AI Agent

A Large-Scale Study on the Development and Issues of Multi-Agent AI Systems

多智能体AI系统的发展与问题的大型研究

Daniel Liu, Krishna Upadhyay, Vinaik Chhetri, A. B. Siddique, Umar Farooq

机构 * Louisiana State University（路易斯安那州立大学） ； University of Kentucky（肯塔基大学） 纠错

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

AI总结 本文通过分析多智能体AI系统的开发和问题，揭示了生态系统的发展模式及维护挑战，强调了改进测试和文档的重要性。

Comments 8 pages, 8 figures, IEEE BigData Workshop on Software Engineering for Agentic AI 2025

Logic-Driven Semantic Communication for Resilient Multi-Agent Systems

逻辑驱动的语义通信用于鲁棒的多智能体系统

Tamara Alshammari, Mehdi Bennis

机构 * Centre for Wireless Communication, University of Oulu, Finland（奥卢大学无线通信中心） 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 本文提出基于认知和行动韧性的多智能体系统韧性定义，通过形式化逻辑和验证方法实现鲁棒决策与持续运行。

KARMA: Leveraging Multi-Agent LLMs for Automated Knowledge Graph Enrichment

KARMA：利用多智能体大语言模型实现知识图谱的自动化丰富

Yuxing Lu, Wei Wu, Xukai Zhao, Rui Peng, Jinzhuo Wang

机构 * Department of Big Data and Biomedical AI, Peking University（北京大学大数据与生物医学人工智能系） ； Wallace H. Coulter Department of Biomedical Engineering, Georgia Institute of Technology（佐治亚理工学院生物医学工程系） ； School of Architecture, Tsinghua University（清华大学建筑学院） 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 KARMA通过多智能体大语言模型自动丰富知识图谱，有效识别新实体并提高正确性与一致性

Comments 24 pages, 3 figures, 2 tables

Journal ref Spotlight paper of NeurIPS 2025

Metacognitive Self-Correction for Multi-Agent System via Prototype-Guided Next-Execution Reconstruction

多智能体系统中的元认知自我校正：通过原型引导的下一步执行重建

Xu Shen, Qi Zhang, Song Wang, Zhen Tan, Xinyu Zhao, Laura Yao, Vaishnav Tadiparthi, Hossein Nourkhiz Mahjoub, Ehsan Moradi Pari, Kwonjoon Lee, Tianlong Chen

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MASC框架，通过原型引导和下一步执行重建实现多智能体系统的元认知自我校正，有效提升错误检测精度并减少误差传播。

LegalSim: Multi-Agent Simulation of Legal Systems for Discovering Procedural Exploits

LegalSim：多智能体法律系统模拟以发现程序性漏洞

Sanket Badhe

机构 * Rutgers University（罗切斯特大学） 纠错

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

AI总结 LegalSim通过多智能体模拟揭示法律程序中的漏洞链，通过PPO、老虎机、LLM和启发式策略比较，发现AI系统如何利用程序性弱点。

Comments 12 pages with 2 figures, accepted at the NLLP workshop at EMNLP 2025

Journal ref Proceedings of the Natural Legal Language Processing Workshop 2025

Multi-Agent Framework for Controllable and Protected Generative Content Creation: Addressing Copyright and Provenance in AI-Generated Media

可控且受保护的生成内容创作多智能体框架：解决人工智能生成媒体中的版权和来源问题

Haris Khan, Sadia Asif, Shumaila Asif

机构 * National University of Sciences（国家科学与技术大学） ； Rensselaer Polytechnic Institute New York, United States（新泽西理工学院纽约分校） 纠错

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

AI总结 本文提出一种多智能体框架，通过集成水印和智能体角色解决生成内容的可控性和版权问题，提升语义对齐和水印恢复率。

Journal ref IEEE ICDM Visionary Innovation in Standards and Technology of GenAI 2025

The Subtle Art of Defection: Understanding Uncooperative Behaviors in LLM based Multi-Agent Systems

缺陷的微妙艺术：理解基于大语言模型的多智能体系统中的不合作行为

Devang Kulshreshtha, Wanyu Du, Raghav Jain, Srikanth Doss, Hang Su, Sandesh Swamy, Yanjun Qi

机构 * AWS AI Labs（AWS人工智能实验室） ； UC San Diego（大学圣地亚哥） 纠错

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

AI总结 本文提出了一种用于分析基于大语言模型的多智能体系统中不合作行为的框架，通过实验发现不合作行为会迅速导致系统崩溃，同时指出现有防御方法存在检测不足的问题。

Role-Playing LLM-Based Multi-Agent Support Framework for Detecting and Addressing Family Communication Bias

基于角色扮演的LLM多智能体支持框架用于检测和解决家庭沟通偏见

Rushia Harada, Yuken Kimura, Keito Inoshita

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

AI总结 本研究提出基于角色扮演的LLM多智能体框架，用于检测家庭沟通中的理想父母偏见并生成改善反馈。

SwarmFoam: An OpenFOAM Multi-Agent System Based on Multiple Types of Large Language Models

SwarmFoam: 基于多种大语言模型的开放FOAM多智能体系统

Chunwei Yang, Yankai Wang, Jianxiang Tang, Haojie Qu, Ziqiang Zou, YuLiu, Chunrui Deng, Zhifang Qiu, Ming Ding

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

AI总结 SwarmFoam通过整合多模态感知与智能校正技术，提升复杂CFD模拟的适应性与准确性。

Comments 26 pages, 15 figures

Dynamics of Multi-Agent Actor-Critic Learning in Stochastic Games: from Multistability and Chaos to Stable Cooperation

