AI Agent

Multi-Agent Conditional Diffusion Model with Mean Field Communication as Wireless Resource Allocation Planner

多智能体条件扩散模型与均场通信作为无线资源分配规划器

Kechen Meng, Sinuo Zhang, Rongpeng Li, Xiangming Meng, Yansha Deng, Chan Wang, Ming Lei, Zhifeng Zhao

机构 * College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） ； Zhejiang University-University of Illinois Urbana-Champaign (ZJU-UIUC) Institute, Zhejiang University（浙江大学-伊利诺伊大学厄巴纳-香槟分校联合研究所） ； Department of Engineering, King’s College London（伦敦国王学院工程系） 纠错

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

AI总结 多智能体条件扩散模型与均场通信用于无线资源分配规划，通过扩散模型和逆动态模型提升样本效率与策略可扩展性，理论保证收敛稳定性，实验显示在无线网络优化中表现优异。

CogniPair: From LLM Chatbots to Conscious AI Agents -- GNWT-Based Multi-Agent Digital Twins for Social Pairing -- Dating & Hiring Applications

CogniPair: 从LLM聊天机器人到有意识的AI代理 -- 基于GNWT的多智能体数字孪生用于社交配对 -- dating与招聘应用

Wanghao Ye, Sihan Chen, Yiting Wang, Shwai He, Bowei Tian, Guoheng Sun, Ziyi Wang, Ziyao Wang, Yexiao He, Zheyu Shen, Meng Liu, Yuning Zhang, Meng Feng, Yang Wang, Siyuan Peng, Yilong Dai, Zhenle Duan, Lang Xiong, Joshua Liu, Hanzhang Qin, Ang Li

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

AI总结 CogniPair基于GNWT理论，通过整合人类认知架构，创建多智能体数字孪生系统，用于社交配对，提升LLM代理的心理真实性，并应用于约会和招聘场景。

Transforming Monolithic Foundation Models into Embodied Multi-Agent Architectures for Human-Robot Collaboration

将单体基础模型转化为具身体验的多智能体架构以实现人机协作

Nan Sun, Bo Mao, Yongchang Li, Chenxu Wang, Di Guo, Huaping Liu

机构 * Department of Computer Science and Technology, Tsinghua University（计算机科学与技术系，清华大学） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications（人工智能学院，北京邮电大学） 纠错

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

AI总结 InteractGen通过分解机器人智能为多个智能体，提升服务机器人在人类环境中的自主性和协作能力。

Comments 21 pages, 16 figures, 4 tables

Augmented Runtime Collaboration for Self-Organizing Multi-Agent Systems: A Hybrid Bi-Criteria Routing Approach

增强型运行时协作用于自组织多智能体系统：一种混合双标准路由方法

Qingwen Yang, Feiyu Qu, Tiezheng Guo, Yanyi Liu, Yingyou Wen

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

AI总结 本文提出BiRouter，一种混合双标准路由方法，用于自组织多智能体系统，通过平衡重要性和连续性指标提升任务路由性能和鲁棒性。

Comments Accepted at The 40th Annual AAAI Conference on Artificial Intelligence

Design and Evaluation of a Multi-Agent Perception System for Autonomous Flying Networks

自主飞行网络多智能体感知系统的設計與評估

Diogo Ferreira, Pedro Ribeiro, André Coelho, Rui Campos

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

AI总结 本文提出多智能体感知系统MAPS，利用多模态大语言模型和代理AI，实现自主飞行网络中用户感知与服务需求的自动识别与规范生成。

Extending NGU to Multi-Agent RL: A Preliminary Study

将NGU扩展到多智能体RL：初步研究

Juan Hernandez, Diego Fernández, Manuel Cifuentes, Denis Parra, Rodrigo Toro Icarte

机构 * Department of Computer Science, Pontifical Catholic University of Chile（天主教智利大学计算机科学系） ； Millennium Institute for Intelligent Healthcare Engineering (iHEALTH)（智能医疗工程研究院） ； National Center for Artificial Intelligence (CENIA)（人工智能国家中心） 纠错

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

AI总结 本研究将NGU算法扩展至多智能体RL环境，通过共享经验缓冲区和优化内在探索信号，提升了多智能体任务中的性能与稳定性。

Comments 9 pages, 4 figures, 1 table. Accepted at the LatinX in AI (LXAI) Workshop at NeurIPS 2025. Includes experimental results for Multi-NGU and Multi-DQN in the PettingZoo simple_tag environment

