AI Agent

Game-Theoretic Lens on LLM-based Multi-Agent Systems

基于博弈论的基于大语言模型的多智能体系统视角

Jianing Hao, Han Ding, Yuanjian Xu, Tianze Sun, Ran Chen, Wanbo Zhang, Guang Zhang, Siguang Li

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

AI总结 本文通过博弈论视角，系统综述了基于大语言模型的多智能体系统，构建了理解、比较和指导未来研究的框架。

Comments 9 pages, 5 figures

Multi-Agent Constraint Factorization Reveals Latent Invariant Solution Structure

多智能体约束因子化揭示潜在不变解结构

Christopher Scofield

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 本研究通过多智能体约束因子化揭示了潜在不变解结构，展示了在相同信息下多智能体系统提升问题解决性能的机制，并应用于文本对话系统。

INFA-Guard: Mitigating Malicious Propagation via Infection-Aware Safeguarding in LLM-Based Multi-Agent Systems

INFA-Guard: 通过感染感知防护减轻恶意传播在基于大语言模型的多智能体系统中的影响

Yijin Zhou, Xiaoya Lu, Dongrui Liu, Junchi Yan, Jing Shao

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 INFA-Guard通过感染感知防护机制有效减轻基于大语言模型的多智能体系统中的恶意传播问题，显著降低攻击成功率并保持拓扑完整性。

If You Want Coherence, Orchestrate a Team of Rivals: Multi-Agent Models of Organizational Intelligence

如果你想要一致性，就组建一支对手团队：组织智能的多智能体模型

Gopal Vijayaraghavan, Prasanth Jayachandran, Arun Murthy, Sunil Govindan, Vivek Subramanian

机构 * Isotopes AI USA（Isotopes AI美国） 纠错

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

AI总结 本文提出通过多智能体团队协作，利用对立激励因素提高组织智能的可靠性，通过远程代码执行器实现感知与执行的分离，达到高错误拦截率和可控延迟。

Comments 15 pages, 6 figures, 7 tables

Quality or Quantity? Error-Informed Selective Online Learning with Gaussian Processes in Multi-Agent Systems: Extended Version

质量还是数量？基于高斯过程的多智能体系统中误差引导的选 择性在线学习：扩展版本

Zewen Yang, Xiaobing Dai, Jiajun Cheng, Yulong Huang, Peng Shi

机构 * Technical University of Munich (TUM)（慕尼黑技术大学） ； School of Computation, Information and Technology (CIT)（计算、信息与技术学院） ； College of Intelligent Systems Science and Engineering（智能系统科学与工程学院） ； School of Electrical and Mechanical Engineering（电气与机械工程学院） ； Research and Innovation Centre（研究与创新中心） ； University of Adelaide（阿德莱德大学） ； Obuda University（奥布达大学） 纠错

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

AI总结 本文提出了一种基于高斯过程的多智能体系统中误差引导的选择性在线学习框架，通过优先质量而非数量提升合作学习效率。

Comments Accepted by IEEE/CAA Journal of Automatica Sinica

A2H-MAS: An Algorithm-to-HLS Multi-Agent System for Automated and Reliable FPGA Implementation

A2H-MAS：一种算法到HLS的多智能体系统用于自动且可靠的FPGA实现

Jie Lei, Ruofan Jia, J. Andrew Zhang, Hao Zhang

机构 * Xidian University, Xi'an, China（西安电子科技大学） 纠错

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

AI总结 A2H-MAS通过多智能体系统实现算法到HLS的自动可靠FPGA实现，提升无线通信等领域的硬件开发效率。

Comments 9 pages, 6 figures

Constrained Black-Box Attacks Against Cooperative Multi-Agent Reinforcement Learning

受限的黑盒攻击针对协作多智能体强化学习

Amine Andam, Jamal Bentahar, Mustapha Hedabou

机构 * Mohammed VI Polytechnic University（摩洛哥穆莱伊沙克六世理工学院） ； Khalifa University（卡利法大学） ； Concordia University（康科德大学） 纠错

