AI Agent

AOAD-MAT: Transformer-based multi-agent deep reinforcement learning model considering agents' order of action decisions

AOAD-MAT: 基于Transformer的多智能体深度强化学习模型，考虑智能体行动决策顺序

Shota Takayama, Katsuhide Fujita

机构 * Graduate School of Engineering, Tokyo University of Agriculture and Technology（东京农业与技术大学工学院） 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AOAD-MAT模型，通过考虑智能体行动决策顺序，改进多智能体强化学习的性能。

Comments This manuscript is an extended version of the work accepted as a short paper at the 26th International Conference on Principles and Practice of Multi-Agent Systems (PRIMA 2025). The Version of Record of this contribution is published in Springer's Lecture Notes in Artificial Intelligence series (LNCS/LNAI)

Journal ref PRIMA 2025: Principles and Practice of Multi-Agent Systems, LNCS 16366, pp. 303-310 (2026)

Scaling Clinician-Grade Feature Generation from Clinical Notes with Multi-Agent Language Models

通过多智能体语言模型实现临床笔记中临床级特征生成的扩展

Jiayi Wang, Jacqueline Jil Vallon, Nikhil V. Kotha, Neil Panjwani, Xi Ling, Margaret Redfield, Sushmita Vij, Sandy Srinivas, John Leppert, Mark K. Buyyounouski, Mohsen Bayati

机构 * Department of Management Science and Engineering, Stanford University School of Engineering（管理科学与工程系，斯坦福大学工程学院） ； Department of Radiation Oncology, Stanford University School of Medicine（放射肿瘤学系，斯坦福大学医学院） ； Operations, Information and Technology, Stanford University Graduate Business School（运营、信息与技术，斯坦福大学商学院） ； Graduate Business School Research Hub, Stanford University Graduate Business School（商学院研究中心，斯坦福大学商学院） ； Department of Medicine (Oncology), Stanford University School of Medicine（医学系（肿瘤学），斯坦福大学医学院） ； Department of Medicine, Stanford University School of Medicine（医学系，斯坦福大学医学院） ； Department of Urology, Stanford University School of Medicine（泌尿学系，斯坦福大学医学院） ； Veterans Affairs Palo Alto Health Care System（退伍军人事务帕洛阿尔托医疗系统） ； Department of Electrical Engineering, Stanford University School of Engineering（电气工程系，斯坦福大学工程学院） 纠错

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

AI总结 本研究提出了一种多智能体语言模型系统，通过自动化临床笔记特征生成，实现了与人工方法相当的预测性能，并在不同医疗场景中展示了良好的可扩展性和可解释性。

Agent2World: Learning to Generate Symbolic World Models via Adaptive Multi-Agent Feedback

Agent2World: 通过自适应多智能体反馈学习生成符号世界模型

Mengkang Hu, Bowei Xia, Yuran Wu, Ailing Yu, Yude Zou, Qiguang Chen, Shijian Wang, Jiarui Jin, Kexin Li, Wenxiang Jiao, Yuan Lu, Ping Luo

机构 * The University of Hong Kong（香港大学） ； Xiaohongshu Inc.（小红书公司） ； UESTC（电子科技大学） ； Harbin Institute of Technology（哈尔滨工业大学） 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

AI总结 Agent2World通过自适应多智能体反馈学习生成符号世界模型，提升推理和微调性能，实现30.95%的相对提升。

Comments 48 pages, 15 tables, 7 figures, Project page: https://agent2world.github.io

MTTR-A: Measuring Cognitive Recovery Latency in Multi-Agent Systems

MTTR-A：多智能体系统中认知恢复延迟的测量

Barak Or

机构 * Office of the CEO, MetaOr Artificial Intelligence（MetaOr人工智能首席执行官办公室） ； Google–Reichman Tech School, Reichman University（Reichman大学Google–Reichman技术学院） 纠错

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

AI总结 本研究提出MTTR-A指标，用于测量多智能体系统中认知恢复延迟，通过理论分析和实验验证建立了运行时认知可靠性的量化基础。

Comments preprint

AKG kernel Agent: A Multi-Agent Framework for Cross-Platform Kernel Synthesis

AKG核代理：跨平台核合成的多智能体框架

Jinye Du, Quan Yuan, Zuyao Zhang, Yanzhi Yi, Jiahui Hu, Wangyi Chen, Yiyang Zhu, Qishui Zheng, Wenxiang Zou, Xiangyu Chang, Zuohe Zheng, Zichun Ye, Chao Liu, Shanni Li, Renwei Zhang, Yiping Deng, Xinwei Hu, Xuefeng Jin, Jie Zhao

