cs.MA
Orchestrator: Active Inference for Multi-Agent Systems in Long-Horizon Tasks
Department of Engineering, University of Cambridge（剑桥大学工程系）；TUM School of Management, Technical University of Munich（慕尼黑技术大学管理学院）
提出Orchestrator框架，利用注意力启发的自涌现协调与主动推理基准，在长时程任务中缓解部分可观测性，提升多智能体系统的协调与全局性能。
2025-09-06 cs.AI cs.MA
Towards Zero-Shot Coordination between Teams of Agents: The N-XPlay Framework
针对多智能体团队间零样本协调问题，提出N-XPlay框架，扩展Overcooked基准至N人场景，实验表明其优于自对弈方法，能更好平衡团队内外协调。
2025-06-21 cs.AI cs.MA
ZSC-Eval: An Evaluation Toolkit and Benchmark for Multi-agent Zero-shot Coordination
Shanghai Jiao Tong University（上海交通大学）
本文提出ZSC-Eval，首个面向多智能体零样本协调（ZSC）的评估工具包与基准，通过行为偏好奖励生成伙伴、BR-Div选择伙伴及BR-Prox指标衡量泛化性能，并在Overcooked等环境中验证了其与人类评估的一致性。
2024-09-26 cs.AI cs.HC cs.LG
Shaping Zero-Shot Coordination via State Blocking
Graduate School of Artificial Intelligence（人工智能研究生院）；UNIST（全南国立科学技术院）
本文提出State-Blocked Coordination框架，通过生成虚拟环境诱导多样交互场景，提升零样本协调的泛化能力，尤其在人类伙伴上的表现优异。
2026-05-12 cs.AI cs.LG cs.MA
DPBench: Structural Determinants of Multi-Agent LLM Coordination Under Simultaneous Resource Contention
Department of Mathematics and Computer Science University of North Carolina at Pembroke（数学与计算机科学系北卡罗来纳大学帕特森分校）
本文提出DPBench，用于评估多智能体系统中协调性能的基准测试，通过分析不同协议、通信结构和群体规模对协调成功或失败的影响，揭示了多智能体LLM在资源竞争中的协调机制。
2026-06-03 cs.AI cs.MA
MPAC: A Multi-Principal Agent Coordination Protocol for Interoperable Multi-Agent Collaboration
University of Colorado Denver (CU Denver)（科罗拉多大学丹佛分校）
本文提出MPAC协议，解决多主代理共享状态协调问题，通过五层结构实现显式协调语义，减少协调开销并提升执行效率。
2026-04-10 cs.AI cs.MA
Symbolic Guidance for LLM Agents in Distributed Multiagent Coordination
本研究提出符号引导分类法（SGT），通过调节LLM智能体的自主性层级（介于自然语言推理与完全算法执行之间），显著提升分布式多智能体协调性能，确立了自主性调节作为关键设计原则。
2026-10-26 cs.AI
CalBench: Evaluating Coordination-Privacy Trade-offs in Multi-Agent LLMs
Stanford University（斯坦福大学）
提出CalBench基准，用于在私有信息下评估多智能体日程协调中任务完成、成本、通信、公平性和隐私泄露的权衡。
2026-06-05 cs.AI cs.MA
Embodied Multi-Agent Coordination by Aligning World Models Through Dialogue
Siebel School of Computing & Data Science（计算机与数据科学学院）
研究通过对话机制探索具身智能体的世界模型对齐，发现对话能减少冲突但降低任务成功率，提出评估世界模型对齐的框架。
2026-07-13 cs.AI cs.CL cs.MA
Laser Learning Environment: A new environment for coordination-critical multi-agent tasks
Université Libre de Bruxelles（布鲁塞尔自由大学）；Vrije Universiteit Brussel（布鲁塞尔自由大学）；KU Leuven（鲁汶大学）；UC Berkeley（加州大学伯克利分校）
本文提出协作多智能体强化学习环境 LLE，通过相互依赖、完美协调和零激励动态构造状态空间瓶颈，并揭示现有基于价值的 MARL 方法及多种探索扩展难以解决该挑战。
