AI Agent

Bilevel optimization with sustainability perspective: A survey on applications

双层优化与可持续性视角：应用综述

Giulia Caselli, Manuel Iori, Ivana Ljubić

专题命中 规划决策 ：planning(abstract)

AI总结 本文综述了将可持续性视角引入双层优化问题的应用，涵盖交通物流、生产规划、水资源管理等领域，并讨论了未来研究方向。

Journal ref European Journal of Operational Research, 332(2), 2026, 357-375

Model-Free Reinforcement Learning for Stochastic Games with Linear Temporal Logic Objectives

无模型强化学习用于具有线性时序逻辑目标的随机博弈

Alper Kamil Bozkurt, Yu Wang, Michael Zavlanos, Miroslav Pajic

机构 * Duke University（杜克大学） 纠错

专题命中 规划决策 ：planning(abstract)

AI总结 本文研究了在未知环境中合成满足线性时序逻辑（LTL）目标的控制策略问题，提出了一种无模型强化学习方法，通过确定性拉宾自动机（DRA）的接受条件来最大化满足LTL规范的概率，并在两个运动规划案例中验证了方法的适用性。

Journal ref 2021 IEEE International Conference on Robotics and Automation (ICRA), Xi'an, China, 2021, pp. 10649-10655

ANX: Protocol-First Design for AI Agent Interaction with a Supporting 3EX Decoupled Architecture

ANX：面向AI代理交互的协议优先设计及其支持的3EX解耦架构

Xu Mingze

机构 * Hangzhou Ziyou Data Technology Co., Ltd.（杭州自由数据科技有限公司） 纠错

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

AI总结 本文提出ANX协议，通过协议创新、架构优化和工具补充，解决AI代理交互中高消耗、碎片化、安全性不足等问题，其核心创新包括代理原生设计、人机交互、轻量应用和可执行SOP。

Comments This open-source AI agent interaction protocol (ANX) is benchmarked against existing protocols (MCP, A2A, ANP, OpenCLI, SkillWeaver, CHEQ, COLLAB-LLM) across four dimensions: tooling, discovery, security, and multi-agent SOP collaboration. Code: https://github.com/mountorc/anx-protocol

A Multi-Agent Reinforcement Learning Framework for Public Health Decision Analysis

面向公共卫生决策分析的多智能体强化学习框架

Dinesh Sharma, Ankit Shah, Chaitra Gopalappa

机构 * University of South Florida（南佛罗里达大学） ； Indiana University（印第安纳大学） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） 纠错

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

AI总结 本文提出多智能体强化学习框架，用于优化公共卫生干预策略，通过考虑跨行政区的流行病学互动，提高资源分配效率，实验表明其在减少新感染方面优于传统单智能体方法。

Comments Updated to the accepted version published in Healthcare Analytics (November 2025)

Journal ref Healthcare Analytics, 8 (2025) 100436

Explainable Autonomous Cyber Defense using Adversarial Multi-Agent Reinforcement Learning

利用对抗性多智能体强化学习的可解释自主网络防御

Yiyao Zhang, Diksha Goel, Hussain Ahmad

机构 * Adelaide University（阿德莱德大学） ； CSIRO’s Data61（澳大利亚联邦科学与工业研究组织Data61） 纠错

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

AI总结 本文提出C-MADF框架，通过因果建模与对抗性双策略控制，提升网络防御的可解释性和准确性，在真实数据集上显著降低误报率。

MoltNet: Understanding Social Behavior of AI Agents in the Agent-Native MoltBook

MoltNet：理解AI代理在Agent原生MoltBook中的社会行为

Yi Feng, Chen Huang, Zhibo Man, Ryner Tan, Long P. Hoang, Shaoyang Xu, Wenxuan Zhang

机构 * iNLP Lab, Singapore University of Technology and Design（新加坡科技设计大学 iNLP 实验室） 纠错

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

AI总结 研究大规模AI代理社区的社会互动，通过MoltNet数据集分析148K代理在MoltBook中的行为，揭示其在激励、规范、情感等方面的社会机制与人类差异。

Co-Designing Quantum Codes with Transversal Diagonal Gates via Multi-Agent Systems

