AI Agent

Prism: Spectral Parameter Sharing for Multi-Agent Reinforcement Learning

Prism：多智能体强化学习中的谱参数共享

Kyungbeom Kim, Seungwon Oh, Kyung-Joong Kim

机构 * Gwangju Institute of Science and Technology (GIST)（光州科学技术学院） 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 Prism通过谱域参数共享机制，在多智能体强化学习中实现智能体间多样性与资源效率的平衡。

Data-Centric Interpretability for LLM-based Multi-Agent Reinforcement Learning

面向大语言模型多智能体强化学习的数据导向可解释性

John Yan, Michael Yu, Yuqi Sun, Alexander Duffy, Tyler Marques, Matthew Lyle Olson

机构 * goodstartlabs（Good Start Labs） 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Meta-Autointerp方法，利用SAEs和LLM总结器分析多智能体强化学习行为，发现细粒度行为及奖励黑客，验证SAE特征的有效性并提升智能体性能。

Comments authors 1, 2 and 3 contributed equally

RuleSmith: Multi-Agent LLMs for Automated Game Balancing

RuleSmith：多智能体LLM用于自动化游戏平衡

Ziyao Zeng, Chen Liu, Tianyu Liu, Hao Wang, Xiatao Sun, Fengyu Yang, Xiaofeng Liu, Zhiwen Fan

机构 * Yale University（耶鲁大学） ； Texas A\&M University（德克萨斯农工大学） 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 RuleSmith利用多智能体LLM实现自动化游戏平衡，通过贝叶斯优化和自适应采样高效搜索参数空间，实现高平衡配置和可解释规则调整。

Dynamic Quantum Optimal Communication Topology Design for Consensus Control in Linear Multi-Agent Systems

动态量子最优通信拓扑设计用于线性多智能体系统的一致控制

Milad Hasanzadeh, Amin Kargarian

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

AI总结 本文提出利用量子算法优化动态通信拓扑，用于线性多智能体系统的一致控制，通过量子虚时间演化解决NP难问题，实现高效拓扑生成与一致性能。

Multi-Agent-Driven Cognitive Secure Communications in Satellite-Terrestrial Networks

多智能体驱动的认知安全通信在卫星-地面网络中

Yujie Ling, Zan Li, Lei Guan, Zheng Zhang, Shengyu Zhang, Tony Q. S. Quek

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

AI总结 本文提出多智能体驱动的认知安全通信框架，通过实时感知协调频谱调度与保护，提升卫星-地面网络的安全性能并降低功率开销。

Comments 13 pages, 8 figures, journal article

OpenDeception: Learning Deception and Trust in Human-AI Interaction via Multi-Agent Simulation

OpenDeception: 通过多智能体模拟学习人类-人工智能交互中的欺骗与信任

Yichen Wu, Qianqian Gao, Xudong Pan, Geng Hong, Min Yang

机构 * Fudan University（复旦大学） ； 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)；分类 cs.AI、cs.CL

AI总结 OpenDeception通过多智能体模拟评估人类-人工智能交互中的欺骗与信任风险，利用场景基准、意图网络和信任网络，识别高风险对话并提前预警。

Balancing Sustainability And Performance: The Role Of Small-Scale LLMs In Agentic Artificial Intelligence Systems

平衡可持续性与性能：小型语言模型在代理人工智能系统中的作用

Anh Khoa Ngo Ho, Martin Chauvin, Simon Gosset, Philippe Cordier, Boris Gamazaychikov

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

AI总结 本文研究小型语言模型在代理AI系统中如何平衡能耗与性能，提出可持续AI设计的实用指南。

ToPolyAgent: AI Agents for Coarse-Grained Topological Polymer Simulations

ToPolyAgent：用于拓扑聚合物粗粒化拓扑模拟的AI代理

Lijie Ding, Jan-Michael Carrillo, Changwoo Do

机构 * Neutron Scattering Division, Oak Ridge National Laboratory（中子散射部，橡树岭国家实验室） ； Center for Nanophase Materials Sciences, Oak Ridge National Laboratory（纳米相材料科学中心，橡树岭国家实验室） 纠错

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

AI总结 ToPolyAgent通过自然语言指令实现拓扑聚合物粗粒化模拟，结合多代理AI框架提升聚合物科学计算效率。

Comments 10 pages, 8 figures

Completing Missing Annotation: Multi-Agent Debate for Accurate and Scalable Relevant Assessment for IR Benchmarks

补全缺失注释：基于多智能体辩论的准确且可扩展的相关性评估框架用于信息检索基准测试

Minjeong Ban, Jeonghwan Choi, Hyangsuk Min, Nicole Hee-Yeon Kim, Minseok Kim, Jae-Gil Lee, Hwanjun Song

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） 纠错

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

AI总结 DREAM通过多智能体辩论框架提高IR基准测试的相关性评估准确性，减少人力参与，构建BRIDGE基准并揭示缺失相关片段，改进检索器比较。

Comments Accepted at ICLR 2026

Constella: Supporting Storywriters' Interconnected Character Creation through LLM-based Multi-Agents

Constella：通过基于LLM的多智能体支持故事创作者的相互关联角色创作

Syemin Park, Soobin Park, Youn-kyung Lim

机构 * Department of Industrial Design, KAIST（韩国成均馆大学工业设计系） 纠错

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

AI总结 Constella通过基于LLM的多智能体系统，帮助故事创作者更高效地构建相互关联的角色群，提升角色关系的复杂性和多样性。

Comments Accepted to ACM Transactions on Computer-Human Interaction (TOCHI)

