AI Agent

AgentAsk: Multi-Agent Systems Need to Ask

AgentAsk: 多智能体系统需要提问

Bohan Lin, Kuo Yang, Zelin Tan, Yingchuan Lai, Chen Zhang, Guibin Zhang, Xinlei Yu, Miao Yu, Xu Wang, Yudong Zhang, Yang Wang

机构 * University of Science and Technology of China（科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Xi’an Jiaotong University（西安交通大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 AgentAsk通过边缘级澄清模块提升多智能体系统准确性，减少误差传播，提高任务效率与性能。

MagicGUI-RMS: A Multi-Agent Reward Model System for Self-Evolving GUI Agents via Automated Feedback Reflux

MagicGUI-RMS: 一种基于自动反馈回流的多智能体奖励模型系统，用于自进化GUI智能体

Zecheng Li, Zhihui Cao, Wenke Huang, Yudong Zhang, Keying Qi, Rui Wang, Zeyu Zheng, Jian Zhao, Hao Zhu, Hengxin Wu, Yuran Wang, Guitao Fan, Guokun Wu, Yicong Liu, Zhilin Gao, Haikun Xu, He Yang, Minqi Xiang, Xingyu Liu, Zuojian Wang

机构 * Honor Device Co., Ltd（荣誉设备有限公司） 纠错

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

AI总结 MagicGUI-RMS通过自动反馈回流机制，实现多智能体奖励模型系统，提升GUI智能体的自进化能力与任务准确性。

OFA-MAS: One-for-All Multi-Agent System Topology Design based on Mixture-of-Experts Graph Generative Models

OFA-MAS：基于混合专家图生成模型的通用多智能体系统拓扑设计

Shiyuan Li, Yixin Liu, Yu Zheng, Mei Li, Quoc Viet Hung Nguyen, Shirui Pan

机构 * Griffith University（格里菲斯大学） ； Northwest A\&F University（西北农林科技大学） 纠错

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

AI总结 OFA-MAS提出一种基于混合专家图生成模型的通用多智能体系统拓扑设计框架，通过单个模型生成适应性协作图，提升跨领域任务的性能。

Comments Accepted by WWW 2026

Mitigating Cultural Bias in LLMs via Multi-Agent Cultural Debate

通过多智能体文化辩论缓解LLM中的文化偏见

Qian Tan, Lei Jiang, Yuting Zeng, Shuoyang Ding, Xiaohua Xu

机构 * University of Science and Technology of China（中国科学技术大学） ； NVIDIA（英伟达） 纠错

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

AI总结 通过多智能体文化辩论框架，有效缓解LLM中的文化偏见，提升跨文化公平性。

Comments 13 pages

Scene-Aware Vectorized Memory Multi-Agent Framework with Cross-Modal Differentiated Quantization VLMs for Visually Impaired Assistance

具有跨模态差异化量化功能的场景感知向量内存多智能体框架用于视障辅助

Xiangxiang Wang, Xuanyu Wang, YiJia Luo, Yongbin Yu, Manping Fan, Jingtao Zhang, Liyong Ren

机构 * School of Information ； Software Engineering, University of Electronic Science ； Sichuan Provincial Key Laboratory for Human Disease Gene Study, Sichuan Academy of Medical Sciences \& Sichuan Provincial People's Hospital, University of Electronic Science ； Faculty of Computing, Harbin Institute of Technology, Harbin, China 纠错

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

AI总结 本文提出了一种具有跨模态差异化量化的多智能体框架，通过减少内存消耗和提升处理效率，为视障人士提供更高效的环境感知与辅助导航支持。

Comments 28 pages,9 figures

Density-Driven Optimal Control for Non-Uniform Area Coverage in Decentralized Multi-Agent Systems Using Optimal Transport

基于密度驱动的最优控制用于分布式多智能体系统非均匀区域覆盖

Sungjun Seo, Kooktae Lee

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 本文提出密度驱动最优控制方法，通过整合最优传输理论与多智能体覆盖控制，实现非均匀区域覆盖的最优控制，提升覆盖性能与系统可扩展性。

Comments Author Accepted Manuscript (AAM) of a paper accepted for publication in IEEE Transactions on Systems, Man, and Cybernetics: Systems

Journal ref IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 55, no. 12, pp. 9340-9354, Dec. 2025