通过多智能体系统共设计具有横向对角门的量子码

Xi He, Sirui Lu, Bei Zeng

机构 * Department of Physics, The University of Texas at Dallas, Richardson, Texas 75080, USA（德克萨斯大学达拉斯分校物理系，美国德克萨斯州理查森市75080） 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 本文提出通过多智能体系统结合符号合成、组合和线性规划搜索、精确重建数值候选和形式验证，实现非加性量子纠错码的精确科学发现，发现14116种代码并提取无限族。

Comments 33 pages, 4 figures

FURINA: A Fully Customizable Role-Playing Benchmark via Scalable Multi-Agent Collaboration Pipeline

FURINA：通过可扩展的多智能体协作流水线实现完全可定制的角色扮演基准

Haotian Wu, Shufan Jiang, Chios Chen, Yiyang Feng, Hehai Lin, Heqing Zou, Yao Shu, Chengwei Qin

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The University of Hong Kong（香港大学） ； Stony Brook University（石溪大学） ； Nanyang Technological University（南洋理工大学） ； Datawhale Org.（Datawhale 组织） ； Independent Researcher（独立研究者） 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FURINA-Builder，一种可扩展的多智能体协作流水线，用于构建完全可定制的角色扮演基准。该基准支持多样化的场景和提示格式，通过智能体协作评估任意角色，并发现推理能力提升的同时 hallucinations 增加的新型权衡。

Talk to Right Specialists: Iterative Routing in Multi-agent Systems for Question Answering

与正确专家对话：多智能体系统中用于问答的迭代路由

Feijie Wu, Zitao Li, Fei Wei, Yaliang Li, Bolin Ding, Jing Gao

机构 * Purdue University（普渡大学） ； Alibaba（阿里巴巴） ； Zoom Communication（Zoom通信） 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RIRS框架，通过迭代路由解决多智能体问答中用户无法确定咨询哪个专家及复杂问题需多专家证据的问题，提升回答准确性和效率。

Comments Differences between v1 & v2: The algorithm name of the first version is RopMura, which decomposes a multi-hop query into several simple subqueries, and a question selector selects one of the subqueries to answer. In the second version, the name is updated to RIRS, which directly routes a query to the appropriate agents, regardless of whether the query is single-hop or multi-hop

PolySwarm: A Multi-Agent Large Language Model Framework for Prediction Market Trading and Latency Arbitrage

PolySwarm：一种多智能体大语言模型框架，用于预测市场交易和延迟套利

Rajat M. Barot, Arjun S. Borkhatariya

机构 * Department of Computer Science, State University of New York, Binghamton（纽约州立大学宾汉姆顿分校计算机科学系） ； Department of Software Engineering, Arizona State University（亚利桑那州立大学软件工程系） 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PolySwarm框架，通过多智能体大语言模型实时预测市场交易和去中心化平台上的延迟套利，结合贝叶斯方法和信息论分析，展示其在概率校准上的优越性能。

Comments 13 pages, 3 figures, 3 tables

Representational Collapse in Multi-Agent LLM Committees: Measurement and Diversity-Aware Consensus

多智能体大语言模型委员会中的表征坍塌：测量与多样性感知共识

Dipkumar Patel

机构 * LLMs Research Inc.（LLMs研究公司） 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 研究探讨多智能体大语言模型委员会中表征坍塌现象，通过测量和多样性感知共识方法提升共识质量，实验表明表征坍塌可测量且影响任务难度。

Comments 11 pages, 2 figures, 7 tables

Optimizing Service Operations via LLM-Powered Multi-Agent Simulation

通过LLM赋能的多智能体仿真优化服务运营

Yanyuan Wang, Xiaowei Zhang

机构 * Department of Industrial Engineering and Decision Analytics, The Hong Kong University of Science and Technology（香港科技大学工业工程与决策分析系） 纠错

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

AI总结 本文提出基于LLM的多智能体仿真框架，通过建模决策依赖的不确定性，优化服务运营的稳态性能，实验证明其在可持续供应链中的优越性。

IV Co-Scientist: Multi-Agent LLM Framework for Causal Instrumental Variable Discovery

IV共科学家：多智能体LLM框架用于因果工具变量发现

Ivaxi Sheth, Zhijing Jin, Bryan Wilder, Dominik Janzing, Mario Fritz

机构 * CISPA Helmholtz Center for Information Security（CISPA亥姆霍兹信息安全中心） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Jinesis AI Lab（Jinesis AI实验室） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； EuroSafeAI ； Carnegie Mellon University（卡内基梅隆大学） ； Amazon（亚马逊） 纠错