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

AI总结 本文提出了一种受限黑盒攻击方法，针对协作多智能体强化学习的脆弱性进行研究，通过扰动智能体观察来影响其环境感知，验证了其在多种环境中的有效性及高样本效率。

Manalyzer: End-to-end Automated Meta-analysis with Multi-agent System

Manalyzer: 基于多智能体系统的端到端自动化元分析

Wanghan Xu, Wenlong Zhang, Fenghua Ling, Ben Fei, Yusong Hu, Runmin Ma, Bo Zhang, Fangxuan Ren, Jintai Lin, Wanli Ouyang, Lei Bai

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Nankai University（南开大学） ； Peking University（北京大学） 纠错

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

AI总结 Manalyzer通过多智能体系统实现端到端自动化元分析，有效缓解了传统方法中的幻觉问题，并在多模态数据处理中取得显著性能提升。

SCSimulator: An Exploratory Visual Analytics Framework for Partner Selection in Supply Chains through LLM-driven Multi-Agent Simulation

SCSimulator: 一种基于LLM驱动多智能体模拟的供应链伙伴选择探索性可视化分析框架

Shenghan Gao, Junye Wang, Junjie Xiong, Yun Jiang, Yun Fang, Qifan Hu, Baolong Liu, Quan Li

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

AI总结 SCSimulator通过LLM驱动的多智能体模拟与人机协作，探索供应链伙伴选择的动态博弈，提供透明的决策解释和可交互的分析工具。

Comments ACM IUI 2026

Tokenomics: Quantifying Where Tokens Are Used in Agentic Software Engineering

令牌经济学：量化令牌在代理软件工程中的使用位置

Mohamad Salim, Jasmine Latendresse, SayedHassan Khatoonabadi, Emad Shihab

机构 * Data-driven Analysis of Software (DAS) Lab Concordia University Montreal Canada ； Data-driven Analysis of Software (DAS) Lab Concordia University 纠错

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

AI总结 研究通过分析LLM-MA系统在软件开发生命周期中的令牌消耗，发现代码审查阶段消耗最大，提出优化代理协作效率的方法。

OptimAI: Optimization from Natural Language Using LLM-Powered AI Agents

OptimAI：利用LLM驱动的AI代理进行自然语言优化

Raghav Thind, Youran Sun, Ling Liang, Haizhao Yang

机构 * Department of Computer Science University of Maryland at College Park（计算机科学系大学马里兰大学学院公园分校） ； Department of Mathematics University of Maryland at College Park（数学系大学马里兰大学学院公园分校） ； Department of Mathematics Department of Computer Science University of Maryland at College Park（数学系计算机科学系大学马里兰大学学院公园分校） 纠错

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

AI总结 OptimAI通过LLM驱动的AI代理解决自然语言描述的优化问题，实现88.1%的准确率，显著降低错误率。

Collective behavior based on agent-environment interactions

基于代理与环境相互作用的集体行为

Gaston Briozzo, Gustavo J. Sibona, Fernando Peruani

专题命中 多智能体 ：agent(title,abstract)

AI总结 该研究提出了一种基于代理与环境相互作用的模型，通过持久随机游走和趋化作用产生复杂集体行为，揭示了无直接通信下涌现的时空模式形成机制。

Comments One of the authors found errors in the equations in the section on `PARTIAL DIFFERENTIAL EQUATIONS (PDE)'. Due to a miscommunication, this was not discovered until after publication. The author requests that the paper be withdrawn, as he considers it unfit for publication

GraphPerf-RT: A Graph-Driven Performance Model for Hardware-Aware Scheduling of OpenMP Codes

GraphPerf-RT: 一种基于图的性能模型用于OpenMP代码的硬件感知调度

Mohammad Pivezhandi, Mahdi Banisharif, Saeed Bakhshan, Abusayeed Saifullah, Ali Jannesari