Convex Model Predictive Control for Safe Output Consensus of Nonlinear Multi-Agent Systems

凸优化模型预测控制用于非线性多智能体系统的安全输出一致性

Chao Wang, Shuyuan Zhang, Lei Wang

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

AI总结 本文提出基于SQP方案的凸模型预测控制方法，通过线性化和凸化非线性约束，有效降低计算复杂度，实现在非线性多智能体系统中的安全输出一致性控制。

Allocating Corrective Control to Mitigate Multi-agent Safety Violations Under Private Preferences

为缓解多智能体安全违规分配纠正控制

Johnathan Corbin, Sarah H. Q. Li, Jonathan Rogers

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

AI总结 本文提出一种基于隐私保护拍卖机制的多智能体安全纠正控制框架，通过规避信用机制实现高效安全纠正分配。

Comments 8 pages, 3 figures, Submitted to IEEE Robotics and Automation Letters (RA-L)

Distributed Safety-Critical MPC for Multi-Agent Formation Control and Obstacle Avoidance

分布式安全关键MPC用于多智能体编队控制与障碍规避

Chao Wang, Shuyuan Zhang, Lei Wang

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

AI总结 本文提出了一种分布式安全关键MPC算法，通过高阶控制屏障函数和控制Lyapunov函数实现多智能体编队控制与障碍规避，提升了系统的安全性和效率。

Comments Accepted for presentation at the 64th IEEE Conference on Decision and Control (CDC 2025)

CAHC:A General Conflict-Aware Heuristic Caching Framework for Multi-Agent Path Finding

CAHC：一种多智能体路径寻找中的冲突感知启发式缓存框架

HT To, S Nguyen, NH Pham

机构 * University of Engineering and Technology（工程大学） ； University of Transport Technology（交通技术大学） 纠错

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

AI总结 CAHC通过结合冲突感知缓存与自适应混合启发式方法，提升多智能体路径寻找算法的效率和解的最优性。

Cooperative Multi-agent RL with Communication Constraints

具有通信约束的协作多智能体强化学习

Nuoya Xiong, Aarti Singh

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出基策略预测技术，通过预测基础策略更新减少通信轮次，提升多智能体协作学习效率。

Comments 33 pages

A Novel Convex Layers Strategy for Circular Formation in Multi-Agent Systems

多智能体系统中圆形成状的新型凸层策略

Gautam Kumar, Ashwini Ratnoo

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

AI总结 本文提出了一种基于初始位置的新型凸层策略，用于实现多智能体系统的无碰撞圆形成状分布。

Comments Accepted to IEEE Transactions on Systems, Man, and Cybernetics: Systems (Early Access) 15 pages, 18 figures

Journal ref IEEE Transactions on Systems, Man, and Cybernetics: Systems (2025)

Following the TRACE: A Structured Path to Empathetic Response Generation with Multi-Agent Models

遵循TRACE：基于多智能体模型的结构化共情响应生成路径

Ziqi Liu, Ziyang Zhou, Yilin Li, Haiyang Zhang, Yangbin Chen

机构 * School of Advanced Technology (SAT) Xi'an Jiaotong-Liverpool University, Suzhou, China（先进技术学院（SAT）西安交通大学利物浦大学，苏州，中国） 纠错

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

AI总结 TRACE通过结构化分解任务，结合深度分析与生成能力，提升共情响应生成的性能和可解释性。

AgentGC: Evolutionary Learning-based Lossless Compression for Genomics Data with LLM-driven Multiple Agent

AgentGC: 基于进化学习的无损基因组数据压缩方法与LLM驱动的多智能体

Sun Hui, Ding Yanfeng, Huidong Ma, Chang Xu, Keyan Jin, Lizheng Zu, Cheng Zhong, xiaoguang Liu, Gang Wang, Wentong Cai

机构 * Nankai University（南开大学） ； Nanyang Technology University（南阳技术大学） ； Microsoft Research Asia（微软亚洲研究院） ； Macao Polytechnic University（澳门理工学院） ； Guangxi University（广西大学） 纠错

