AI Agent

Assessing Long-Term Electricity Market Design for Ambitious Decarbonization Targets using Multi-Agent Reinforcement Learning

评估面向雄心勃勃去碳化目标的长期电力市场设计多智能体强化学习方法

Javier Gonzalez-Ruiz, Carlos Rodriguez-Pardo, Iacopo Savelli, Alice Di Bella, Massimo Tavoni

机构 * Department of Electronics, Information and Bioengineering（电子信息与生物工程系） ； Department of Management, Economics and Industrial Engineering（管理、经济与工业工程系） ； CMCC Foundation- Euro-Mediterranean Center on Climate Change（CMCC基金会—地中海气候变化中心） ； RFF-CMCC European Institute on Economics and the Environment（RFF-CMCC欧洲经济与环境研究所） ； Centre for Research on Geography, Resources, Environment, Energy and Networks (GREEN)（地理、资源、环境、能源与网络研究中心） 纠错

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

AI总结 本文提出多智能体强化学习方法，用于评估面向雄心勃勃去碳化目标的长期电力市场设计，通过模拟意大利电力系统测试不同市场设计和政策场景，揭示市场设计对去碳化和价格稳定的重要性。

Comments Accepted to Energy and AI. Code available in https://github.com/jjgonzalez2491/MARLEY_V1

TACLA: An LLM-Based Multi-Agent Tool for Transactional Analysis Training in Education

TACLA: 基于LLM的多智能体工具用于教育中的交易分析训练

Monika Zamojska, Jarosław A. Chudziak

机构 * Faculty of Electronics and Information Technology（电子与信息技术学院） 纠错

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

AI总结 TACLA是一种基于LLM的多智能体工具，通过整合交易分析原理，实现教育场景中真实的情感状态转变和冲突模拟，提升AI在教育中的应用效果。

Comments Accepted for publication in the proceedings of ICTAI 2025

Journal ref IEEE 37th International Conference on Tools with Artificial Intelligence (ICTAI), Athens, Greece, 2025, pp. 313-320

Modeling multi-agent motion dynamics in immersive rooms

沉浸式房间中多智能体运动动态建模

Jerry M. Huang, Stefan T. Radev

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

AI总结 本文提出了一种基于智能体的模型，用于模拟沉浸式房间中人类运动动态，通过结合环境影响和智能体内部相互作用，以捕捉行动相关的智能体属性并估计运动模式参数。

Distributed Rotary Coverage Control of Multi-Agent Systems in Uncertain Environments

不确定环境下的多智能体系统分布式旋转覆盖控制

Chao Zhai, Yanlin Li

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

AI总结 本文提出了一种基于无基站旋转指针分区机制的分布式覆盖控制方法，以提升多智能体系统在不确定环境中的覆盖效率和鲁棒性。

Observer-based Differentially Private Consensus for Linear Multi-agent Systems

基于观测器的差分隐私一致性控制用于线性多智能体系统

Xiaofeng Zong, Ming-Yu Wang, Jimin Wang, Ji-Feng Zhang

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

AI总结 本文提出基于观测器的差分隐私一致性控制方法，通过加入拉普拉斯噪声保护输出信息，结合反步法和收敛理论实现一致性，同时确保差分隐私保护。

Behavioural Effects of Agentic Messaging: A Case Study on a Financial Service Application

代理信息的Behavioral影响：一项金融服务应用的案例研究

Olivier Jeunen, Schaun Wheeler

机构 * aampe 纠错

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

AI总结 本研究通过随机对照试验发现，代理信息方法在金融服务应用中减少了取消订阅事件并提高了早期申报行为，展示了适应性决策系统对用户参与和留存的积极影响。

Comments To appear in the 48th European Conference on Information Retrieval (ECIR '26) Industry Track

Richelieu: Self-Evolving LLM-Based Agents for AI Diplomacy

Richelieu: 基于大语言模型的自进化AI外交代理

Zhenyu Guan, Xiangyu Kong, Fangwei Zhong, Yizhou Wang

机构 * Institute for Artificial Intelligence（人工智能研究院） ； Computer School（计算机学院） ； School of Artificial Intelligence（人工智能学院） ； Center on Frontiers of Computing Studies（计算前沿研究中心） ； State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） ； Nat’l Eng. Research Center of Visual Technology（视觉技术国家工程研究中心） ； State Key Lab of General Artificial Intelligence（通用人工智能国家重点实验室） ； BIGAI 纠错

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

AI总结 Richelieu通过整合战略规划、目标导向谈判和自我进化能力，开发出能执行复杂多代理任务的AI外交代理。

Journal ref NuerIPS 2024

Combinatorial Control Barrier Functions: Nested Boolean and p-choose-r Compositions of Safety Constraints

组合控制障碍函数：安全约束的嵌套布尔和p-choose-r组合

Pio Ong, Haejoon Lee, Tamas G. Molnar, Dimitra Panagou, Aaron D. Ames

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

AI总结 本文提出组合控制障碍函数框架，用于处理安全约束的嵌套布尔和p-choose-r组合，通过可扩展的方式确保系统安全性。

Comments 6 pages, 3 figures, Accepted for publication in Control System Letters (L-CSS) with the possibility of presenting at the American Control Conference (ACC) 2026

SCAFFLSA: Taming Heterogeneity in Federated Linear Stochastic Approximation and TD Learning

SCAFFLSA: 降低联邦线性随机逼近和TD学习中的异质性

Paul Mangold, Sergey Samsonov, Safwan Labbi, Ilya Levin, Reda Alami, Alexey Naumov, Eric Moulines

机构 * CMAP, UMR 7641, École polytechnique（法国高等理工学院CMAP研究所） ； HSE University（俄罗斯高等经济大学） ； Technology Innovation Institute（技术创新研究所） ； Steklov Mathematical Institute of Russian Academy of Sciences（俄罗斯科学院斯捷克洛夫数学研究所） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 SCAFFLSA通过控制变体纠正客户端漂移，实现联邦线性随机逼近和TD学习中异质性的有效处理，具有线性加速的样本复杂度。

Comments now with linear speed-up!