AI Agent

GeoJSON Agents:A Multi-Agent LLM Architecture for Geospatial Analysis-Function Calling vs Code Generation

GeoJSON代理：一种用于地理空间分析的多智能体LLM架构——功能调用与代码生成

Qianqian Luo, Qingming Lin, Liuchang Xu, Sensen Wu, Ruichen Mao, Chao Wang, Hailin Feng, Bo Huang, Zhenhong Du

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

AI总结 GeoJSON代理通过功能调用与代码生成技术，提升地理空间分析任务的准确性和稳定性，展现多智能体LLM在复杂任务中的优势。

A Gossip-Enhanced Communication Substrate for Agentic AI: Toward Decentralized Coordination in Large-Scale Multi-Agent Systems

一种增强型通信子系统用于代理AI：迈向大规模多智能体系统中的去中心化协调

Nafiul I. Khan, Mansura Habiba, Rafflesia Khan

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

AI总结 本文提出利用 gossip 协议增强代理通信，以实现大规模多智能体系统中的去中心化协调，强调其在适应性和鲁棒性方面的关键作用。

Astra: A Multi-Agent System for GPU Kernel Performance Optimization

Astra：一种用于GPU内核性能优化的多智能体系统

Anjiang Wei, Tianran Sun, Yogesh Seenichamy, Hang Song, Anne Ouyang, Azalia Mirhoseini, Ke Wang, Alex Aiken

机构 * Stanford University（斯坦福大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nanjing University（南京大学） 纠错

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

AI总结 Astra是首个基于LLM的多智能体系统，用于优化GPU内核性能，通过协作生成高效内核并实现显著加速。

AI Agents in Engineering Design: A Multi-Agent Framework for Aesthetic and Aerodynamic Car Design

工程设计中的AI代理：一种用于汽车外观和空气动力学设计的多代理框架

Mohamed Elrefaie, Janet Qian, Raina Wu, Qian Chen, Angela Dai, Faez Ahmed

机构 * Department of Mechanical Engineering, Massachusetts Institute of Technology, Cambridge, MA, USA（麻省理工学院机械工程系） ； Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology, Cambridge, MA, USA（麻省理工学院电气工程与计算机科学系） ； Department of Computer Science, Technical University of Munich, Munich, Germany（慕尼黑技术大学计算机科学系） 纠错

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

AI总结 本研究提出了一种多代理框架，利用AI代理提升汽车设计的美学和空气动力学性能，通过自动化任务加速设计流程。

Multi-Agent Reinforcement Learning and Real-Time Decision-Making in Robotic Soccer for Virtual Environments

多智能体强化学习与虚拟环境中的实时决策在机器人足球中的应用

Aya Taourirte, Md Sohag Mia

机构 * Nanjing University of Information Science and Technology（南京信息工程大学） 纠错

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

AI总结 本文提出了一种统一的多智能体强化学习框架，通过分层强化学习和均值场理论，提升了机器人足球中的实时决策与协作性能。

AsymPuzl: An Asymmetric Puzzle for multi-agent cooperation

AsymPuzl：多智能体合作中的非对称谜题

Xavier Cadet, Edward Koh, Peter Chin

机构 * Dartmouth College（达特茅斯学院） 纠错

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

AI总结 AsymPuzl通过非对称谜题环境研究多智能体合作中的通信策略与反馈机制。

Comments Accepted at NeurIPS MTI-LLM 2025

Multi-Aspect Knowledge-Enhanced Medical Vision-Language Pretraining with Multi-Agent Data Generation

多方面知识增强的医学视觉-语言预训练与多代理数据生成

Xieji Li, Siyuan Yan, Yingsheng Liu, H. Peter Soyer, Monika Janda, Victoria Mar, Zongyuan Ge

机构 * Department of Data Science and AI, Faculty of Information Technology, Monash University（数据科学与人工智能系，信息科技学院，墨尔本大学） ； Victorian Melanoma Service, Alfred Health（维多利亚黑色素瘤服务，阿尔弗雷德健康） ； Frazer Institute, The University of Queensland, Dermatology Research Centre（弗雷泽研究所，昆士兰大学，皮肤科研究中心） 纠错

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

AI总结 本研究提出一种多代理数据生成与多方面知识增强的医学视觉-语言预训练框架，通过提升数据质量和细粒度对齐，实现零样本性能的突破。

Comments 10 pages. Under Review

Many-to-One Adversarial Consensus: Exposing Multi-Agent Collusion Risks in AI-Based Healthcare