机构 * Wayne State University（韦恩州立大学） ； Iowa State University（爱荷华州立大学） ； The University of Texas at Dallas（德克萨斯大学达拉斯分校） 纠错

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

AI总结 GraphPerf-RT通过结合任务拓扑、代码语义和运行时上下文，实现高效硬件感知调度，提升性能与能效。

Comments 49 pages, 4 figures, 19 tables

A Layered Protocol Architecture for the Internet of Agents

面向智能体的分层协议架构

Charles Fleming, Luca Muscariello, Vijoy Pandey, Ramana Kompella

机构 * Cisco Research（思科研究） 纠错

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

AI总结 本文提出分层协议架构，通过智能体通信层和语义层实现智能体协作，解决LLMs在内存和计算能力上的限制，推动多智能体系统的扩展。

Computational Foundations for Strategic Coopetition: Formalizing Trust and Reputation Dynamics

战略合作者竞争的计算基础：形式化信任与声誉动态

Vik Pant, Eric Yu

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

AI总结 本文提出一种双层信任模型，结合博弈论与动态信任演变，通过实验验证其在合作者竞争中的有效性。

Comments 57 pages, 20 figures. Second technical report in research program; should be read with foundational companion arXiv:2510.18802. Adapts and extends trustworthiness and reputation material from Pant (2021) doctoral dissertation, University of Toronto. Validation source code: https://github.com/vikpant/strategic-coopetition/tree/master/TR_validation/TR2_trust

Hallucination-Free Automatic Question & Answer Generation for Intuitive Learning

无幻觉的自动问答生成用于直观学习

Nicholas X. Wang, Aggelos K. Katsaggelos

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

AI总结 本文提出无幻觉的多代理生成框架，通过结构化协作减少教育内容中的幻觉，提升问答生成的准确性与教育价值。

AlertGuardian: Intelligent Alert Life-Cycle Management for Large-scale Cloud Systems

AlertGuardian: 大规模云系统中的智能警报生命周期管理

Guangba Yu, Genting Mai, Rui Wang, Ruipeng Li, Pengfei Chen, Long Pan, Ruijie Xu

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

AI总结 AlertGuardian通过结合LLMs和图模型，优化大规模云系统的警报生命周期管理，显著减少警报疲劳并提升故障诊断效率。

Comments Accepted by ASE 2025

Robust Verification of Concurrent Stochastic Games

并发随机游戏的鲁棒验证

Angel Y. He, David Parker

机构 * Department of Computer Science, University of Oxford, Oxford OX1 2JD, UK（计算机科学系，牛津大学，牛津 OX1 2JD，英国） 纠错

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

AI总结 本文提出鲁棒并发随机游戏模型及验证框架，用于处理多智能体系统中转移概率的不确定性问题。

Comments Extended version of a paper accepted to TACAS 2026. Main text: 17 pages, 2 figures, 2 tables; Appendix: 37 pages, 3 figures, 3 tables. Minor revisions and clarifications to the appendix; no changes to results

Last-iterate Convergence for Symmetric, General-sum, $2 \times 2$ Games Under The Exponential Weights Dynamic

对称、一般和2×2游戏在指数权重动态下的最后迭代收敛性分析

Guanghui Wang, Krishna Acharya, Lokranjan Lakshmikanthan, Juba Ziani, Vidya Muthukumar

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

AI总结 本文研究了对称2×2游戏在指数权重动态下的最后迭代收敛性，展示了其在多代理预测中的应用。

Fundamental Limits of Quantum Semantic Communication via Sheaf Cohomology

量子语义通信的fundamental limits via sheaf cohomology

Christo Kurisummoottil Thomas, Mingzhe Chen

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

AI总结 本文提出基于sheaf cohomology的量子语义通信框架，揭示语义模糊性的信息论限制，并通过量子纠缠和情境性降低上同调障碍，为自主系统提供新的通信理论基础。