多智能体Actor-Critic学习的动力学：从多稳态和混沌到稳定的合作

Yuxin Geng, Wolfram Barfuss, Feng Fu, Xingru Chen

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

AI总结 本文研究了多智能体Actor-Critic学习在随机博弈中的动力学，发现熵正则化可缓解混沌行为并促进稳定合作。

Modeling Descriptive Norms in Multi-Agent Systems: An Auto-Aggregation PDE Framework with Adaptive Perception Kernels

多智能体系统中描述规范建模：一种具有自适应感知核的自动聚合PDE框架

Chao Li, Ilia Derevitskii, Sergey Kovalchuk

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

AI总结 本文提出一种基于PDE的自动聚合模型，用于模拟多智能体系统中的描述规范动态，通过非局部感知核和势场实现收敛与违反的模拟，并在实验中验证了其在不同约束机制下的有效性。

An Intelligent AI glasses System with Multi-Agent Architecture for Real-Time Voice Processing and Task Execution

基于多智能体架构的智能AI眼镜系统：用于实时语音处理与任务执行

Sheng-Kai Chen, Jyh-Horng Wu, Ching-Yao Lin, Yen-Ting Lin

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

AI总结 本文提出一种基于多智能体架构的AI眼镜系统，实现实时语音处理与多语言任务执行。

Comments Published in NCS 2025 (Paper No. N0180)

Dreaming Is Not a Bug: A Jung-Inspired Dream Layer for Multi-Agent LLM Companions

梦境并非bug：一种基于荣格思想的多智能体LLM伴侣的梦境层

V. Cheung

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

AI总结 本文提出一种基于荣格思想的梦境层，通过离线生成梦境叙事来增强多智能体LLM伴侣的学习与关系建立能力，将幻觉转化为资源而非bug。

Comments Preprint, 35 pages (5 pages of appendix), 2 figures, 3 tables. Conceptual and architectural proposal with preliminary simulation results

Value of Information: A Framework for Human-Agent Communication

信息价值：人类-智能体通信的框架

Yijiang River Dong, Tiancheng Hu, Zheng Hui, Caiqi Zhang, Ivan Vulić, Andreea Bobu, Nigel Collier

机构 * University of Cambridge（剑桥大学） ； MIT（麻省理工学院） 纠错

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

AI总结 本文提出基于信息价值的框架，使智能体在人类-智能体通信中动态权衡信息获取与用户认知成本，实现高效适应性决策。

Recursive Binary Identification with Differential Privacy and Data Tampering Attacks

递归二进制识别与差分隐私及数据篡改攻击

Jimin Wang, Jieming Ke, Jin Guo, Yanlong Zhao

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

AI总结 本文提出递归投影算法以应对传感器网络中差分隐私和数据篡改攻击，实现参数估计的稳定收敛。

Dynamic Incentivized Cooperation under Changing Rewards

动态奖励激励下的合作

Philipp Altmann, Thomy Phan, Maximilian Zorn, Claudia Linnhoff-Popien, Sven Koenig

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

AI总结 本文提出DRIVE方法，通过动态奖励激励实现去中心化合作，在变化的奖励环境中维持合作。

Comments 18 pages, 10 figures, under submission

Fed-SE: Federated Self-Evolution for Privacy-Constrained Multi-Environment LLM Agents

Fed-SE: 联邦自我进化用于隐私约束下的多环境大语言模型代理

Xiang Chen, Yuling Shi, Qizhen Lan, Yuchao Qiu, Min Wang, Xiaodong Gu, Yanfu Yan

机构 * Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） ； UTHealth Houston（UT健康科学中心休斯顿分校） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

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

AI总结 Fed-SE通过局部进化与全局聚合范式，在隐私约束下提升多环境大语言模型代理的跨环境知识转移效果。

BotSim: Mitigating The Formation Of Conspiratorial Societies with Useful Bots

BotSim: 通过有用机器人缓解阴谋社会的形成

Lynnette Hui Xian Ng, Kathleen M. Carley

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 BotSim通过引入有用机器人缓解阴谋社会的形成，展示Good机器人在信息纠正中的高效性和可持续性。

Comments Published in Journal of Artificial Societies and Social Simulation

Journal ref Journal of Artificial Societies and Social Simulation 29 (1) 4. 2026

Deep Q-Network Based Resilient Drone Communication:Neutralizing First-Order Markov Jammers

基于深度Q网络的抗干扰无人机通信：中和一阶马尔可夫干扰源

Andrii Grekhov, Volodymyr Kharchenko, Vasyl Kondratiuk

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文提出基于深度Q网络的无人机通信抗干扰方法，通过自我学习实现有效干扰抵消，验证了中等冗余度对丢包率的显著降低作用。

Comments 13 pages, 6 figures

Solutions for Sustainable and Resilient Communication Infrastructure in Disaster Relief and Management Scenarios

灾害应急与管理场景中可持续和抗灾通信基础设施的解决方案

Bilal Karaman, Ilhan Basturk, Sezai Taskin, Engin Zeydan, Ferdi Kara, Esra Aycan Beyazit, Miguel Camelo, Emil Björnson, Halim Yanikomeroglu

专题命中 多智能体 ：planning(abstract)

AI总结 本文提出了一种可持续且抗灾的通信基础设施解决方案，通过技术探索和案例研究，提升灾害应急响应和恢复能力。

Comments 32 pages, accepted and published by IEEE COMST