AI Agent

Toward Autonomous Engineering Design: A Knowledge-Guided Multi-Agent Framework

迈向自主工程设计：一种知识引导的多智能体框架

Varun Kumar, George Em Karniadakis

机构 * School of Engineering, Brown University（布朗大学工程学院） ； Division of Applied Mathematics, Brown University（布朗大学应用数学系） 纠错

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

AI总结 本文提出一种知识引导的多智能体框架，用于提升工程设计的效率与质量，通过协作智能体和知识图谱实现自动化设计优化。

Comments Added appendices and updated literature review

Agentic Large Language Models, a survey

代理大语言模型：综述

Aske Plaat, Max van Duijn, Niki van Stein, Mike Preuss, Peter van der Putten, Kees Joost Batenburg

机构 * Leiden University Leiden Netherlands ； Leiden University \& AI Lab, Pegasystems Leiden Netherlands ； Leiden University ； Leiden University \& AI Lab, Pegasystems 纠错

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

AI总结 本文综述了代理大语言模型的研究现状，探讨了其在医疗诊断、物流和金融分析等领域的应用，并提出通过推理、行动和交互提升大语言模型能力的未来研究方向。

Comments Website: https://askeplaat.github.io/agentic-llm-survey-site/

Journal ref JAIR volume 84, article 29, December 2025

CAML: Collaborative Auxiliary Modality Learning for Multi-Agent Systems

CAML: 多智能体系统中的协同辅助模态学习

Rui Liu, Yu Shen, Peng Gao, Pratap Tokekar, Ming Lin

机构 * University of Maryland, College Park（马里兰大学 College Park 分校） ； Adobe Research（Adobe 研究院） ； North Carolina State University（北卡罗来纳州立大学） 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 CAML通过多智能体协作和共享多模态数据，提升多模态学习在资源受限环境下的性能，实现事故检测和语义分割的显著改进。

HarmTransform: Transforming Explicit Harmful Queries into Stealthy via Multi-Agent Debate

HarmTransform: 通过多智能体辩论将显性有害查询转化为隐蔽形式

Shenzhe Zhu

机构 * University of Toronto（多伦多大学） 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 HarmTransform通过多智能体辩论框架，系统地将有害查询转化为隐蔽形式，以提升大型语言模型的安全对齐能力。

MAMA-Memeia! Multi-Aspect Multi-Agent Collaboration for Depressive Symptoms Identification in Memes

MAMA-Memeia! 多维度多智能体协作在表情包抑郁症状识别中的应用

Siddhant Agarwal, Adya Dhuler, Polly Ruhnke, Melvin Speisman, Md Shad Akhtar, Shweta Yadav

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

AI总结 MAMAMemeia通过多智能体多维度协作框架，利用CAT能力提升表情包抑郁症状识别的宏F1指标，达到7.55%的提升，成为新的基准模型。

Comments Accepted by AAAI 2026

MaRCA: Multi-Agent Reinforcement Learning for Dynamic Computation Allocation in Large-Scale Recommender Systems

MaRCA：大规模推荐系统中动态计算分配的多智能体强化学习

Wan Jiang, Xinyi Zang, Yudong Zhao, Yusi Zou, Yunfei Lu, Junbo Tong, Yang Liu, Ming Li, Jiani Shi, Xin Yang

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 MaRCA通过多智能体强化学习实现大规模推荐系统的端到端计算资源分配，提升计算效率并实现16.67%的收入增长。

Comments 12 pages, 5 figures

Heterogeneous Multi-Agent Multi-Target Tracking using Cellular Sheaves

使用细胞sheaves的异构多智能体多目标跟踪

Tyler Hanks, Cristian F. Nino, Joana Bou Barcelo, Austin Copeland, Warren Dixon, James Fairbanks

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

AI总结 本文提出使用细胞sheaves框架解决异构多智能体多目标跟踪问题，通过调和扩展方法处理非线性动态和干扰，提供去中心化控制律和稳定性分析。

Comments 8 pages

Dynamic Strategy Adaptation in Multi-Agent Environments with Large Language Models

多智能体环境中基于大语言模型的动态策略适应

Shaurya Mallampati, Rashed Shelim, Walid Saad, Naren Ramakrishnan

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

AI总结 本文提出基于大语言模型和博弈论的动态策略适应框架，提升多智能体协作效率和灵活性。

AstroReview: An LLM-driven Multi-Agent Framework for Telescope Proposal Peer Review and Refinement

AstroReview: 一种基于大语言模型的多智能体框架用于望远镜提案同行评审与优化

Yutong Wang, Yunxiang Xiao, Yonglin Tian, Junyong Li, Jing Wang, Yisheng Lv

机构 * The Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统重点实验室，自动化研究所，中国科学院） ； The School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） 纠错

