AI Agent

BAMAS: Structuring Budget-Aware Multi-Agent Systems

BAMAS: 构建预算感知的多智能体系统

Liming Yang, Junyu Luo, Xuanzhe Liu, Yiling Lou, Zhenpeng Chen

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；autonomous agent(abstract)；分类 cs.AI

AI总结 BAMAS通过整数线性规划和强化学习构建预算感知的多智能体系统，有效降低部署成本的同时保持性能。

Comments Accepted by AAAI 2026 (oral paper)

Chatty-KG: A Multi-Agent AI System for On-Demand Conversational Question Answering over Knowledge Graphs

Chatty-KG：一种用于基于知识图谱的按需对话问答的多智能体AI系统

Reham Omar, Abdelghny Orogat, Ibrahim Abdelaziz, Omij Mangukiya, Panos Kalnis, Essam Mansour

机构 * Concordia University（康科德大学） ； IBM Research（IBM研究院） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)；分类 cs.CL

AI总结 Chatty-KG通过多智能体系统实现基于知识图谱的对话问答，结合RAG检索与结构化执行，提升多轮问答的准确性和效率。

Comments This paper is accepted to SIGMOD 2026

MAPF-HD: Multi-Agent Path Finding in High-Density Environments

MAPF-HD：高密度环境中的多智能体路径规划

Hiroya Makino, Seigo Ito

机构 * Toyota Central R&D Labs., Inc.（丰田中央研究实验室） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)

AI总结 本研究提出MAPF-HD框架，通过分阶段无智能体交换方法高效解决高密度环境下的多智能体路径规划问题。

Comments 9 pages, 12 figures

MARPF: Multi-Agent and Multi-Rack Path Finding

MARPF：多智能体和多层路径寻找

Hiroya Makino, Yoshihiro Ohama, Seigo Ito

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；planning(abstract)

AI总结 本研究提出MARPF方法，通过整数线性规划解决多智能体在无通道环境中运输货架的问题，优化路径以避免碰撞并重新定位障碍物。

Comments 7 pages, 10 figures, IROS 2024

Natural Strategic Ability in Stochastic Multi-Agent Systems

随机多智能体系统中的自然策略能力

Raphaël Berthon, Joost-Pieter Katoen, Munyque Mittelmann, Aniello Murano

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI

AI总结 本文提出在随机多智能体系统中使用自然策略框架，分析了 NatPATL 和 NatPATL* 的模型检查复杂性，展示了在确定性策略限制下 NatPATL 的 NP 完全性和 NatPATL* 的 2NEXPTIME 复杂性。

Comments Extended version of the paper accepted at AAAI 2024

Multi-Agent Systems for Dataset Adaptation in Software Engineering: Capabilities, Limitations, and Future Directions

多智能体系统在软件工程数据集适应中的应用：能力、限制与未来方向

Jingyi Chen, Xiaoyan Guo, Songqiang Chen, Shing-Chi Cheung, Jiasi Shen

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.SE

AI总结 本文研究了多智能体系统在软件工程数据集适应中的能力与限制，发现提示干预能显著提升适应效果，为未来更可靠的智能体发展提供方向。

R3A: Reliable RTL Repair Framework with Multi-Agent Fault Localization and Stochastic Tree-of-Thoughts Patch Generation

R3A：一种可靠的RTL修复框架，结合多智能体故障定位和随机树状思维补丁生成

Zizhang Luo, Fan Cui, Kexing Zhou, Runlin Guo, Mile Xia, Hongyuan Hou, Yun Liang

机构 * Peking University（北京大学） ； Beihang University（北航） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI

AI总结 R3A通过多智能体故障定位和随机树状思维补丁生成方法，有效提高了RTL修复的可靠性，修复率高达90.6%。

Multi-Agent Cross-Entropy Method with Monotonic Nonlinear Critic Decomposition

多智能体交叉熵方法与单调非线性批评分解

Yan Wang, Ke Deng, Yongli Ren

机构 * School of Computing Technologies, RMIT University（计算技术学院，皇家墨尔本理工大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.LG

AI总结 多智能体交叉熵方法结合单调非线性批评分解，通过提高高价值联合动作的概率来解决集中-分散不匹配问题，并在连续和离散动作基准上表现优异。

Policy Optimization and Multi-agent Reinforcement Learning for Mean-variance Team Stochastic Games

均值-方差团队随机博弈中的策略优化与多智能体强化学习

Junkai Hu, Li Xia

机构 * School of Mechanical and Electrical Engineering, Shenzhen Polytechnic University（机械与电气工程学院，深圳职业技术大学） ； School of Business, Sun Yat-Sen University（商学院，中山大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.LG

AI总结 本文提出均值-方差多智能体策略迭代算法，用于解决团队随机博弈中的均值-方差优化问题，通过敏感度优化方法证明算法收敛性并推导平稳点条件。

From Consensus to Robust Clustering: Multi-Agent Systems with Nonlinear Interactions