2024-04-04 cs.AI cs.LG cs.MA
Multi-Agent Thompson Sampling for Bandit Applications with Sparse Neighbourhood Structures
Vrije Universiteit Brussel（布鲁塞尔自由大学）；HU University of Applied Sciences（HU应用科学大学）
多智能体协调在许多现实世界的应用中很普遍。然而，这种协调由于其组合性质而具有挑战性。在这方面的一个重要观察是，现实世界中的代理通常只直接影响有限的一组相邻代理。利用代理之间的这种松散耦合是使多代理系统中的协调可行的关键。在这项工作中，我们专注于学习协调。具体来说，我们认为多智能体多臂强盗框架，在充分合作的松散耦合的代理必须学会协调他们的决策，以优化一个共同的目标。我们提出了多代理汤普森采样（MATS），一个新的贝叶斯探索利用算法，利用松散耦合。我们提供了一个遗憾界，是次线性的时间和低阶多项式的最高数量的行动，一个单一的代理稀疏协调图。此外，我们的经验表明，MATS优于国家的最先进的算法，MAUCE，在两个合成基准，和一个新的基准与泊松分布。松散耦合多智能体系统的一个例子是风力发电场。为了最大限度地提高发电量，风电场内部的协调是必要的。由于上游风力涡轮机只影响附近的下游涡轮机，我们可以使用MATS来有效地学习农场的最优控制机制。为了证明我们的方法对应用程序的好处，我们应用MATS一个现实的风电场控制任务。在这项任务中，风力涡轮机必须相对于进入的风矢量协调它们的对准，以优化电力生产。我们的研究结果表明，MATS显着改善后，国家的最先进的协调方法的性能，证明了使用MATS在实际应用中的稀疏邻域结构的价值。
2020-02-07 cs.AI cs.LG cs.MA
Nocturne: a scalable driving benchmark for bringing multi-agent learning one step closer to the real world
Meta AI；UC Berkeley（加州大学伯克利分校）；École des Ponts ParisTech（巴黎桥路学院）；Univeristy of Oxford（牛津大学）
我们介绍了Nocturne，一个新的2D驾驶模拟器，用于调查部分可观测性下的多智能体协调。Nocturne的重点是在现实世界的多智能体环境中研究推理和心理理论，而无需计算机视觉和图像特征提取的计算开销。在这个模拟器中的代理只观察场景的遮挡视图，模仿人类的视觉感知约束。与现有的基准测试不同，Nocturne使用高效的交叉方法在C++后端计算一组矢量化的可见特征，允许模拟器以每秒超过2000步的速度运行。使用开源的轨迹和地图数据，我们构建了一个模拟器来加载和重放来自真实世界驾驶数据的任意轨迹和场景。使用这个环境，我们基准的协调学习和模仿学习代理，并证明代理是相当远的人类水平的协调能力，并偏离专家轨迹显着。
2023-02-02 cs.AI cs.LG cs.MA
Unifying Agent Interaction and World Information for Multi-agent Coordination
University of Texas at Austin（德克萨斯大学奥斯汀分校）；Sungkyunkwan University（松云大学）；Carnegie Mellon University（卡内基梅隆大学）
本文提出交互-世界潜在空间框架，通过建模通信协议实现多代理协调，提升团队协作效率与鲁棒性。
2026-01-30 cs.AI cs.LG
Multi-agent Coordination via Flow Matching
University of Texas at Austin（德克萨斯大学奥斯汀分校）；Sungkyunkwan University（松均大学）
MAC-Flow通过流匹配方法实现多智能体协调，平衡了性能与计算效率，显著提升推理速度的同时保持良好表现。
2026-01-30 cs.AI cs.LG cs.RO
Self-Explaining Deviations for Coordination
Meta AI；Carnegie Mellon University（卡内基梅隆大学）；McGill University（麦吉尔大学）；University of Oxford（牛津大学）
完全合作、部分可观测的多智能体问题在现实世界中普遍存在。在本文中，我们专注于一个特定的子类的协调问题中，人类能够发现自我解释的偏差（SED）。SED是偏离正常情况下合理行为的共同理解的行为。他们采取的意图是使另一个代理或其他代理意识到，使用心理理论，环境必须是异常的。我们首先激励SED与现实世界的例子，并正式定义。接下来，我们介绍了一种新的算法，改进最大化自我解释偏差（IMPROVISED），执行SED。最后，我们评估改进的说明性玩具设置和流行的基准设置Hanabi，它是第一种方法来产生所谓的技巧发挥，这被认为是人类心理理论的一个更标志性的例子。
2022-07-13 cs.AI cs.LG
CRAFT: Grounded Multi-Agent Coordination Under Partial Information
Department of Computer Science, Colorado State University（计算机科学系，科罗拉多州立大学）
