AI Agent

SAMAS: A Spectrum-Guided Multi-Agent System for Achieving Style Fidelity in Literary Translation

SAMAS：一种基于频谱的多智能体系统，用于实现文学翻译中的风格保真

Jingzhuo Wu, Jiajun Zhang, Keyan Jin, Dehua Ma, Junbo Wang

机构 * Beijing Normal University（北京师范大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Coimbra（科英布拉大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Northwestern Polytechnical University（西北工业大学） 纠错

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

AI总结 SAMAS通过将风格保真视为信号处理任务，利用小波包变换生成风格特征频谱，动态组装翻译智能体工作流程，从而提升文学翻译中的风格保真度。

Towards Information-Optimized Multi-Agent Path Finding: A Hybrid Framework with Reduced Inter-Agent Information Sharing

迈向信息优化的多智能体路径寻找：一种减少智能体间信息共享的混合框架

Bharath Muppasani, Ritirupa Dey, Biplav Srivastava, Vignesh Narayanan

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

AI总结 本文提出了一种减少智能体间信息共享的混合框架IO-MAPF，通过强化学习和轻量级集中协调器实现高效多智能体路径寻找，在信息受限条件下保持高成功率。

Budget Allocation Policies for Real-Time Multi-Agent Path Finding

实时多智能体路径寻找中的预算分配策略

Raz Beck, Roni Stern

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

AI总结 本文提出了一种实时多智能体路径寻找中的预算分配策略，通过智能分配规划预算提升求解效率。

Comments 11 pages, 4 figures, 4 tables

CORE: Measuring Multi-Agent LLM Interaction Quality under Game-Theoretic Pressures

CORE: 在博弈论压力下评估多智能体大语言模型交互质量

Punya Syon Pandey, Yongjin Yang, Jiarui Liu, Zhijing Jin

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 CORE通过量化多智能体LLM在不同博弈压力下的语言使用效果，揭示社会激励对语言适应的影响，并提供评估对话鲁棒性的指标。

Comments EACL 2026 (Main)

Interpretable Failure Analysis in Multi-Agent Reinforcement Learning Systems

多智能体强化学习系统中的可解释性故障分析

Risal Shahriar Shefin, Debashis Gupta, Thai Le, Sarra Alqahtani

机构 * Wake Forest University（威克森林大学） ； Indiana University（印第安纳大学） 纠错

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

AI总结 本文提出了一种两阶段梯度框架，用于多智能体强化学习系统中可解释的故障检测与归因分析，通过几何分析和敏感性分析提高故障诊断的透明度和准确性。

Comments Accepted to the 25th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2026)

G2CP: A Graph-Grounded Communication Protocol for Verifiable and Efficient Multi-Agent Reasoning

G2CP：一种基于图的可验证和高效的多智能体推理通信协议

Karim Ben Khaled, Davy Monticolo

机构 * University of Lorraine, LORIA（洛林大学，LORIA） 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 G2CP通过图操作实现多智能体高效、可验证的推理通信，提升任务准确率并消除幻觉传播。

From Competition to Coordination: Market Making as a Scalable Framework for Safe and Aligned Multi-Agent LLM Systems

从竞争到协调：市场制作作为安全且对齐的多智能体大语言模型系统的可扩展框架

Brendan Gho, Suman Muppavarapu, Afnan Shaik, Tyson Tsay, Atharva Mohan, James Begin, Kevin Zhu, Archana Vaidheeswaran, Vasu Sharma

机构 * Algoverse AI Research（Algoverse AI研究院） 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 本文提出一种基于市场机制的多智能体大语言模型协调框架，通过结构化经济交换提升推理准确性和透明度，实现自我组织和可验证推理，为安全、对齐的AI系统提供可扩展解决方案。

Carbon-aware decentralized dynamic task offloading in MIMO-MEC networks via multi-agent reinforcement learning