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

AI总结 AgentGC通过LLM驱动的多智能体架构，实现基因组数据的高效无损压缩，提升压缩比和吞吐量，解决传统方法的适应性和用户友好性问题。

Convergence dynamics of Agent-to-Agent Interactions with Misaligned objectives

Agent-to-Agent Interactions with Misaligned objectives的收敛动力学

Romain Cosentino, Sarath Shekkizhar, Adam Earle

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

AI总结 本文研究了agent间因目标不一致导致的收敛动态，提出了一种理论框架，通过单层transformer与线性自注意力机制，分析了目标不一致对稳定性和鲁棒性的影响，并展示了自适应多agent设置下的改进收敛方法。

Sample Complexity of Average-Reward Q-Learning: From Single-agent to Federated Reinforcement Learning

平均奖励Q学习的样本复杂度：从单智能体到联邦强化学习

Yuchen Jiao, Jiin Woo, Gen Li, Gauri Joshi, Yuejie Chi

机构 * CUHK Department of Statistics and Data Science, Chinese University of Hong Kong（中国香港中文大学统计与数据科学系） ； CMU Department of Electrical and Computer Engineering, Carnegie Mellon University（卡内基梅隆大学电气与计算机工程系） ； CUHK（中国香港中文大学） ； CMU（卡内基梅隆大学） ； Yale Department of Statistics and Data Science, Yale University（耶鲁大学统计与数据科学系） 纠错

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

AI总结 本文提出了一种针对平均奖励MDPs的Q学习算法，通过单智能体和联邦场景的样本复杂度分析，证明了在弱通信假设下，联邦设置能有效降低样本复杂度。

Hidden in Plain Text: Measuring LLM Deception Quality Against Human Baselines Using Social Deduction Games

隐藏在 plain 文本中：使用社会推断游戏测量 LLM 欺骗质量 against 人类基准

Christopher Kao, Vanshika Vats, James Davis

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

AI总结 本文通过社会推断游戏测量 LLM 欺骗能力，发现 LLM 在欺骗人类时表现更优，但其欺骗质量低于人类。

Comments For associated dataset, see https://github.com/cocochief4/llm-mafia. Published in IEEE ICA 2025, waiting for IEEEXplore proceedings

Automatic Prompt Optimization for Dataset-Level Feature Discovery

面向数据集层面的自动提示优化用于特征发现

Adrian Cosma, Oleg Szehr, David Kletz, Alessandro Antonucci, Olivier Pelletier

机构 * SUPSI, Dalle Molle Institute for Artificial Intelligence Studies (IDSIA)（SUPSI，达勒莫利人工智能研究所（IDSIA）） 纠错

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

AI总结 本文提出一种多代理提示优化框架，通过数据集层面的反馈自动发现可解释且判别性的特征定义，以优化下游监督学习目标。

Comments 5 Figures, 1 Table

Emergence of Roles in Robotic Teams with Model Sharing and Limited Communication

机器人团队中角色涌现：模型共享与有限通信

Ian O'Flynn, Harun Šiljak

机构 * EEE Department（电子工程系） ； Trinity College Dublin（都柏林信任学院） 纠错

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

AI总结 通过集中学习和模型共享，该方法在机器人团队中促进角色分化，减少计算能耗并应用于现实场景。

Comments Accepted for 2025 8th International Balkan Conference on Communications and Networking (Balkancom)

Distributed Coverage Control on Poriferous Surface via Poly-Annulus Conformal Mapping

通过多环共形映射实现多孔表面的分布式覆盖控制

Xun Feng, Chao Zhai

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多环共形映射的分布式覆盖控制方法，通过拓扑等价转换和梯度控制律实现多孔表面的高效覆盖与避障。

Multiagent Reinforcement Learning in Enhancing Resilience of Microgrids under Extreme Weather Events

多智能体强化学习在极端天气事件下增强微电网韧性中的应用

Yin Wu, Wei-Yu Chiu, Yuan-Po Tsai, Shangyuan Liu, Weiqi Hua

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

AI总结 本文提出基于多智能体深度强化学习的EMS框架，用于提升微电网在极端天气事件中的韧性并降低运营成本。

Comments 26 pages, 9 figures

Journal ref Expert Systems with Applications, Volume 296, Part D, 15 January 2026, 129145

Profit Maximization for Electric Vehicle Charging Stations Using Multiagent Reinforcement Learning

利用多智能体强化学习实现电动汽车充电站的利润最大化

Kun-Yan Jiang, Wei-Yu Chiu, Yuan-Po Tsai

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

AI总结 本文提出基于双超网络 QMIX 的多智能体强化学习框架，用于优化电动汽车充电站的利润最大化，通过引入内部能源交易机制提升经济性和运营效率。

Comments 18 pages, 4 figures

Journal ref Sustainable Energy, Grids and Networks, Volume 44, December 2025, 102009