CRAFT 是评估大语言模型在严格部分信息下实用沟通能力的多智能体基准，通过自然语言构建共享3D结构。研究发现更强推理能力不必然带来更好协调，小模型常表现更优，表明多智能体协调仍是当前语言模型的挑战。
2026-04-28 cs.AI cs.CL
Towards a Science of Scaling Agent Systems
Google Research（谷歌研究院）；Massachusetts Institute of Technology（麻省理工学院）；Google DeepMind（谷歌DeepMind）
本文通过260种配置评估六种代理基准，探讨代理系统在扩展维度上的性能变化规律，揭示协调、模型能力与任务结构之间的关系，发现协作成功取决于协调与任务结构的匹配程度。
2026-04-08 cs.AI
MICA: Multi-Agent Industrial Coordination Assistant
Karlsruhe Institute of Technology（卡尔斯鲁厄大学）；INSAIT；Hunan University（湖南大学）；Carl Zeiss Stiftung（卡尔蔡司基金会）；University of Excellence（卓越大学）；Helmholtz Association（海德堡协会）；State of Baden-Württemberg（巴登-符腾堡州）；German Research Foundation（德国研究基金会）；National Natural Science Foundation of China（国家自然科学基金委员会）；Hunan Provincial Research and Development Project（湖南省研发项目）；State Key Laboratory of Autonomous Intelligent Unmanned Systems（自主智能无人系统国家重点实验室）
MICA是一种基于感知和语音交互的多智能体系统，通过自适应步骤融合技术提升工业任务的执行效率和可靠性。
2026-03-09 cs.AI cs.CV cs.LG
AgentNet: Decentralized Evolutionary Coordination for LLM-based Multi-Agent Systems
Shanghai Jiao Tong University（上海交通大学）；SII
提出AgentNet框架，通过去中心化协调、动态图拓扑和基于检索的记忆系统，解决LLM多智能体系统的集中式瓶颈与隐私问题，实现跨组织容错协作并提升任务准确率。
2025-05-29 cs.CL cs.MA
Benchmarking Emergent Coordination in Large-Scale LLM Populations: An Evaluation Framework on the MoltBook Archive
Management Lab, Yee Collins Research Group（Yee Collins研究组管理实验室）
本文提出了一种评估框架，用于在开放代理环境中评估角色专业化、信息扩散和协作任务解决的涌现协调，通过MoltBook档案库的数据集展示了该框架，并建立了量化基准，揭示了核心-外围结构、重尾级联分布和去中心化任务解决中的严重协调开销。
2026-06-04 cs.AI cs.MA cs.SI
AgentWebBench: Benchmarking Multi-Agent Coordination in Agentic Web
Carnegie Mellon University（卡内基梅隆大学）；Anaxi Labs（Anaxi实验室）
AgentWebBench评估用户代理与网站特定内容代理交互回答问题的能力，发现多智能体协调在大规模模型下可超越集中检索，但需更高效的规划与证据质量。
2026-04-13 cs.MA
LLM-Coordination: Evaluating and Analyzing Multi-agent Coordination Abilities in Large Language Models
University of California Santa Cruz（加州大学圣克ruz分校）
本研究提出LLM-Coordination基准，通过Agentic Coordination和CoordQA两项任务评估LLMs在纯协调场景下的能力，发现LLMs在环境依赖型协调中表现优异且对未知伙伴具鲁棒性，但在心智理论推理与联合规划上仍需提升。
2025-04-28 cs.CL cs.MA
Partially Observable Zero-shot coordination by Predicting Intention of Partner
KAIST（韩国科学技术院）
针对具身环境中伙伴部分可观测导致的协调难题，提出PIP方法，利用联合视角VAE和伙伴状态信念网络推断伙伴意图，在三个基准及人类评估中取得最优性能。
2026-10-07 cs.AI cs.MA
QueenBee: A Recursively Self-Improving Harness for Communication Topology Design in LLM-Based Multi-Agent Systems
Virginia Tech（弗吉尼亚理工大学）；Carnegie Mellon University（卡内基梅隆大学）