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

AI总结 本文探讨LLM在发现因果工具变量中的作用，提出IV共科学家多智能体系统，通过测试和评估LLM恢复已知工具及避免无效工具的能力，展示LLM在大规模观测数据中发现有效工具的潜力。

Comments Paper accepted at CleaR 2026

Multi-Agent Environments for Vehicle Routing Problems

多智能体环境用于车辆路径问题

Ricardo Gama, Ricardo Cunha, Daniel Fuertes, Carlos R. del-Blanco, Hugo L. Fernandes

机构 * Grupo de Tratamiento de Imágenes (GTI), Information Processing and Telecommunications Center, ETSI Telecomunicación, Universidad Politécnica de Madrid（图像处理组（GTI），信息处理与电信中心，马德里理工大学电信工程学院） ； Singuli（Singuli公司） 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MAEnvs4VRP库，为多智能体车辆路径问题提供统一框架，支持多种变体，基于PyTorch实现灵活架构，促进RL与OR社区交流。

MultiPress: A Multi-Agent Framework for Interpretable Multimodal News Classification

MultiPress：一种用于可解释多模态新闻分类的多智能体框架

Tailong Luo, Hao Li, Rong Fu, Xinyue Jiang, Huaxuan Ding, Yiduo Zhang, Zilin Zhao, Simon Fong, Guangyin Jin, Jianyuan Ni

机构 * New York Institute of Technology（纽约理工学院） ； University of Arizona（亚利桑那大学） ； University of Macau（澳门大学） ； Peking University（北京大学） ； Juniata College（朱尼亚塔学院） 纠错

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

AI总结 本文提出MultiPress多智能体框架，通过多模块协作和检索增强推理提升多模态新闻分类的准确性和可解释性。

Comments Accepted in International Joint Conference on Neural Networks (IJCNN) 2026

Scaling Teams or Scaling Time? Memory Enabled Lifelong Learning in LLM Multi-Agent Systems

团队规模还是时间规模？基于内存的持续学习在大语言模型多智能体系统中的应用

Shanglin Wu, Yuyang Luo, Yueqing Liang, Kaiwen Shi, Yanfang Ye, Ali Payani, Kai Shu

机构 * Emory University（埃默里大学） ； Illinois Institute of Technology（伊利诺伊理工学院） ； University of Notre Dame（圣母大学） ； Cisco Research（思科研究院） 纠错

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

AI总结 本文研究了大语言模型多智能体系统在团队规模和持续学习能力上的协同优化，提出LLMA-Mem框架，通过灵活内存拓扑提升长期性能并降低成本。

Safe Decentralized Operation of EV Virtual Power Plant with Limited Network Visibility via Multi-Agent Reinforcement Learning

通过多智能体强化学习实现有限网络可见性的电动汽车虚拟电厂安全分布式运行

Chenghao Huang, Jiarong Fan, Weiqing Wang, Hao Wang

机构 * Department of Data Science and AI, Faculty of IT, Monash University（蒙纳士大学信息技术学院数据科学与人工智能系） ； Monash Energy Institute, Monash University（蒙纳士大学蒙纳士能源研究所） 纠错

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

AI总结 本文提出一种安全增强的虚拟电厂框架，利用多智能体强化学习在有限信息约束下协调多个电动汽车充电站，确保电压安全并维持经济运行。

Comments The 2026 IEEE Power & Energy Society General Meeting, 7 pages including appendix

Emergent Social Intelligence Risks in Generative Multi-Agent Systems

生成多智能体系统中的涌现社会智能风险

Yue Huang, Yu Jiang, Wenjie Wang, Haomin Zhuang, Xiaonan Luo, Yuchen Ma, Zhangchen Xu, Zichen Chen, Nuno Moniz, Zinan Lin, Pin-Yu Chen, Nitesh V Chawla, Nouha Dziri, Huan Sun, Xiangliang Zhang

机构 * University of Notre Dame（圣母大学） ； LMU Munich（慕尼黑大学） ； University of Washington（华盛顿大学） ； Bake AI ； University of California, Santa Barbara（加州大学圣塔芭芭拉分校） ； Stanford University（斯坦福大学） ； Microsoft Research（微软研究院） ； IBM Research（IBM研究院） ； Cohere ； The Ohio State University（俄亥俄州立大学） 纠错

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

AI总结 研究生成多智能体系统在共享资源竞争中的涌现风险，揭示集体行为自发复制人类社会故障模式的现象。

HDP: A Lightweight Cryptographic Protocol for Human Delegation Provenance in Agentic AI Systems