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

AI总结 AstroReview通过多智能体框架实现望远镜提案的自动化评审与优化，显著提升评审效率和质量。

Zero-Trust Agentic Federated Learning for Secure IIoT Defense Systems

零信任代理联邦学习用于安全工业物联网防御系统

Samaresh Kumar Singh, Joyjit Roy, Martin So

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 提出零信任代理联邦学习框架，结合加密认证、SHAP加权聚合算法和隐私保护对抗训练，提升工业物联网安全性和检测准确性。

Comments 9 Pages and 6 figures, Submitted in conference 2nd IEEE Conference on Secure and Trustworthy Cyber Infrastructure for IoT and Microelectronics, Houston TX, USA

Personalized and Resilient Distributed Learning Through Opinion Dynamics

通过意见动态实现个性化和鲁棒的分布式学习

Luca Ballotta, Nicola Bastianello, Riccardo M. G. Ferrari, Karl H. Johansson

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

AI总结 本文提出结合分布式梯度下降与意见动态模型的算法，以实现分布式学习中的个性化和鲁棒性，通过参数调整控制学习过程的个性化与鲁棒性，实验验证其在合成和实际任务中的有效性。

Comments Published on IEEE Transactions on Control of Network Systems. Final accepted version

Journal ref IEEE Transactions on Control of Network Systems, 2025

Average Consensus with Dynamic Quantization Framing and Finite-Time Termination over Limited-Bandwidth Directed Networks

具有动态量化框架和有限时间终止的有限带宽有向网络上的平均一致性

Evagoras Makridis, Gabriele Oliva, Apostolos I. Rikos, Themistoklis Charalambous

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

AI总结 本文提出PP-ACDC算法，在有限带宽有向网络中实现精确平均一致性，通过动态量化框架和有限时间终止机制，确保高效且精确的通信效率。

Comments arXiv admin note: substantial text overlap with arXiv:2508.06893

Beamforming for Massive MIMO Aerial Communications: A Robust and Scalable DRL Approach

大规模MIMO空中通信中的波束成形：一种鲁棒且可扩展的DRL方法

Hesam Khoshkbari, Georges Kaddoum, Omid Abbasi, Bassant Selim, Halim Yanikomeroglu

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熵的多智能体深度强化学习方法，用于大规模MIMO空中通信中的波束成形，以提高下行链路总速率并增强系统鲁棒性和可扩展性。

Distributed Beamforming in Massive MIMO Communication for a Constellation of Airborne Platform Stations

大规模MIMO通信中多空中平台站的分布式波束成形

Hesam Khoshkbari, Georges Kaddoum, Bassant Selim, Omid Abbasi, Halim Yanikomeroglu

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熵的多智能体深度强化学习模型，用于大规模MIMO网络中多个空中平台站的分布式波束成形，有效降低CSI共享开销并提升高干扰环境下的性能。

Journal ref ICC 2025 - IEEE International Conference on Communications, Montreal, QC, Canada, 2025, pp. 4383-4388

BEDA: Belief Estimation as Probabilistic Constraints for Performing Strategic Dialogue Acts

BEDA：将信念估计作为概率约束以执行战略对话行为

Hengli Li, Zhaoxin Yu, Qi Shen, Chenxi Li, Mengmeng Wang, Tinglang Wu, Yipeng Kang, Yuxuan Wang, Song-Chun Zhu, Zixia Jia, Zilong Zheng

机构 * Institute for Artificial Intelligence, PKU（北京大学人工智能研究所） ； NLCo, BIGAI（NLCo和BIGAI） ； Institute of Automation, CAS（中国科学院自动化研究所） ； School of Artificial Intelligence, BUPT（北京邮电大学人工智能学院） ； Department of Automation, THU（清华大学自动化系） ； Yuanpei College, PKU（北京大学元培学院） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.CL

AI总结 BEDA通过将信念估计作为概率约束，有效提升了战略对话行为的执行效果，其在多个任务中均优于现有基线方法。

Comments Accepted by AAMAS 2026

Mean-Field Limits of Deterministic and Stochastic Flocking Models with Nonlinear Velocity Alignment

确定性和随机 flocking 模型的均场极限：非线性速度对齐

Vinh Nguyen, Roman Shvydkoy, Changhui Tan

专题命中 多智能体 ：agent(abstract)

AI总结 本文研究了具有非线性速度对齐的 flocking 模型的均场极限，扩展了 Cucker-Smale 理论到非线性框架，并在确定性和随机性情况下提供了收敛率的改进。

Contingency Model-based Control (CMC) for Communicationless Cooperative Collision Avoidance in Robot Swarms

基于应急模型的控制（CMC）用于机器人群通信less的协作避障

Georg Schildbach

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出了一种无需通信的分布式协作避障方法CMC，通过预先设计的共识规则和应急轨迹确保机器人群在受限环境中的安全运行。