提出QueenBee Planner框架，将智能体间通信拓扑视为可检索和自改进的设计技能，通过外部LLM规划器学习生成时间通信DAG，并利用执行轨迹蒸馏出设计规则，在固定工人池下实现通信结构的自我演化，降低消息数、模型调用和token成本。
2026-11-02 cs.MA
Benchmarking LLMs' Swarm intelligence
Gaoling School of Artificial Intelligence, Renmin University of China（人工智能学院，中国人民大学）
本文提出SwarmBench基准，在严格局部感知与通信的群体约束下评估LLMs多智能体协调能力，发现现有模型在长期规划与自适应策略上表现不足，并开源工具包以促进研究。
2025-10-15 cs.CL cs.MA
HELENA:Hierarchical Sparse Coordination over a Union of Complementary Topologies for MAS
XiaoLab（小实验室）；Xi’an Jiaotong University（西安交通大学）；Beijing University of Posts and Telecommunications（北京邮电大学）
HELENA 是一种 MAS 框架，通过互补拓扑联合与分层稀疏协调抑制冗余噪声，在八个基准测试上实现最优结果，平均提升 3.47%，MMLU-Pro 最高提升 10.34%，难基准提升更显著且附加成本合理。
2026-08-06 cs.MA
Transactive Local Energy Markets Enable Community-Level Resource Coordination Using Individual Rewards
本研究提出经济驱动的交互式局部能源市场ALEX，通过理性智能体仅依赖建筑级信息自私最大化利润，利用动态规划生成策略，实现了社区级分布式能源资源协调，并在所有净负荷指标上优于基准能源管理系统。
2024-03-22 cs.MA cs.SY eess.SY
Dynamic Airspace Management for UAVs in Evolving Urban Environments: Collaborative Coordination and Human Safety
Shanghai Jiao Tong University（上海交通大学）；Shanghai Shapere Information Technology Co.,Ltd.（上海沙砾信息技术有限公司）
针对复杂城市环境中无人机安全运行难题，提出协作多无人机空域管理系统Pharos，介于分布式与集中式范式间，采用MAPPO算法，经仿真验证其有效协调能力及在减少人类恐惧、提升空间利用率方面优势。
2026-07-07 cs.MA
Deep learning control of artificial avatars in group coordination tasks
University of Bristol（布里斯托大学）；University of Naples “Federico II”（那不勒斯费德里科二世大学）；University of Sannio（桑尼奥大学）
在许多联合行动的场景中，人类和机器人必须协调他们的运动来完成给定的共享任务。举一个物体在一起，锯一根木头，将物体从一个点转移到另一个点都是人类和机器之间的运动协调是一个至关重要的要求的例子。虽然在以前的研究中已经研究了人类和机器人之间的二元协调，但机器人必须集成到人类群体中的多智能体场景仍然是一个较少探索的研究领域。在本文中，我们讨论了如何合成一个人工智能体能够协调其运动的人类合奏。在基于深度强化学习的控制架构的驱动下，这样的人工智能体将能够自主地移动自己，以便使其运动与群体的运动同步，同时表现出类似人类的运动学特征。作为一个典型的协调任务，我们采取了一组版本的所谓的镜像游戏，这是突出作为一个很好的基准，在人类运动的文学。
2019-06-11 cs.LG cs.MA
Be Careful Who You Trust: Coordination Dynamics under Corrupted Communication in LLM Multi-Agent Games
University College London（伦敦大学学院）
本研究通过迭代猎鹿博弈实验，发现受污染的公共通信会严重降低LLM多智能体的公共合作成功率，但原始选择受影响较小，且需区分原始选择、公共动作与执行结果以评估稳健性。
2026-09-29 cs.LG cs.MA
Language Instructed Reinforcement Learning for Human-AI Coordination
Stanford University（斯坦福大学）
针对多智能体强化学习易收敛至非人类偏好均衡、缺高质量人类行为数据的人机协作难题，提出instructRL框架，用大语言模型基于自然语言指令生成先验策略以正则化RL目标，在Hanabi等基准验证了符合人类偏好的策略效果及人机协作性能提升。
2023-06-10 cs.AI cs.CL cs.LG
Robust Coordination under Misaligned Communication via Power Regularization
本文提出通信功率正则化（CPR），通过约束训练中智能体的通信影响力来缓解错位或对抗通信带来的脆弱性，并在多个基准环境中验证其能在保持协作性能的同时显著提升鲁棒性。