Chain-of-Query: Unleashing the Power of LLMs in SQL-Aided Table Understanding via Multi-Agent Collaboration

链式查询：通过多智能体协作释放LLM在SQL辅助表格理解中的潜力

Songyuan Sui, Hongyi Liu, Serena Liu, Li Li, Soo-Hyun Choi, Rui Chen, Xia Hu

机构 * Rice University（里士大学） ； Samsung Electronics America（三星电子美国分公司） ； Warner Bros. Discovery（华纳兄弟发现） 纠错

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

AI总结 链式查询通过多智能体协作提升SQL辅助表格理解的准确性与有效性

Comments AACL 2025 Main Conference (Oral)

Emergent Convergence in Multi-Agent LLM Annotation

多智能体大语言模型注释中的涌现收敛

Angelina Parfenova, Alexander Denzler, Juergen Pfeffer

机构 * Lucerne University of Applied Sciences and Arts（卢塞恩应用科学与艺术大学） ； Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 本研究通过模拟多智能体协作任务，揭示了大语言模型在无显式角色提示下涌现的协调策略，展示了词汇和语义上的收敛及不对称影响模式。

Journal ref EMNLP2025

A Flexible Multi-Agent LLM-Human Framework for Fast Human Validated Tool Building

一种灵活的多智能体LLM-人类框架，用于快速的人类验证工具构建

Daull Xavier, Patrice Bellot, Emmanuel Bruno, Vincent Martin, Elisabeth Murisasco

机构 * Toulon Univ（图卢兹大学） ； Aix Marseille Univ（阿维尼翁-马赛大学） ； CNRS（国家科学研究中心） ； LIS（信息系统实验室） 纠错

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

AI总结 该研究提出了一种灵活的多智能体框架，通过人类反馈和强化学习，实现快速的人类验证工具构建，适用于复杂迭代任务。

Journal ref 2025 IEEE/WIC International Conference on Web Intelligence and Intelligent Agent Technology (WI-IAT), Nov 2025, Londres, United Kingdom

Hierarchical Decentralized Multi-Agent Coordination with Privacy-Preserving Knowledge Sharing: Extending AgentNet for Scalable Autonomous Systems

分层去中心化多智能体协调与隐私保护知识共享：扩展AgentNet以实现可扩展的自主系统

Goutham Nalagatla

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

AI总结 AgentNet++通过分层去中心化框架和隐私保护技术，提升多智能体系统的可扩展性和隐私保障，实现更高的任务完成率和更低的通信开销。

Comments 6 pages, 4 figures

AgentODRL: A Large Language Model-based Multi-agent System for ODRL Generation

AgentODRL: 基于大语言模型的多智能体系统用于ODRL生成

Wanle Zhong, Keman Huang, Xiaoyong Du

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

AI总结 AgentODRL通过多智能体系统和大语言模型技术，提升ODRL生成的准确性和效率。

Comments Accepted by AAAI 2026. 9 pages, 1 figure

Exploring Equity of Climate Policies using Multi-Agent Multi-Objective Reinforcement Learning

探讨气候政策的公平性：基于多智能体多目标强化学习的多目标优化

Palok Biswas, Zuzanna Osika, Isidoro Tamassia, Adit Whorra, Jazmin Zatarain-Salazar, Jan Kwakkel, Frans A. Oliehoek, Pradeep K. Murukannaiah

机构 * Delft University of Technology（代尔夫特理工大学） 纠错

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

AI总结 本文提出Justice框架，结合多目标多智能体强化学习与整合评估模型，以生成兼顾公平性与气候经济目标的政策建议。

Comments Published at IJCAI 2025, AI and Social Good Track

Agent-Kernel: A MicroKernel Multi-Agent System Framework for Adaptive Social Simulation Powered by LLMs

Agent-Kernel: 一种基于LLM的自适应社会模拟微内核多智能体系统框架

Yuren Mao, Peigen Liu, Xinjian Wang, Rui Ding, Jing Miao, Hui Zou, Mingjie Qi, Wanxiang Luo, Longbin Lai, Kai Wang, Zhengping Qian, Peilun Yang, Yunjun Gao, Ying Zhang

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

AI总结 Agent-Kernel是一种基于LLM的自适应社会模拟微内核多智能体系统框架，通过模块化架构提升模拟的适应性与可重用性。

A distributed motion planning approach to cooperative underwater acoustic source tracking

一种分布式运动规划方法用于协同水下声源跟踪

Andrea Tiranti, Francesco Wanderlingh, Enrico Simetti, Marco Baglietto, Giovanni Indiveri, Antonio Pascoal