Communication-Free Collective Navigation for a Swarm of UAVs via LiDAR-Based Deep Reinforcement Learning

基于激光雷达的深度强化学习实现无人机群通信自由的集体导航

Myong-Yol Choi, Hankyoul Ko, Hanse Cho, Changseung Kim, Seunghwan Kim, Jaemin Seo, Hyondong Oh

机构 * Department of Mechanical Engineering, Ulsan National Institute of Science and Technology（机械工程系，釜山国立科学技术研究院） ； Department of Mechanical Engineering, Korea Advanced Institute of Science and Technology（机械工程系，韩国科学技术院） 纠错

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

AI总结 本文提出一种基于激光雷达的深度强化学习方法，使无人机群在无通信和无外部定位的情况下实现稳健的集体导航。

Active Inference-Driven World Modeling for Adaptive UAV Swarm Trajectory Design

基于主动推断的世界建模用于自适应无人机蜂群轨迹设计

Kaleem Arshid, Ali Krayani, Lucio Marcenaro, David Martin Gomez, Carlo Regazzoni

机构 * University of Genoa（热那亚大学） ； Carlos III University Madrid（马德里卡洛斯三世大学） 纠错

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

AI总结 本文提出基于主动推断的世界建模框架，用于自适应无人机蜂群轨迹设计，通过整合概率推理和自我学习实现动态环境下的适应性响应。

Comments This paper has been accepted for presentation at the 2026 IEEE International Conference on Acoustics, Speech, and Signal Processing (IEEE ICASSP 2026) Workshop: 'Multi-Modal Signal Processing and AI for Communications and Sensing in 6G and Beyond (MuSiC-6GB)'

Does Feedback Help in Bandits with Arm Erasures?

反馈在带有臂擦除的老虎机中是否有所帮助？

Merve Karakas, Osama Hanna, Lin F. Yang, Christina Fragouli

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 本文研究了在带有臂擦除信道的多臂老虎机问题中，反馈对最坏情况后悔上界的影响，证明反馈不会改善上界，但可能带来更简单的算法设计。

Journal ref 2025 IEEE International Symposium on Information Theory (ISIT)

A DRL-Empowered Multi-Level Jamming Approach for Secure Semantic Communication

一种基于深度强化学习的多级干扰方法用于安全语义通信

Weixuan Chen, Qianqian Yang

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出一种基于深度强化学习的多级干扰方法，通过动态优化预编码矩阵提升语义通信的安全性和图像重建质量。

Exploration on Highly Dynamic Graphs

对高度动态图的探索研究

Ashish Saxena, Kaushik Mondal

专题命中 多智能体 ：agent(abstract)

AI总结 本研究针对高度动态图中的探索问题，改进了1-区间连通性模型的不可能性结果，并证明了在连通时间模型中需要1跳可见性才能实现探索。

A First-Order Algorithm for Decentralised Min-Max Problems

一个用于去中心化min-max问题的一阶算法

Yura Malitsky, Matthew K. Tam

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出了一种结合PG-EXTRA和前向反射后向方法的去中心化一阶算法，用于解决具有凸-凹结构的min-max问题，证明了在非衰减步长下算法的收敛性。

Comments 16 pages, 1 figure

A Tutorial on Controlling Metasurfaces from the Network Perspective

从网络视角控制超材料的教程

Christos Liaskos, Evangelos Papapetrou, Kostas Katsalis, Dimitrios Tyrovolas, Alexandros Papadopoulos, Stavros Tsimpoukis, Arash Pourdamghani, Max Franke, Stefan Schmid

专题命中 多智能体 ：workflow(abstract)

AI总结 本文从网络视角探讨超材料控制，通过图论建模波路由器，提出性能优化框架及求解算法，分析其与通信系统集成及未来研究方向。

Revealing the long-range coupling for multi-dimensional metasurface multiplexer

揭示多维超材料多路复用的远距离耦合

Ouling Wu, Chao Qian, Guangfeng You, Hongsheng Chen

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出利用图神经网络揭示多维超表面的远距离耦合，实现角度、频率和极化域的同时多路复用，展示了一种新型高集成多功能超表面设计方法。