基于多智能体强化学习的碳感知分布式动态任务卸载在MIMO-MEC网络中的应用

Mubshra Zulfiqar, Muhammad Ayzed Mirza, Basit Qureshi

机构 * School of Computer Science and Artificial Intelligence（计算机科学与人工智能学院） ； Wuhan University of Technology（武汉理工大学） ； School of Computer Science and Information Engineering（计算机科学与信息工程学院） ； Qilu Institute of Technology（齐鲁工业大学） ； Department of Computer Science（计算机科学系） ； Prince Sultan University（普天大学） 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 本文提出基于多智能体强化学习的碳感知分布式动态任务卸载框架，通过优化减少碳排放和能源浪费，提升MIMO-MEC网络的可持续性。

Mixed-Reality Digital Twins: Leveraging the Physical and Virtual Worlds for Hybrid Sim2Real Transition of Multi-Agent Reinforcement Learning Policies

混合现实数字孪生：利用物理与虚拟世界实现多智能体强化学习策略的混合仿真到现实过渡

Chinmay Vilas Samak, Tanmay Vilas Samak, Venkat Narayan Krovi

机构 * Department of Automotive Engineering, Clemson University International Center for Automotive Research (CU-ICAR)（汽车工程系，克莱姆森大学国际汽车研究中心（CU-ICAR）） 纠错

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

AI总结 本文提出混合现实数字孪生框架，通过并行化和域随机化技术，显著提升多智能体强化学习策略的训练效率和仿真到现实迁移性能。

Comments Accepted in IEEE Robotics and Automation Letters (RA-L) and additionally accepted to be presented at IEEE International Conference on Robotics and Automation (ICRA) 2026

Journal ref IEEE Robotics and Automation Letters, vol. 10, no. 9, pp. 9040-9047, Sept. 2025

Adaptive Multi-Agent Reasoning for Text-to-Video Retrieval

自适应多智能体推理用于文本到视频检索

Jiaxin Wu, Xiao-Yong Wei, Qing Li

机构 * Shenzhen University（深圳大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Sichuan University（四川大学） 纠错

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

AI总结 本文提出自适应多智能体框架，通过动态协调检索、推理和查询重述智能体，提升文本到视频检索的零样本跨模态对齐与复杂查询处理能力。

UniRank: A Multi-Agent Calibration Pipeline for Estimating University Rankings from Anonymized Bibliometric Signals

UniRank：一种多智能体校准流程，用于从匿名化的引文计量信号中估算大学排名

Pedram Riyazimehr, Seyyed Ehsan Mahmoudi

机构 * NotionWave 纠错

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

AI总结 UniRank通过多智能体校准流程，利用匿名化引文数据估算大学排名，实现零记忆误差和高准确性。

Developing a Multi-Agent System to Generate Next Generation Science Assessments with Evidence-Centered Design

开发一个多智能体系统以生成下一代科学评估并采用证据中心设计

Yaxuan Yang, Jongchan Park, Yifan Zhou, Xiaoming Zhai

机构 * AI4STEM Education Center, University of Georgia（AI4STEM教育中心，佐治亚大学） ； Department of Educational Psychology, University of Georgia（教育心理学系，佐治亚大学） ； School of Computing, University of Georgia（计算学院，佐治亚大学） ； Department of Mathematics, Science, and Social Studies Education, University of Georgia（数学、科学与社会科学教育系，佐治亚大学） 纠错

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

AI总结 本研究提出将证据中心设计整合到多智能体系统中，以自动生成符合NGSS的评估项目，发现AI生成的项目在包容性方面表现良好，但存在清晰性和多模态设计的局限。

Comments Under review

Action-Graph Policies: Learning Action Co-dependencies in Multi-Agent Reinforcement Learning

动作-图策略：在多智能体强化学习中学习动作互相关系

Nikunj Gupta, James Zachary Hare, Jesse Milzman, Rajgopal Kannan, Viktor Prasanna

机构 * University of Southern California, Los Angeles, CA, USA（美国南加州大学） ； DEVCOM Army Research Laboratory, Adelphi, MD, USA（美国陆军研究实验室） ； DEVCOM ARL Army Research Office, Los Angeles, CA, USA（美国陆军研究办公室） 纠错

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

AI总结 本文提出动作图策略，通过建模智能体动作间的依赖关系，提升多智能体强化学习中协调动作的性能和效率。

Wonder Wins Ways: Curiosity-Driven Exploration through Multi-Agent Contextual Calibration