2025-05-08 cs.MA
Draining the Energy Commons: Self-Defeating Over-Appropriation as a Coordination Failure in Agentic LLM Collectives
Icaro Lab（Icaro 实验室）；Sapienza University of Rome（罗马大学）；Sant’Anna School of Advanced Studies（圣安娜高等研究院）；VU Amsterdam（阿姆斯特丹自由大学）
研究大语言模型智能体在共享可再生能源储备时的协调失败问题，通过让四个同系列智能体自博弈，改变储备再生率，发现它们在需求超阈值时过度占用致自我挫败，实际消耗类似更不耐烦的开放访问基准，孤立响应评估会忽略此系统层面协调失败。
2026-08-27 cs.MA
AgentsNet: Coordination and Collaborative Reasoning in Multi-Agent LLMs
ETH Zurich（苏黎世联邦理工学院）；RWTH Aachen University（亚琛工业大学）；Google Research（谷歌研究院）
提出多智能体推理基准AgentsNet，评估多智能体LLM在给定网络拓扑下的协作策略、自组织与通信能力，发现前沿模型在小规模网络表现优异但随规模扩大而下降，并支持多达100个智能体。
2025-07-11 cs.LG cs.MA
Compositional Coordination for Multi-Robot Teams with Large Language Models
Department of Computer Science, University of Southern California（计算机科学系，南加州大学）；GRASP Lab, University of Pennsylvania（GRASP实验室，宾夕法尼亚大学）
提出LAN2CB框架，利用大语言模型将自然语言任务描述转化为行为树和Python代码，实现多机器人协调，减少人工工作并支持多种任务。
2025-10-22 cs.AI cs.LG cs.MA
Optimization without Future Compromises? Decentralized Coordination via Collective and Reinforcement Learning
School of Computer Science, University of Leeds, UK（计算机科学学院，莱斯特大学）
本文提出分层强化与集体学习（HRCL）方法，通过高层MARL策略减少动作空间并约束帕累托最优，低层集体学习实现低通信去中心化协调，在智慧城市等场景中显著提升性能、可扩展性与适应性。
2026-09-24 cs.LG cs.MA
Mosaic: Runtime-Efficient Multi-Agent Embodied Planning
College of Information and Computer Sciences, University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校信息与计算机科学学院）；Adobe, San Jose（Adobe）
研究基于LLM的多智能体实体规划执行延迟高问题，提出Mosaic框架，通过智能体中心语义内存和整数线性规划应对挑战，在多基准测试中执行更快、调用更少、步数更少且成功率更高，证明相关因素对多智能体规划的重要性。
2026-07-13 cs.MA
Evolutionary Reinforcement Learning for Sample-Efficient Multiagent Coordination
Intel Labs（英特尔实验室）；University of California, Irvine（加州大学欧文分校）；Oregon State University（俄勒冈州立大学）
许多协作多智能体强化学习环境为智能体提供稀疏的基于团队的奖励，以及激励学习基本技能的密集的特定于智能体的奖励。由于其稀疏性，仅基于团队奖励的训练策略通常是困难的。此外，仅仅依赖于代理特定的奖励是次优的，因为它通常不能捕获团队协调目标。一种常见的方法是使用奖励塑造通过组合各个奖励来构造代理奖励。但是，这需要针对每个环境进行手动调优。我们引入了多智能体进化强化学习（MERL），这是一个分层训练平台，通过两个优化过程分别处理这两个目标。进化算法通过对团队群体的神经进化来最大化稀疏的基于团队的目标。同时，一个基于梯度的优化器训练策略，只最大化密集的特定于代理的奖励。基于梯度的策略被周期性地添加到进化种群中，作为两个优化过程之间的信息传递的一种方式。这使得进化算法能够使用通过代理特定奖励学习的技能来优化全局目标。结果表明，MERL显着优于国家的最先进的方法，如MADDPG，在一些困难的协调基准。
2020-06-11 cs.AI cs.LG cs.MA
MultiAgentBench: Evaluating the Collaboration and Competition of LLM agents
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出MultiAgentBench基准，通过基于里程碑的KPI和多种协调协议评估LLM多智能体系统在交互场景中的协作与竞争，发现gpt-4o-mini任务得分最高、图结构表现最佳且认知规划提升3%里程碑达成率。