机构 * Huawei Technologies Co., Ltd.（华为技术有限公司） ； Hunan University（湖南大学） 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 AKG核代理是一种多智能体系统，通过自动化核生成、迁移和性能调优，提升跨平台核开发效率。

Reinforcement Networks: novel framework for collaborative Multi-Agent Reinforcement Learning tasks

强化网络：用于协作多智能体强化学习任务的新型框架

Maksim Kryzhanovskiy, Svetlana Glazyrina, Roman Ischenko, Konstantin Vorontsov

机构 * Institute for Artificial Intelligence, Lomonosov Moscow State University（人工智能研究所，罗蒙诺索夫莫斯科国立大学） ； Lomonosov Moscow State University（罗蒙诺索夫莫斯科国立大学） 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 强化网络提出了一种用于协作多智能体强化学习的新框架，通过有向无环图结构实现灵活的信用分配和可扩展协调，统一了分层、模块化和图结构的MARL观点。

Assessing behaviour coverage in a multi-agent system simulation for autonomous vehicle testing

评估多智能体系统模拟在自动驾驶测试中的行为覆盖率

Manuel Franco-Vivo

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

AI总结 本研究提出了一种基于模型预测控制的行人智能体，用于评估多智能体系统模拟在自动驾驶测试中的行为覆盖率，以提升系统安全性和可靠性。

AI4Reading: Chinese Audiobook Interpretation System Based on Multi-Agent Collaboration

AI4Reading: 基于多智能体协作的中文有声书解读系统

Minjiang Huang, Jipeng Qiang, Yi Zhu, Chaowei Zhang, Xiangyu Zhao, Kui Yu

机构 * Yangzhou University（扬州大学） ； City University of Hong Kong（香港城市大学） ； Hefei University of Technology（合肥工业大学） 纠错

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

AI总结 AI4Reading通过多智能体协作，利用大语言模型和语音合成技术，生成更简洁准确的有声书解读内容。

Comments ACL 2025 demo

Multi-Agent Framework for Threat Mitigation and Resilience in AI-Based Systems

多智能体框架用于AI系统中的威胁缓解与韧性

Armstrong Foundjem, Lionel Nganyewou Tidjon, Leuson Da Silva, Foutse Khomh

机构 * Department of Computer and Software Engineering, Polytechnique Montreal（计算机与软件工程系，蒙特利尔理工学院） 纠错

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

AI总结 本文提出多智能体框架，用于识别和缓解AI系统中的威胁，通过构建威胁图分析漏洞和攻击模式，提升系统韧性。

Comments 56 pages, 18 Figures, 22 Tables, TOSEM

Heterogeneity in Multi-Agent Reinforcement Learning

多智能体强化学习中的异质性

Tianyi Hu, Zhiqiang Pu, Yuan Wang, Tenghai Qiu, Min Chen, Xin Yu

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； National Key Laboratory of Cognition and Decision Intelligence for Complex Systems（复杂系统认知与决策智能国家重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

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

AI总结 本文提出了一种多智能体动态参数共享算法，通过定义异质性距离和量化方法，提升MARL中对异质性的理解和应用能力。

FuncPoison: Poisoning Function Library to Hijack Multi-agent Autonomous Driving Systems

FuncPoison：用于劫持多智能体自动驾驶系统的中毒函数库

Yuzhen Long, Songze Li

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

AI总结 FuncPoison通过注入恶意工具篡改多智能体自动驾驶系统的函数库，导致决策错误和系统误导，揭示了该领域的重要安全风险。

Solving Multi-Agent Multi-Goal Path Finding Problems in Polynomial Time

在多项式时间内解决多智能体多目标路径寻找问题

Stefan Edelkamp

机构 * Charles University Prague（查尔斯大学布拉格） 纠错

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

AI总结 本文提出在多项式时间内解决多智能体多目标路径寻找问题的新方法，通过全局分配策略和局部优化减少冲突，实现高效路径规划。

Breaking Symmetry-Induced Degeneracy in Multi-Agent Ergodic Coverage via Stochastic Spectral Control

通过随机频谱控制打破多智能体等耗覆盖中的对称诱导退化

Kooktae Lee, Julian Martinez

机构 * Department of Mechanical Engineering, New Mexico Institute of Mining and Technology（机械工程系，新墨西哥矿业与技术研究所） 纠错

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

AI总结 本文提出随机频谱控制方法，通过引入随机扰动和收缩项，解决多智能体等耗覆盖中因对称性导致的梯度抵消问题，确保轨迹有界并避免停滞。

Weak state synchronization of homogeneous multi-agent systems with adaptive protocols