Wonder Wins Ways: 通过多智能体上下文校准实现好奇心驱动的探索

Yiyuan Pan, Zhe Liu, Hesheng Wang

机构 * Shanghai Jiao Tong University（上海交通大学） ； School of Automation and Intelligent Sensing（自动化与智能感知学院） ； Key Laboratory of System Control and Information Processing（系统控制与信息处理重点实验室） ； Ministry of Education of China（中华人民共和国教育部） ； National Key Laboratory of Human-Machine Hybrid Augmented Intelligence（人机混合增强智能国家级重点实验室） ； Institute of Artificial Intelligence and Robotics（人工智能与机器人研究院） 纠错

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

AI总结 CERMIC通过多智能体上下文校准增强探索，解决稀疏奖励环境下多智能体强化学习的探索效率问题。

A potentialization algorithm for games with applications to multi-agent learning in repeated games

一种用于游戏的潜在化算法及其在重复游戏多智能体学习中的应用

Philipp Lakheshar, Sharwin Rezagholi

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

AI总结 本文提出了一种用于正常形式游戏的潜在化算法，通过构造序数潜力函数实现高效的多智能体学习，并在重复游戏中展示了收敛到稳定行为的能力。

Collaborative Document Editing with Multiple Users and AI Agents

多用户与AI代理的协作文档编辑

Florian Lehmann, Krystsina Shauchenka, Daniel Buschek

机构 * University of Bayreuth（拜鲁特大学） 纠错

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

AI总结 本文提出将AI代理集成到协作写作环境中，通过配置文件和任务使AI使用可视化，并通过用户研究展示代理如何融入团队协作规范。

Comments 27 pages, 10 figures, 6 tables, ACM CHI 2026

Flexible Coupler Array with Reconfigurable Pattern: Mechanical Beamforming and Digital Agent

可重构图案的柔性耦合器阵列：机械波束成形与数字代理

Xiaodan Shao, Yixiao Zhang, Nan Cheng, Weihua Zhuang, Xuemin Shen

专题命中 多智能体 ：agent(title,abstract)

AI总结 本文提出了一种可重构图案的柔性耦合器阵列，结合机械波束成形和数字代理技术，通过双时间尺度优化提升通信性能和覆盖范围。

Comments 14 pages

Evolution of fairness in hybrid populations with specialised AI agents

混合群体中公平性的演化与专门化AI代理

Zhao Song, Theodor Cimpeanu, Chen Shen, The Anh Han

专题命中 多智能体 ：AI agent(title,abstract)

AI总结 研究提出一种混合群体模型，通过设计歧视型AI提议者，有效提升混合社会中的公平性水平。

VQEL: Enabling Self-Play in Emergent Language Games via Agent-Internal Vector Quantization

VQEL: 通过内部向量量化在涌现语言游戏中实现自我对战

Mohammad Mahdi Samiei Paqaleh, Mehdi Jamalkhah, Mahdieh Soleymani Baghshah

机构 * Department of Computer Engineering（计算机工程系） ； Sharif University of Technology（谢里夫理工学院） ； School of Electrical and Computer Engineering（电气与计算机工程学院） ； University of Tehran（德黑兰大学） 纠错

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

AI总结 VQEL通过内部向量量化在自我对战中实现语言涌现，提升离散通信协议的学习效果。

[Re] Benchmarking LLM Capabilities in Negotiation through Scoreable Games

通过可评分游戏评估大语言模型在谈判中的能力基准测试

Jorge Carrasco Pollo, Ioannis Kapetangeorgis, Joshua Rosenthal, John Hua Yao

机构 * Informatics Institute University of Amsterdam（信息学院阿姆斯特丹大学） 纠错

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

AI总结 本文通过可评分游戏评估大语言模型在谈判中的能力，发现基准复杂但模型比较存在歧义，强调上下文在评估中的重要性。

Comments Accepted for publication at Transactions on Machine Learning Research (TMLR) and MLRC Journal Track, 2025. Code available at: https://github.com/joshrosie/FACT29

