AI Agent

OMNI-LEAK: Orchestrator Multi-Agent Network Induced Data Leakage

OMNI-LEAK：协调多智能体网络引发的数据泄露

Akshat Naik, Jay Culligan, Yarin Gal, Philip Torr, Rahaf Aljundi, Alasdair Paren, Adel Bibi

机构 * University of Oxford（牛津大学） 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 OMNI-LEAK攻击通过多智能体协调设置中的单个提示注入泄露敏感数据，揭示了多代理系统在数据安全方面的关键漏洞。

Comments Preprint; corrected typos

Multi-agent deep reinforcement learning with centralized training and decentralized execution for transportation infrastructure management

多智能体深度强化学习：集中训练与分布式执行用于交通基础设施管理

M. Saifullah, K. G. Papakonstantinou, A. Bhattacharya, S. M. Stoffels, C. P. Andriotis

机构 * organization= Department of Civil ； Environmental Engineering , addressline= The Pennsylvania State University , city= University Park , postcode= 16802 , state= PA , country= USA ； organization= Faculty of Architecture \& the Built Environment , addressline= Delft University of Technology , postcode= 2628 BL , state= Delft , country= The Netherlands 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DDMAC-CTDE框架，用于交通基础设施管理中的多智能体深度强化学习，通过集中训练与分布式执行解决高维状态和动作空间问题，并在基准环境中验证其有效性。

Toward Safe and Human-Aligned Game Conversational Recommendation via Multi-Agent Decomposition

迈向安全且人本对齐的游戏对话推荐的多智能体分解

Zheng Hui, Xiaokai Wei, Yexi Jiang, Kevin Gao, Chen Wang, Frank Ong, Se-eun Yoon, Rachit Pareek, Michelle Gong

机构 * Roblox Corporation（Roblox公司） ； University of Cambridge（剑桥大学） 纠错

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

AI总结 MATCHA通过多智能体框架提升游戏对话推荐的安全性与人本对齐，实现更精细的个性化和更强的对抗防御能力。

Comments ICML 2025 MAS, EACL 2026

Hierarchical Lead Critic based Multi-Agent Reinforcement Learning

基于分层Lead Critic的多智能体强化学习

David Eckel, Henri Meeß

机构 * Fraunhofer Institute IVI（弗劳恩霍夫研究所） 纠错

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

AI总结 本文提出分层Lead Critic框架，通过多层级视角提升多智能体强化学习的样本效率和鲁棒性。

Comments 16 pages, 10 Figures, Preprint

Stability of Open Multi-agent Systems over Dynamic Signed Digraphs

动态有向符号图上开放多智能体系统的稳定性

Pelin Sekercioglu, Angela Fontan, Dimos V. Dimarogonas

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

AI总结 本文研究了动态有向符号图上开放多智能体系统的稳定性问题，提出基于符号边的一致性协议，通过构建严格李雅普诺夫函数实现更广泛的同步形式，包括平凡一致性、二分一致性及包含一致性。

From Cooperation to Hierarchy: A Study of Dynamics of Hierarchy Emergence in a Multi-Agent System

从合作到层级：多智能体系统中层级涌现动态的研究

Shanshan Mao, Peter Tino

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

AI总结 本研究通过多智能体模型探讨了层级组织在动态系统中的涌现与持续，发现突变幅度对层级稳定性的影响大于初始异质性，揭示了简单交互规则如何促进结构不平等的形成。

Comments 16 pages, 8 figures

Uncertainty-Aware Diffusion Model for Multimodal Highway Trajectory Prediction via DDIM Sampling

面向多模态高速公路轨迹预测的不确定性感知扩散模型 via DDIM采样

Marion Neumeier, Niklas Roßberg, Michael Botsch, Wolfgang Utschick

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

AI总结 本文提出cVMDx模型，通过DDIM采样提升效率和鲁棒性，实现高效多模态轨迹预测并增强不确定性估计能力。

Comments Accepted as a conference paper in IEEE Intelligent Vehicles Symposium (IV) 2026, Detroit, MI, United States

PACE: Procedural Abstractions for Communicating Efficiently

PACE：用于高效沟通的程序抽象

Jonathan D. Thomas, Andrea Silvi, Devdatt Dubhashi, Moa Johansson

机构 * Chalmers University of Technology and University of Gothenburg（楚德斯技术大学和哥德堡大学） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.CL

AI总结 PACE通过神经符号方法实现高效沟通，通过协作任务中自然产生高效语言，为对话代理提供类人抽象能力。

Comments Accepted to CogSci 2025 for presentation

Optimal Deterministic Rendezvous in Labeled Lines

在标记线上最优确定性会合

Yann Bourreau, Ananth Narayanan, Alexandre Nolin

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出了一种在标记线上实现确定性会合的最优算法，能够在O(D log* ℓ_min)轮次内完成，其中ℓ_min是起始位置附近最小的标签。

Comments 24 pages, 3 figures. To appear in the proceedings of STACS 2026