同质多智能体系统中弱状态同步的弱一致性

Anton A. Stoorvogel, Ali Saberi, Zhenwei Liu, Tayaba Yeasmin

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

AI总结 本文提出了一种无需网络信息的自适应协议，用于实现同质多智能体系统的弱状态同步。

Comments This paper was submitted to 2026 CCDC at Dec. 25, 2025. Different from the submitted version, this version includes all simulation results

Toward Trustworthy Agentic AI: A Multimodal Framework for Preventing Prompt Injection Attacks

迈向可信的代理AI：一种多模态框架用于防止提示注入攻击

Toqeer Ali Syed, Mishal Ateeq Almutairi, Mahmoud Abdel Moaty

机构 * Faculty of Computer and Information System（计算机与信息系统系） ； Islamic University of Madinah（麦地那伊斯兰大学） ； Arab Open University-Bahrain（巴林阿拉伯开放大学） 纠错

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

AI总结 本文提出一种多模态框架，通过溯源感知机制防止代理AI中的提示注入攻击，提升系统安全性和稳定性。

Comments It is accepted in a conference paper, ICCA 2025 in Bahrain on 21 to 23 December

LacAIDes: Generative AI-Supported Creative Interactive Circuits Crafting to Enliven Traditional Lacquerware

LacAIDes: 生成式AI支持的创意互动电路设计以焕发传统漆器工艺

Yaning Li, Yutong Chen, Yihan Hou, Chenyi Chen, Yihan Han, Jingxuan Han, Wenxi Dai, Youyou Li, Xinke Tang, Meng Li, Qi Dong, Hongwei Li

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

AI总结 LacAIDes通过生成式AI支持创意互动电路设计，提升传统漆器制作的参与度和创造力。

Comments Withdrawn for further revisions

Single LLM Debate, MoLaCE: Mixture of Latent Concept Experts Against Confirmation Bias

单个LLM辩论，MoLaCE：混合潜在概念专家对抗确认偏见

Hazel Kim, Philip Torr

机构 * Department of Computer Science University of Oxford（牛津大学计算机科学系） 纠错

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

AI总结 MoLaCE通过混合潜在概念专家减少LLM的确认偏见，提升鲁棒性并高效实现多智能体辩论效果。

Accelerating Language Model Workflows with Prompt Choreography

通过提示编排加速语言模型工作流

TJ Bai, Jason Eisner

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 提示编排通过动态缓存和并行处理，显著提升多智能体工作流中语言模型的效率与速度

Comments to appear in TACL (final preprint of 2025-10-12); 10 pages + appendices

PHANTOM: Physics-Aware Adversarial Attacks against Federated Learning-Coordinated EV Charging Management System

PHANTOM：面向联邦学习协调电动车充电管理系统的物理感知对抗攻击

Mohammad Zakaria Haider, Amit Kumar Podder, Prabin Mali, Aranya Chakrabortty, Sumit Paudyal, Mohammad Ashiqur Rahman

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

AI总结 PHANTOM通过多智能体强化学习和物理信息神经网络，提出了一种针对联邦学习协调电动车充电管理系统的物理感知对抗攻击方法，揭示了其对电网稳定性的影响。

Intelligent Task Management via Dynamic Multi-region Division in LEO Satellite Networks

通过动态多区域划分实现低轨卫星网络中的智能任务管理

Zixuan Song, Zhishu Shen, Xiaoyu Zheng, Qiushi Zheng, Zheng Lei, Jiong Jin

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遗传算法和MA-DDPG的动态多区域划分框架，用于优化LEO卫星网络中的任务管理，提升任务处理效率和资源利用率。

On the duality between consensus problems and Markov processes, with application to delay systems

关于一致性问题与马尔可夫过程的对偶性，及其在延迟系统中的应用

Fatihcan M. Atay

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

AI总结 本文通过将多智能体共识问题与马尔可夫过程对偶，提出统一框架处理延迟系统中的时间延迟问题。

Journal ref Markov Processes and Related Fields, 22(3):537--553, 2016

Multi Agents Semantic Emotion Aligned Music to Image Generation with Music Derived Captions

多智能体语义情感对齐的音乐到图像生成与音乐衍生标题

Junchang Shi, Gang Li

专题命中 多智能体 ：agent(abstract)

AI总结 MESA MIG通过多智能体协作生成音乐到图像，实现语义和情感对齐，提升生成图像的审美质量和情感一致性。

Comments 10 pages,3 figures.Under review for ICME 2026