从共识到鲁棒聚类：具有非线性交互的多智能体系统

Anthony Couthures, Gustave Bainier, Vineeth Satheeskumar Varma, Samson Lasaulce, Irinel-Constantin Morarescu

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本文提出了一种理论框架，用于分析多智能体系统中从共识到稳定聚类的过渡，并通过鲁棒性分析验证了其在社交网络中的有效性。

LungNoduleAgent: A Collaborative Multi-Agent System for Precision Diagnosis of Lung Nodules

LungNoduleAgent: 一种用于肺结节精准诊断的协作多智能体系统

Cheng Yang, Hui Jin, Xinlei Yu, Zhipeng Wang, Yaoqun Liu, Fenglei Fan, Dajiang Lei, Gangyong Jia, Changmiao Wang, Ruiquan Ge

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 LungNoduleAgent通过协作多智能体系统提升肺结节诊断的精度与效率

Comments Accepted by AAAI 2026

Distributionally Robust Cascading Risk in Multi-Agent Rendezvous: Extended Analysis of Parameter-Induced Ambiguity

多智能体会合中的分布鲁棒级联风险：参数诱导模糊性的扩展分析

Vivek Pandey, Nader Motee

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本文提出了一种分析多智能体会合中分布鲁棒级联风险的理论框架，通过引入条件分布鲁棒函数和闭合形式风险表达式，揭示了参数不确定性对集体安全的影响，并通过模拟验证了方法的有效性。

Multi-Agent Monocular Dense SLAM With 3D Reconstruction Priors

多智能体单目密集SLAM与3D重建先验

Yuchen Zhou, Haihang Wu

机构 * Xi'an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； Southeast University（东南大学） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本文提出首个多智能体单目密集SLAM系统，通过学习3D重建先验提升效率和精度。

Decentralized Continuification Control of Multi-Agent Systems via Distributed Density Estimation

通过分布式密度估计实现多智能体系统的去中心化连续化控制

Beniamino Di Lorenzo, Gian Carlo Maffettone, Mario di Bernardo

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本文提出一种去中心化连续化控制方法，通过分布式密度估计实现多智能体系统在单位圆上的密度控制，有效提升系统可靠性与实用性。

Journal ref IEEE Control Systems Letters, vol. 9, pp. 1580-1585, 2025

Online Multi-Agent Pickup and Delivery with Task Deadlines

在线多智能体取货与送货问题及任务截止期限

Hiroya Makino, Seigo Ito

机构 * Toyota Central R&D Labs., Inc.（丰田中央研究实验室） 纠错

专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)

AI总结 本研究提出D-TP和D-TPTS算法，解决在线多智能体取货与送货问题中的任务截止期限挑战，通过任务调度优化减少任务延迟，提升自动化仓库效率。

Comments 7 pages, 4 figures, IROS 2024

Bifurcation Logic: Separation Through Ordering

分支逻辑：通过有序分离

Didier Galmiche, Timo Lang, Daniel Méry, David Pym

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)

AI总结 分支逻辑通过有序分离结合模态算子和分离 conjunction，用于多代理访问控制，提供了一种可判定的逻辑框架。

Comments In Proceedings TARK 2025, arXiv:2511.20540

Journal ref EPTCS 437, 2025, pp. 365-378

Geometric Decentralized Stability Certificate for Power Systems Based on Projecting DW Shells

基于投影DW壳的电力系统几何去中心化稳定性证书

Linbin Huang, Liangxiao Luo, Ruohan Leng, Huanhai Xin, Dan Wang, Florian Dörfler

专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)

AI总结 本文提出基于DW壳和投影的几何去中心化稳定性条件，用于分析电力系统稳定性，提供几何解释并实现可扩展的稳定性评估。

Does joint liability reduce cheating in contests with agency problems? Theory and experimental evidence

共同责任是否能减少存在代理问题的比赛中的作弊？理论与实验证据

Qin Wu, Ralph-C Bayer

专题命中 多智能体 ：agent(abstract)

AI总结 本文通过理论与实验研究，探讨共同责任在减少存在代理问题的比赛作弊行为中的作用，发现高罚款下共同责任有效，但低罚款下效果不显著。

When Contracts Get Complex: Information-Theoretic Barriers

当合同变得复杂时：信息论障碍

Paul Dütting, Michal Feldman, Yoav Gal-Tzur, Aviad Rubinstein

专题命中 多智能体 ：agent(abstract)

AI总结 研究发现，对于子模函数f和加法函数c，寻找最优合同需要指数级需求查询，揭示了信息论限制下的合同设计难题。

Comments Accepted to SODA 2026. A preliminary version of this work was circulated under the title "The Query Complexity of Contracts.''