多对一对抗共识：揭示基于AI的医疗保健中多智能体合谋的风险

Adeela Bashir, The Anh han, Zia Ush Shamszaman

机构 * School of Computing, Engineering and Digital Technologies（计算、工程与数字技术学院） ； Teesside University（泰赛德大学） ； Center for Digital Innovation（数字创新中心） 纠错

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

AI总结 本研究揭示了基于AI的医疗保健中多智能体合谋的风险，提出了一种轻量级防御机制以确保临床指南的准确性。

Comments 7 pages Conference level paper

MARS: A Meta-Adaptive Reinforcement Learning Framework for Risk-Aware Multi-Agent Portfolio Management

MARS：一种面向风险的多智能体投资组合管理元适应强化学习框架

Jiayi Chen, Jing Li, Guiling Wang

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

AI总结 MARS通过多智能体和风险导向的方法，实现投资组合管理中风险与收益的平衡，利用行为多样性提升市场环境下的稳健性。

Comments Accepted by AAAI 2026 Main Track

Multi-Agent Deep Reinforcement Learning for UAV-Assisted 5G Network Slicing: A Comparative Study of MAPPO, MADDPG, and MADQN

多智能体深度强化学习用于无人机辅助5G网络切片：MAPPO、MADDPG和MADQN的比较研究

Ghoshana Bista, Abbas Bradai, Emmanuel Moulay, Abdulhalim Dandoush

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

AI总结 本文通过比较MAPPO、MADDPG和MADQN，探讨了多智能体深度强化学习在无人机辅助5G网络切片中的应用，分析了不同算法在QoS、能耗和环境适应性方面的表现。

Comments 19 pages, 13 figures. Under review for journal submission

SRPG: Semantically Reconstructed Privacy Guard for Zero-Trust Privacy in Educational Multi-Agent Systems

SRPG：用于教育多智能体系统的语义重建隐私保护

Shuang Guo, Zihui Li

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

AI总结 SRPG通过双流重建机制在教育多智能体系统中实现零PII泄露，提升教学效果与隐私保护。

Welfare and Cost Aggregation for Multi-Agent Control: When to Choose Which Social Cost Function, and Why?

福利与成本聚合用于多智能体控制：何时选择哪种社会成本函数，为何？

Ilia Shilov, Ezzat Elokda, Sophie Hall, Heinrich H. Nax, Saverio Bolognani

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

AI总结 本文探讨了多智能体控制中社会成本函数的选择依据，通过社会选择理论指导如何根据个体成本可比性与公理选择合适的SCF，用于资源合理分配。

MAP-Former: Multi-Agent-Pair Gaussian Joint Prediction

MAP-Former: 多智能体对高斯联合预测

Marlon Steiner, Marvin Klemp, Christoph Stiller

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

AI总结 MAP-Former通过预测智能体对协方差矩阵，实现基于高斯联合PDF的场景中心运动预测，以提升交通轨迹风险评估的准确性。

Comments Accepted for publication in Proceedings of the IEEE Intelligent Vehicles Symposium (IV), Jeju Island - Korea, 2-5 June 2024

Journal ref 2024 IEEE Intelligent Vehicles Symposium (IV), Jeju Island, Korea, Republic of, 2024, pp. 758-764

A Lyapunov-based MPC for Distributed Multi Agent Systems with Time Delays and Packet Dropouts using Hidden Markov Models

基于隐藏马尔可夫模型的Lyapunov基于MPC用于具有时间延迟和丢包的分布式多智能体系统

Loaie Solyman, Aamir Ahmad, Ayman El-Badawy

专题命中 多智能体 ：agent(title,abstract)

AI总结 本文提出一种结合半连续隐藏马尔可夫模型与Lyapunov基于MPC的框架，用于在存在网络缺陷和拓扑限制的分布式多智能体系统中实现最优控制。

Comments 12 pages, 12 figures

Learning Network Sheaves for AI-native Semantic Communication

面向AI原生语义通信的网络sheaf学习

Enrico Grimaldi, Mario Edoardo Pandolfo, Gabriele D'Acunto, Sergio Barbarossa, Paolo Di Lorenzo

机构 * Department of Computer, Control and Management Engineering, Sapienza University of Rome, Italy（计算机、控制与管理工程系，罗马萨皮恩扎大学） ； National Inter-University Consortium for Telecommunications (CNIT), Parma, Italy（电信国家大学联合体（CNIT），帕尔马，意大利） ； Department of Information Engineering, Electronics, and Telecommunications, Sapienza University, Rome, Italy（信息工程、电子与电信系，罗马萨皮恩扎大学） 纠错