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

AI总结 本文提出了一种基于分布式模型预测控制的水下声源跟踪方法，通过优化多代理协同运动规划提升跟踪性能。

Journal ref Tiranti, Andrea, et al. "A distributed motion planning approach to cooperative underwater acoustic source tracking." Ocean Engineering 344 (2026): 123305

Reinventing Clinical Dialogue: Agentic Paradigms for LLM Enabled Healthcare Communication

重新定义临床对话：面向LLM赋能医疗沟通的代理范式

Xiaoquan Zhi, Hongke Zhao, Likang Wu, Chuang Zhao, Hengshu Zhu

专题命中 多智能体 ：agentic(title,abstract)；planning(abstract)；workflow(abstract)

AI总结 本文提出一种新的分类法，通过知识源和代理目标的正交轴分析，揭示医疗AI从生成文本预测转向代理自主性的认知架构，并探讨四种范式在创造力与可靠性间的权衡。

Learning Robust Social Strategies with Large Language Models

利用大语言模型学习稳健的社会策略

Dereck Piche, Mohammed Muqeeth, Milad Aghajohari, Juan Duque, Michael Noukhovitch, Aaron Courville

机构 * Mila ； University of Montreal（蒙特利尔大学） 纠错

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

AI总结 本研究通过改进的对手学习算法，使大语言模型在多智能体协作中更稳健，提升集体收益并防止被贪婪智能体利用。

The Station: An Open-World Environment for AI-Driven Discovery

The Station：一个面向AI驱动发现的开放世界环境

Stephen Chung, Wenyu Du

机构 * DualverseAI ； University of Cambridge（剑桥大学） ； University of Hong Kong（香港大学） 纠错

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

AI总结 STATION是一个开放世界多智能体环境，通过自主科学发现的涌现行为实现AI驱动的科学突破。

Comments 55 pages

AssistantX: An LLM-Powered Proactive Assistant in Collaborative Human-Populated Environment

AssistantX: 一种基于大语言模型的协作人类 populated 环境中的主动助手

Nan Sun, Bo Mao, Yongchang Li, Di Guo, Huaping Liu

机构 * Department of Computer Science and Technology, Tsinghua University（计算机科学与技术系，清华大学） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications（人工智能学院，北京邮电大学） 纠错

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

AI总结 AssistantX 是一种基于大语言模型的主动助手，通过多代理框架实现自主操作，具备高级推理能力和协作意识，能有效响应用户指令并主动寻求帮助以完成任务。

Comments 8 pages, 10 figures, 6 tables

Journal ref 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Hangzhou, China, 2025

X-SYCON: Xylem-Inspired Passive Gradient Control for Communication-Free Swarm Response in Dynamic Disaster Environments

X-SYCON：受木质部启发的被动梯度控制用于无通信蜂群响应在动态灾害环境中

Arthur Ji Sung Baek, Geoffrey Martin

机构 * Independent Researcher（独立研究者） ； Cornell University（康奈尔大学） 纠错

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

AI总结 X-SYCON是一种受木质部启发的多智能体架构，通过被动场动态实现协调，无需通信即可在动态灾害环境中高效响应。

Comments Preprint v1. 10 pages, 11 figures. Code and data: https://github.com/arthurbaek/biovascular-swarm-robotics

Multilingual Conversational AI for Financial Assistance: Bridging Language Barriers in Indian FinTech

多语言对话AI用于金融服务：弥合印度金融科技中的语言障碍

Bharatdeep Hazarika, Arya Suneesh, Prasanna Devadiga, Pawan Kumar Rajpoot, Anshuman B Suresh, Ahmed Ifthaquar Hussain

机构 * TIFIN India（TIFIN印度） 纠错

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

AI总结 本研究提出了一种多语言对话AI系统，用于支持印度多样化的语言环境，提升金融服务的可及性与用户参与度。

Value-oriented forecast reconciliation for renewables in electricity markets

面向价值的可再生能源电力市场预测协调

Honglin Wen, Pierre Pinson

机构 * Department of Electrical Engineering, Shanghai Jiao Tong University, China（上海交通大学电气工程系） ； Dyson School of Design Engineering, Imperial College London, United Kingdom（帝国理工学院伦敦戴森设计工程学院） ； Department of Technology, Management and Economics, Technical University of Denmark, Denmark（丹麦技术大学技术、管理与经济系） ； CoRE, Aarhus University, Denmark（奥胡斯大学CoRE） 纠错

