AI Agent

Rethinking the Value of Multi-Agent Workflow: A Strong Single Agent Baseline

重新思考多智能体工作流的价值：一个强大的单智能体基线

Jiawei Xu, Arief Koesdwiady, Sisong Bei, Yan Han, Baixiang Huang, Dakuo Wang, Yutong Chen, Zheshen Wang, Peihao Wang, Pan Li, Ying Ding

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Amazon（亚马逊） ； Emory University（埃默里大学） ； Northeastern University（东北大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 本研究通过单个代理的多轮对话模拟多智能体工作流，提出OneFlow算法，实现高效且准确的多代理流程，为多智能体系统研究提供强基线。

The Orchestration of Multi-Agent Systems: Architectures, Protocols, and Enterprise Adoption

多智能体系统的编排：架构、协议与企业采纳

Apoorva Adimulam, Rajesh Gupta, Sumit Kumar

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

AI总结 本文提出了一种统一架构框架和两种互补通信协议，旨在提升多智能体系统在企业级AI生态系统中的可扩展性和合规性。

Motion-to-Response Content Generation via Multi-Agent AI System with Real-Time Safety Verification

基于多智能体AI系统的运动到响应内容生成及实时安全验证

HyeYoung Lee

机构 * Department of Artificial Intelligence（人工智能系） ； Korean University（韩国大学） 纠错

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

AI总结 本文提出了一种基于多智能体AI系统的实时内容生成方法，通过情感识别与安全验证代理，实现安全可控的响应内容生成，适用于儿童媒体和智能设备。

Understanding Human-Multi-Agent Team Formation for Creative Work

理解创意工作的以人为本的多智能体团队形成

Hyunseung Lim, Dasom Choi, Sooyohn Nam, Bogoan Kim, Hwajung Hong

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

AI总结 本研究利用CrafTeam技术探针，探索如何通过自主团队运作和直接指挥代理来形成人类-多智能体团队以提高创意工作的协作效率。

Jingfang: An LLM-Based Multi-Agent System for Precise Medical Consultation and Syndrome Differentiation in Traditional Chinese Medicine

Jingfang: 一种基于大语言模型的多智能体系统，用于精准中医诊疗和辨证论治

Yehan Yang, Tianhao Ma, Ruotai Li, Xinhan Zheng, Guodong Shan

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Southeast University（东南大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 JingFang 是一种基于大语言模型的多智能体系统，旨在通过多智能体协作机制提升中医诊疗的准确性和个性化水平，尤其在辨证论治方面表现优异。

Communication Methods in Multi-Agent Reinforcement Learning

多智能体强化学习中的通信方法

Christoph Wittner

机构 * Telecooperation Institute, Johannes Kepler University Linz, Austria（telecooperation研究所，约瑟夫·胡斯大学林茨，奥地利） 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 本文综述了多智能体强化学习中不同通信方法的优缺点，指出无通用最优框架，需根据具体问题选择，并强调低计算开销和现实通信条件下的鲁棒性改进的重要性。

Comments 12 pages, 2 figures

A Multi-Agent System for Generating Actionable Business Advice

生成可操作商业建议的多智能体系统

Kartikey Singh Bhandari, Tanish Jain, Archit Agrawal, Dhruv Kumar, Praveen Kumar, Pratik Narang

机构 * Birla Institute of Technology and Science, Pilani（比拉理工学院和科学学院） ； Birdeye Inc.（Birdeye公司） 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 本文提出基于多智能体和LLM的框架，通过整合聚类、生成、迭代评估和可行性排序，生成具体且可操作的商业建议。

Semantic Caching and Intent-Driven Context Optimization for Multi-Agent Natural Language to Code Systems

语义缓存与意图驱动的上下文优化用于多智能体自然语言到代码系统

Harmohit Singh

机构 * CoreOps AI 纠错

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

AI总结 本文提出了一种多智能体系统，通过语义缓存、双阈值决策和意图驱动的提示组装，提升自然语言到代码转换的准确性和效率。

Towards Efficient and Robust Linguistic Emotion Diagnosis for Mental Health via Multi-Agent Instruction Refinement

通过多智能体指令细化实现高效的稳健语言情绪诊断以促进心理健康

Jian Zhang, Zhangqi Wang, Zhiyuan Wang, Weiping Fu, Yu He, Haiping Zhu, Qika Lin, Jun Liu

机构 * School of Computer Science and Technology, Xi’an Jiaotong University（计算机科学与技术学院，西安交通大学） ； Saw Swee Hock School of Public Health, National University of Singapore（Saw Swee Hock 公共卫生学院，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 APOLO通过多智能体协作优化提示空间，提升语言情绪诊断的效率与鲁棒性，适用于心理健康领域的可信LLM应用。

Institutional AI: Governing LLM Collusion in Multi-Agent Cournot Markets via Public Governance Graphs

机构AI：通过公共治理图治理多智能体Cournot市场中的LLM合谋

Marcantonio Bracale Syrnikov, Federico Pierucci, Marcello Galisai, Matteo Prandi, Piercosma Bisconti, Francesco Giarrusso, Olga Sorokoletova, Vincenzo Suriani, Daniele Nardi

机构 * DEXAI – Icaro Lab（DEXAI–Icaro实验室） ； Sapienza University of Rome（罗马大学萨皮恩扎分校） ； Sant’Anna School of Advanced Studies（圣安娜高级研究学校） ； VU Amsterdam（阿姆斯特丹自由大学） 纠错

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

AI总结 本文提出通过公共治理图治理多智能体Cournot市场合谋问题，展示机构AI框架在减少合谋行为方面的有效性。

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。