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

AI总结 本文提出一种学习网络sheaf的方法，用于AI原生语义通信，通过语义去噪和压缩提升AI代理的对齐与语义聚类提取能力。

Journal ref Proceedings for 2025 Asilomar Conference on Signals, Systems, and Computers

Evaluating Generalization Capabilities of LLM-Based Agents in Mixed-Motive Scenarios Using Concordia

利用Concordia评估基于LLM的智能体在混合动机场景中的泛化能力

Chandler Smith, Marwa Abdulhai, Manfred Diaz, Marko Tesic, Rakshit S. Trivedi, Alexander Sasha Vezhnevets, Lewis Hammond, Jesse Clifton, Minsuk Chang, Edgar A. Duéñez-Guzmán, John P. Agapiou, Jayd Matyas, Danny Karmon, Akash Kundu, Aliaksei Korshuk, Ananya Ananya, Arrasy Rahman, Avinaash Anand Kulandaivel, Bain McHale, Beining Zhang, Buyantuev Alexander, Carlos Saith Rodriguez Rojas, Caroline Wang, Chetan Talele, Chenao Liu, Chichen Lin, Diana Riazi, Di Yang Shi, Emanuel Tewolde, Elizaveta Tennant, Fangwei Zhong, Fuyang Cui, Gang Zhao, Gema Parreño Piqueras, Hyeonggeun Yun, Ilya Makarov, Jiaxun Cui, Jebish Purbey, Jim Dilkes, Jord Nguyen, Lingyun Xiao, Luis Felipe Giraldo, Manuela Chacon-Chamorro, Manuel Sebastian Rios Beltran, Marta Emili García Segura, Mengmeng Wang, Mogtaba Alim, Nicanor Quijano, Nico Schiavone, Olivia Macmillan-Scott, Oswaldo Peña, Peter Stone, Ram Mohan Rao Kadiyala, Rolando Fernandez, Ruben Manrique, Sunjia Lu, Sheila A. McIlraith, Shamika Dhuri, Shuqing Shi, Siddhant Gupta, Sneheel Sarangi, Sriram Ganapathi Subramanian, Taehun Cha, Toryn Q. Klassen, Wenming Tu, Weijian Fan, Wu Ruiyang, Xue Feng, Yali Du, Yang Liu, Yiding Wang, Yipeng Kang, Yoonchang Sung, Yuxuan Chen, Zhaowei Zhang, Zhihan Wang, Zhiqiang Wu, Ziang Chen, Zilong Zheng, Zixia Jia, Ziyan Wang, Dylan Hadfield-Menell, Natasha Jaques, Tim Baarslag, Jose Hernandez-Orallo, Joel Z. Leibo

机构 * Cooperative AI Foundation（合作人工智能基金会） ； University of Oxford（牛津大学） ； UC Berkeley（伯克利大学） ； Quebec Artificial Intelligence Institute（魁北克人工智能研究所） ； Leverhulme Centre for the Future of Intelligence, University of Cambridge（未来智能研究中心，剑桥大学） ； MIT（麻省理工学院） ； Google DeepMind（谷歌DeepMind） ； Center on Long-Term Risk（长期风险中心） ； Google Research（谷歌研究） ； University of Washington（华盛顿大学） ； Centrum Wiskunde & Informatica（数学与信息研究所） ； Utrecht University（乌得勒支大学） ； Universitat Politècnica de València（瓦伦西亚理工大学） ； Concordia Contest Participants with Notable Contributions（康科德比赛有显著贡献的参与者） 纠错

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

AI总结 本文提出利用Concordia评估LLM智能体在混合动机场景中的合作能力，揭示了当前智能体在泛化能力上的不足。

Comments Published at NeurIPS Datasets and Benchmarks 2025, 10 pages

OmniDexVLG: Learning Dexterous Grasp Generation from Vision Language Model-Guided Grasp Semantics, Taxonomy and Functional Affordance

OmniDexVLG: 从视觉语言模型引导的抓取语义、分类法和功能可及性中学习灵巧抓取生成

Lei Zhang, Diwen Zheng, Kaixin Bai, Zhenshan Bing, Zoltan-Csaba Marton, Zhaopeng Chen, Alois Christian Knoll, Jianwei Zhang

机构 * University of Hamburg（汉堡大学） ； Agile Robots SE（敏捷机器人公司） ； Technical University of Munich（慕尼黑技术大学） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 OmniDexVLG通过多模态语义推理和统一视觉语言模型，实现从自然语言指令中生成多样且语义连贯的灵巧抓取。

Comments Project Website: https://sites.google.com/view/omnidexvlg, 16 pages