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

AI总结 本文提出了一种面向价值的预测协调方法，通过纳什谈判框架确保公平性，提升多智能体环境下可再生能源交易的利润分配效率。

Comments preprint of European Journal of Operational Research

Adversarial Inverse Reinforcement Learning for Mean Field Games

对抗逆强化学习用于均场博弈

Yang Chen, Libo Zhang, Jiamou Liu, Michael Witbrock

机构 * Strong AI Lab, University of Auckland（强人工智能实验室，奥克兰大学） ； University of Auckland（奥克兰大学） 纠错

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

AI总结 本文提出均场对抗逆强化学习框架，用于解决均场博弈中演示行为不确定性问题，通过最大熵IRL和新均衡概念提升奖励恢复性能。

Comments Accepted to AAMAS 2023

Optimizing Information Asset Investment Strategies in the Exploratory Phase of the Oil and Gas Industry: A Reinforcement Learning Approach

在油气行业的勘探阶段优化信息资产投资策略：一种强化学习方法

Paulo Roberto de Melo Barros Junior, Monica Alexandra Vilar Ribeiro De Meireles, Jose Luis Lima de Jesus Silva

机构 * ISCTE Business School（ISCTE商学院） ； Oxaala Technologies（Oxaala技术公司） 纠错

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

AI总结 本文通过强化学习方法，提出在油气勘探早期优先获取高质量信息资产的策略，以减少冗余成本并提高储量估值精度，挑战传统投资策略的经济效率。

Testing the Machine Consciousness Hypothesis

检验机器意识假说

Stephen Fitz

机构 * California Institute for Machine Consciousness（加利福尼亚机器意识研究所） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 本文提出通过研究分布式系统中集体智能的对齐机制，探讨机器意识的产生源于交流而非建模。

Necessary and Sufficient Criterion for Singular or Nonsingular of Diagonally Dominant Matrices

对对角占优矩阵奇异或非奇异性的必要和充分准则

Jidong Jin

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

AI总结 本文提出对对角占优矩阵奇异性的必要和充分条件，通过角度方程组和相似性分析，结合网络动力系统等应用，解决矩阵奇异性的判定问题。

Comments 21 pages,0 figures

Journal ref Science China: Mathematics, 2014, 44(11). Vol. 44, No. 11, 2014. C

Have We Scene It All? Scene Graph-Aware Deep Point Cloud Compression

我们是否已经看到了一切？基于场景图的深度点云压缩

Nikolaos Stathoulopoulos, Christoforos Kanellakis, George Nikolakopoulos

机构 * Robotics and AI Group, Department of Computer, Electrical and Space Engineering, Luleå University of Technology（机器人与人工智能组，计算机、电子与航天工程系，卢勒阿大学技术学院） 纠错

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

AI总结 本文提出基于场景图的深度点云压缩框架，通过语义感知编码和结构化解码实现高效压缩，保留结构和语义信息，并支持多机器人系统中的下游应用。

Comments Please cite published version. 8 pages, 6 figures

Journal ref IEEE Robotics and Automation Letters, vol. 10, no. 12, pp. 12477-12484, 2025

Social Optimization in Noncooperative Games under Central Regulation

非合作博弈中在中央调控下的社会优化

Kaixin Du, Min Meng, Xiaoming Hu

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

AI总结 本文提出了一种不精确零阶算法，用于解决非合作博弈在高层调控下的双层社会优化问题，证明了算法的亚线性收敛性。

Flexible Swarm Learning May Outpace Foundation Models in Essential Tasks

灵活的群体学习可能在关键任务上超越基础模型

Moein E. Samadi, Andreas Schuppert

机构 * Institute for Computational Biomedicine, RWTH Aachen University（计算生物医学研究所，亚琛工业大学） ； Center for Computational Life Sciences, RWTH Aachen University（计算生命科学中心，亚琛工业大学） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出了一种去中心化的群体学习架构，通过多个小代理网络实现自我适应，以在动态环境中超越传统基础模型。

Fault-tolerant mutual-visibility: complexity and solutions for grid-like networks

容错互见性：网格状网络的复杂性与解决方案

Serafino Cicerone, Gabriele Di Stefano, Sandi Klavžar, Gang Zhang

专题命中 多智能体 ：agent(abstract)

AI总结 研究提出k-容错互见性概念，用于网格状网络中实现高效且保密的通信，通过分析其复杂性及计算难度，为网络可靠性提供理论支持。

Comments 25 pages, 3 figure, 1 table