Adaptive AI-based Decentralized Resource Management in the Cloud-Edge Continuum

自适应的AI-based云边连续体资源管理

Lanpei Li, Jack Bell, Massimo Coppola, Vincenzo Lomonaco

机构 * Department of Computer Science, University of Pisa（计算机科学系，比萨大学） 纠错

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

AI总结 本文提出了一种结合图神经网络和协同多智能体强化学习的混合框架，用于在云边连续体中实现高效、自适应和可扩展的资源管理。

Comments Accepted at AHPC3 workshop, PDP 2025

Communication Enhances LLMs' Stability in Strategic Thinking

通信增强大语言模型在战略思维中的稳定性

Nunzio Lore, Babak Heydari

机构 * Network Science Institute Northeastern University（东北大学网络科学研究所） ； Department of Mechanical and Industrial Engineering, Institute of Experiential AI（机械与工业工程系，体验式人工智能研究所） 纠错

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

AI总结 研究通过通信机制提升大语言模型在战略思维任务中的稳定性，发现其能有效减少轨迹噪声，但效果受模型和上下文影响。

Comments 15 pages, 1 figure, 6 tables

Distributed Knowledge in Simplicial Models

simplicial模型中的分布式知识

Éric Goubault, Jérémy Ledent, Sergio Rajsbaum

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

AI总结 本文提出使用simplicial模型研究分布式知识，探讨其与多数共识的关系，并分析通信模型在解决共识任务中的作用。

Distributed Circumferential Coverage Control in Non-Convex Annulus Environments

非凸环形区域中分布式周向覆盖控制

Chao Zhai

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

AI总结 本文提出了一种分布式周向覆盖控制方法，通过构建黎曼度量和虚拟分区杆实现非凸环形区域的负载均衡与覆盖控制。

D-ripALM: A Tuning-friendly Decentralized Relative-Type Inexact Proximal Augmented Lagrangian Method

D-ripALM：一种适用于多智能体网络共识凸优化的去中心化相对型近似增广拉格朗日方法

Jiayi Zhu, Hong Wang, Ling Liang, Lei Yang

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

AI总结 D-ripALM是一种适用于多智能体网络共识凸优化的去中心化算法，通过相对型误差准则提升调优友好性和数值鲁棒性。

Quenching Speculation in Quantum Markets via Entangled Neural Traders

通过纠缠神经交易员在量子市场中抑制投机

Kieran Hymas, Hiu Ming Lau, Kareem Raslan, Qiang Sun, Azhar Iqbal, Derek Abbott, Andrew D. Greentree, James Q. Quach

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

AI总结 本文通过量子纠缠的神经交易员在量子市场中抑制投机行为，展示了量子相关性对市场稳定化的新机制。

Comments 9 pages, 5 figures

Bridging 6G IoT and AI: LLM-Based Efficient Approach for Physical Layer's Optimization Tasks

连接6G物联网与AI：基于大语言模型的高效方法用于物理层优化任务

Ahsan Mehmood, Naveed Ul Hassan, Ghassan M. Kraidy

机构 * Department of Electronic Systems, Norwegian University of Science and Technology（电子系统系，挪威科学技术大学） ； Department of Electrical Engineering, Lahore University of Management sciences (LUMS)（电气工程系，拉合尔管理科学大学（LUMS）） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文提出基于大语言模型的PE-RTFV框架，通过迭代优化实现6G物联网物理层任务的高效优化。

Comments This paper is submitted to IEEE IoT Journal and is currently under review

Hear You in Silence: Designing for Active Listening in Human Interaction with Conversational Agents Using Context-Aware Pacing

在沉默中倾听：利用情境感知节奏设计人与对话代理的主动倾听

Zhihan Jiang, Qianhui Chen, Chu Zhang, Yanheng Li, Ray LC

机构 * The University of Hong Kong Hong Kong, SAR China Columbia University New York United States ； Renmin University of China Beijing China ； City University of Hong Kong\ for Narrative Spaces Hong Kong, SAR China Guangdong University of Technology Guangzhou China ； City University of Hong Kong\ for Narrative Spaces Hong Kong, SAR China ； The University of Hong Kong ； Columbia University ； Renmin University of China ； City University of Hong Kong\ for Narrative Spaces ； Guangdong University of Technology 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文提出通过情境感知节奏策略提升对话代理的主动倾听能力，通过实验验证其在人际关系和职业支持场景中的有效性。

Comments 29 pages, 10 figures. Conditionally Accepted to CHI '26

CoCoPlan: Adaptive Coordination and Communication for Multi-robot Systems in Dynamic and Unknown Environments

CoCoPlan：动态和未知环境中的多机器人系统自适应协调与通信

Xintong Zhang, Junfeng Chen, Yuxiao Zhu, Bing Luo, Meng Guo

机构 * School of Advanced Manufacturing and Robotics, Peking University（北京大学先进制造与机器人学院） ； Division of Natural and Applied Sciences, Duke Kunshan University（杜克昆山大学自然与应用科学系） 纠错

专题命中 多智能体 ：planning(abstract)

AI总结 CoCoPlan通过自适应协调与通信框架，提升多机器人系统在动态未知环境中的任务完成效率与通信效率。

Comments 8 pages, 8 figures, published to RA-L

Journal ref IEEE Robotics and Automation Letters, vol. 11, issue 3, pp. 3270-3277, March 2026