AI Agent

DAO-Agent: Zero Knowledge-Verified Incentives for Decentralized Multi-Agent Coordination

DAO-Agent: 零知识验证的去中心化多智能体协调激励机制

Yihan Xia, Taotao Wang, Wenxin Xu, Shengli Zhang

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

AI总结 DAO-Agent通过零知识证明和混合架构，在去中心化环境中实现可审计的多智能体协调与公平激励分配，显著降低链上计算成本。

Comments 10 pages, 1 figure

Mechanism-Based Intelligence (MBI): Differentiable Incentives for Rational Coordination and Guaranteed Alignment in Multi-Agent Systems

基于机制的智能（MBI）：用于多智能体系统中理性协调和保证对齐的可微激励

Stefano Grassi

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

AI总结 基于机制的智能（MBI）通过可微价格机制实现多智能体系统的理性协调和保证对齐，提供高效、可审计且可扩展的解决方案。

ART: Adaptive Response Tuning Framework -- A Multi-Agent Tournament-Based Approach to LLM Response Optimization

ART：自适应响应调节框架——基于多智能体竞赛的LLM响应优化方法

Omer Jauhar Khan

机构 * Department of Computer Science（计算机科学系） ； National University of Computer and Emerging Sciences (FAST-NUCES)（计算机与新兴科学国立大学（FAST-NUCES）） 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 ART通过多智能体竞赛机制优化LLM响应，提升准确性和一致性，实现8.4%的质量提升和R²超过0.96的收敛效果。

Comments 14 pages, 11 figures, 5 tables. IEEE conference-style paper with appendices

Interaction, Process, Infrastructure: A Unified Framework for Human-Agent Collaboration

交互、过程、基础设施：人机协作的统一框架

Yun Wang, Yan Lu

机构 * Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 本文提出了一种统一框架，通过整合交互、过程和基础设施，解决人机协作中结构表示和适应性问题。

Towards Optimal Performance and Action Consistency Guarantees in Dec-POMDPs with Inconsistent Beliefs and Limited Communication

在具有不一致信念和有限通信的Dec-POMDPs中实现最优性能和行动一致性保证

Moshe Rafaeli Shimron, Vadim Indelman

机构 * Technion - Israel Institute of Technology（技术学院-以色列理工学院） 纠错

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

AI总结 本文提出了一种去中心化框架，用于在具有不一致信念和有限通信的Dec-POMDPs中实现最优联合行动选择，提供行动一致性和性能的概率保证，并在需要时触发通信。

Comments 9 pages, 3 figures, 2 tables

Quantum-Inspired Multi Agent Reinforcement Learning for Exploration Exploitation Optimization in UAV-Assisted 6G Network Deployment

量子启发的多智能体强化学习用于UAV辅助6G网络部署中的探索利用优化

Mazyar Taghavi, Javad Vahidi

机构 * Intelligent Knowledge City（智能知识城） 纠错

专题命中 多智能体 ：agent(title)；分类 cs.AI

AI总结 本文提出量子启发的多智能体强化学习框架，用于优化UAV辅助6G网络部署中的探索利用权衡，通过整合量子优化技术提升样本效率和收敛速度。

Comments 59 pages

Journal ref Quantum Mach. Intell. 7, 111 2025

AIAuditTrack: A Framework for AI Security system

AIAuditTrack：AI安全系统的框架

Zixun Luo, Yuhang Fan, Yufei Li, Youzhi Zhang, Hengyu Lin, Ziqi Wang

机构 * organization= Huazhong University of Science ； organization= Lingnan University ； organization= Centre for Artificial Intelligence ； Robotics (CAIR) Hong Kong Institute of Science \& Innovation, Chinese Academy of Sciences ； Tsinghua University ； Fujian Jiangxia University 纠错

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

AI总结 AIAuditTrack通过区块链技术实现AI交互轨迹记录与治理，提供可扩展的AI安全审计与责任追溯方案。

Learning-Enabled Elastic Network Topology for Distributed ISAC Service Provisioning

基于学习的弹性网络拓扑用于分布式ISAC服务提供

Jie Chen, Xianbin Wang

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

AI总结 本文提出基于学习的弹性网络拓扑，通过动态聚合本地网络和联邦网络以提升分布式ISAC服务的效率与资源利用率。

Distributed Online Economic Dispatch with Time-Varying Coupled Inequality Constraints

分布式在线经济调度与时间变化耦合不等式约束

Yingjie Zhou, Xiaoqian Wang, Tao Li

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

AI总结 本文提出了一种基于对偶方法和约束跟踪的算法，用于解决具有时间变化耦合不等式约束的分布式在线经济调度问题，证明了算法在动态遗憾和约束违反方面的亚线性收敛性。

QoS- and Physics-Aware Routing in Optical LEO Satellite Networks via Deep Reinforcement Learning

基于服务质量与物理的光学低轨卫星网络路由方法：通过深度强化学习

Mohammad Taghi Dabiri, Rula Ammuri, Mazen Hasna, Khalid Qaraqe

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出了一种基于深度强化学习的光学低轨卫星网络路由方法，通过结合几何和QoS感知约束，实现物理一致的路由策略，提升连接稳定性与端到端延迟性能。