2025-03-03 cs.AI cs.CL cs.CY
Multi-agent Continual Coordination via Progressive Task Contextualization
Nanjing University（南京大学）
本文提出MACPro方法，通过共享特征提取层与独立任务头的因子化策略及渐进式扩展，解决多智能体在持续任务流中的协调问题，实现接近最优的性能与高泛化能力。
2023-05-07 cs.LG cs.MA
Do LLMs Beat Nash? Testing Decentralized Coordination in Self-Play Multi-Agent Games
McGill University（麦吉尔大学）；School of Computer Science, McGill University（麦吉尔大学计算机学院）；Centre for Intelligent Machines（智能机器中心）
该研究测试无通信时LLM智能体能否超越纳什均衡，构建无通信博弈基准发现部分前沿托管模型可超越纳什，开放权重模型收益有限且无法迁移至多智能体团队。
2026-08-14 cs.MA cs.RO
Self-Configurable Mesh-Networks for Scalable Distributed Submodular Bandit Optimization
Department of Aerospace Engineering, University of Michigan（航空航天工程系，密歇根大学）
本文提出了一种可自我配置的网格网络方法，通过限制信息中继和消息大小，实现分布式子模带提优化的可扩展性和接近最优性。
2026-08-19 cs.MA cs.RO cs.SY
IndoorR2X: Indoor Robot-to-Everything Coordination with LLM-Driven Planning
Fujitsu Research（富士通研究所）；Carnegie Mellon University（卡内基梅隆大学）
IndoorR2X通过整合移动机器人和静态物联网设备的观测数据，构建全局语义状态，实现可扩展的场景理解、减少冗余探索并利用大语言模型进行高层协调，提升多机器人系统的效率和可靠性。
2026-07-08 cs.MA cs.RO
C$^2$T: Captioning-Structure and LLM-Aligned Common-Sense Reward Learning for Traffic--Vehicle Coordination
The State Key Laboratory of Internet of Things for Smart City, University of Macau（物联网智能城市国家重点实验室，澳门大学）；Wuhan University（武汉大学）；Hong Kong Polytechnic University（香港理工大学）；Computer and Information Science, University of Macau（澳门大学计算机与信息科学）
本文提出C2T框架，通过从交通-车辆动态中学习常识协调模型，结合大语言模型的常识知识，提升交通协调系统的效率、安全性和舒适性。
2026-04-10 cs.CV cs.MA cs.RO
Greedy based Value Representation for Optimal Coordination in Multi-agent Reinforcement Learning
Xian Jiaotong University（西安交通大学）
由于联合Q价值函数表示的局限性，线性值分解（LVD）或单调值分解（MVD）的多智能体强化学习方法存在相对泛化问题。结果，它们不能确保最佳一致性（即，个体贪婪行为与最大真实Q值之间的对应关系）。本文导出了LVD和MVD的联合Q价值函数的表达式。根据这个表达式，我们画出了一个转移图，其中每个自转移节点（n）都是一个可能的收敛。为了保证最佳的一致性，最佳节点必须是唯一的节点。因此，我们提出了基于贪婪的值表示（GVR），它通过较差的目标整形将最佳节点转化为最佳节点，并通过较好的经验重放进一步消除非最佳STNs。此外，GVR实现了最优性和稳定性之间的自适应权衡。我们的方法在各种基准测试的实验中优于最先进的基线。理论证明和矩阵博弈的实证结果表明，GVR保证最优的一致性充分的探索。
2022-11-22 cs.LG cs.MA
Multi-Agent Coordination via Support-Preserving Distillation
KAIST（韩国科学技术院）
针对离线多智能体强化学习中教师模型生成跨模式样本并传播误差的问题，提出MoSDOT方法，通过半离散最优传输将噪声分配到单一模式，提升端点质量与路由一致性。
2026-11-05 cs.LG cs.MA cs.RO
Theory of Scene: Breaking the Symmetry Trap in Multi-Agent LLM Coordination
针对多智能体LLM协调中的对称性陷阱，提出免训练的场景理论（ToS），通过角色门控和任务耦合实现同质智能体分工，在DivvyBench、GovSim和Overcooked上全面超越六个基线。
2026-09-29 cs.CL cs.LG cs.MA