Journal ref Transactions on Machine Learning Research (TMLR), June 2025

KVComm: Enabling Efficient LLM Communication through Selective KV Sharing

KVComm: 通过选择性KV共享实现高效的LLM通信

Xiangyu Shi, Marco Chiesa, Gerald Q. Maguire, Dejan Kostic

机构 * KTH Royal Institute of Technology（皇家理工学院） 纠错

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

AI总结 KVComm通过选择性共享KV对，实现LLM间高效通信，实验显示其性能与上界方法相当，仅传输30%的KV对。

Comments ICLR 2026

Interaction Theater: A case of LLM Agents Interacting at Scale

交互戏剧：大规模LLM代理互动的案例

Sarath Shekkizhar, Adam Earle

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

AI总结 研究发现大规模LLM智能体互动表面活跃但实质空洞，需设计协调机制以促进有效交流。

ComplLLM: Fine-tuning LLMs to Discover Complementary Signals for Decision-making

ComplLLM：通过微调LLM发现互补信号以支持决策

Ziyang Guo, Yifan Wu, Jason Hartline, Kenneth Holstein, Jessica Hullman

机构 * Northwestern University（西北大学） ； Microsoft Research（微软研究院） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 ComplLLM通过微调LLM利用互补信息提升决策支持，有效恢复互补信号并生成合理解释。

Whisper: Courtside Edition Enhancing ASR Performance Through LLM-Driven Context Generation

Whisper：球场版通过LLM驱动的上下文生成提升ASR性能

Yonathan Ron, Shiri Gilboa, Tammuz Dubnov

机构 * Reichman University（里奇曼大学） 纠错

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

AI总结 Whisper：球场版通过LLM驱动的上下文生成提升ASR性能，实现17%的词错误率降低。

EDU-MATRIX: A Society-Centric Generative Cognitive Digital Twin Architecture for Secondary Education

EDU-MATRIX: 一种面向次级教育的以社会为中心的生成认知数字孪生架构

Wenjing Zhai, Jianbin Zhang, Tao Liu

机构 * The High School Affiliated to Beijing Normal University（北京师范大学附属高中） ； Department of Electronic and Communication Engineering, North China Electric Power University（华北电力大学电子与通信工程系） 纠错

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

AI总结 EDU-MATRIX通过社会引力与认知流体的交互，构建了面向次级教育的生成认知数字孪生架构，实现了教育价值观与复杂社交动态的对齐。

Stability of a DC Microgrid with a Nonlinear Nested Control Framework: The Fast Communication Scenario

含非线性嵌套控制框架的直流微电网稳定性：快速通信场景

Cornelia Skaga, Mahdieh S. Sadabadi, Gilbert Bergna-Diaz

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

AI总结 本文提出了一种非线性嵌套控制框架，用于在快速通信场景下实现直流微电网的稳定性保证，通过时间尺度分离和李雅普诺夫论证确保全局指数稳定性，并通过实验验证其有效性。

Comments 10 pages, 6 figures

The $s$-Energy and Its Applications

$s$-能量及其应用

Bernard Chazelle, Kritkorn Karntikoon

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

AI总结 本文提出$s$-能量作为分析多智能体系统收敛速率的工具，推导了新的界并解决了多个开放性问题。

Comments rearranged the content. arXiv admin note: substantial text overlap with arXiv:2207.00213

Action potential dynamics on heterogenous neural networks: from kinetic to macroscopic equations

神经网络中动作电位动力学：从动力学方程到宏观方程

Marzia Bisi, Martina Conte, Maria Groppi

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

AI总结 本文提出了一种考虑神经网络异质性的动力学模型，通过耦合单区域和多区域描述，研究网络异质性对膜电位传播和同步的影响。

Comments 18 pages, 5 figures. arXiv admin note: text overlap with arXiv:2303.01829

Multicellular Feedback Control Strategies in Synthetic Microbial Consortia: From Embedded to Distributed Control

合成微生物群落中的多细胞反馈控制策略：从嵌入式到分布式控制

Mario di Bernardo

专题命中 多智能体 ：agent(abstract)

AI总结 本文探讨了合成微生物群落中多细胞反馈控制策略的设计与应用，强调分布式控制在提高系统鲁棒性和模块化重用方面的优势，并指出生物制造等实际应用中的关键挑战。