HDP：一种轻量级密码协议，用于代理AI系统中的人类委托溯源

Asiri Dalugoda

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

AI总结 本文提出HDP协议，通过轻量级令牌方案解决代理AI系统中委托链的溯源验证问题，强调其无需第三方信任锚点的离线验证能力。

Comments 12 pages, 1 figure. Introduces the Human Delegation Provenance (HDP) protocol for cryptographically verifiable human authorization in multi-agent AI systems. Open-source at https://github.com/Helixar-AI/HDP (spec, schema, examples, TS SDK @helixar_ai /hdp on npm, Python integrations). Also IETF Internet-Draft draft-helixar-hdp-agentic-delegation-00 (March 2026). v0.1 open for review

Rethinking Model Efficiency: Multi-Agent Inference with Large Models

重新思考模型效率：基于大模型的多智能体推断

Sixun Dong, Juhua Hu, Steven Li, Wei Wen, Qi Qian

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

AI总结 本文通过分析不同视觉-语言模型的延迟，发现大模型通过减少输出token数量可提升效率，并提出多智能体推断框架以复用小模型的推理token，从而接近大模型性能。

Collaborative Altruistic Safety in Coupled Multi-Agent Systems

耦合多智能体系统中的协作利他安全

Brooks A. Butler, Xiao Tan, Aaron D. Ames, Magnus Egerstedt

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

AI总结 本文提出一种基于协作控制屏障函数的框架，通过协作控制确保动态耦合多智能体系统的安全性，利用哈密顿规则定义利他安全条件，提升系统整体安全性和鲁棒性。

Comments This work is to appear at the 2026 American Control Conference

Distributed Covariance Steering via Non-Convex ADMM for Large-Scale Multi-Agent Systems

通过非凸ADMM实现分布式协方差控制用于大规模多智能体系统

Augustinos D. Saravanos, Isin M. Balci, Arshiya Taj Abdul, Efstathios Bakolas, Evangelos A. Theodorou

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

AI总结 本文研究在概率碰撞避免约束下，通过非凸ADMM实现分布式协方差控制，提出三种方法在保守性和计算效率间平衡，验证了算法的收敛性和可扩展性。

ECHO: Event-Centric Hypergraph Operations via Multi-Agent Collaboration for Multimedia Event Extraction

ECHO：基于多智能体协作的多媒体事件提取的事件中心超图操作

Hailong Chu, Hongbing Li, Yunlong Chu, Shutai Huang, Xingyue Zhang, Tinghe Yan, Jinsong Zhang, Shuo Zhang, Lei Li

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Tianjin University（天津大学） ； Chongqing University of Posts and Telecommunications（重庆邮电大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

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

AI总结 ECHO通过多智能体协作将多媒体事件提取重构为超图的迭代优化过程，明确事件结构并提高可审查性，实验表明其在事件提及和论证角色上分别提升了7.3和15.5个F1分数。

Distributed Optimal Consensus of Nonlinear Multi-Agent Systems

非线性多智能体系统的分布式最优一致性

Ziyuan Guo, Chuanzhi lv, Liping Zhang, Huanshui Zhang

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

AI总结 本文研究了非线性多智能体系统的最优一致性问题，提出基于最优控制原理的分布式最优一致性算法，并在模型预测控制框架下开发了两种增强算法，证明了算法的收敛性和超线性收敛速度。

Distributed Event-Triggered Distance-Based Formation Control for Multi-Agent Systems

分布式事件触发的距离基形成控制多智能体系统

Evangelos Psomiadis, Panagiotis Tsiotras

机构 * D. Guggenheim School of Aerospace Engineering, Georgia Institute of Technology（佐治亚理工学院古根海姆航空航天工程学院） 纠错

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

AI总结 本文提出一种分布式事件触发的非线性形成控制器，通过距离测量实现多智能体系统的协同形成控制，减少控制更新并保证碰撞避免。

Comments 6 pages, 5 figures

Attitude Synchronization on SO(3) for Heterogeneous Multi-Agent Systems Using Vector Measurements

基于向量测量的异构多智能体系统在SO(3)上的姿态同步

Mouaad Boughellaba, Soulaimane Berkane, Abdelhamid Tayebi

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

AI总结 本文研究了异构多智能体系统在SO(3)上的分布式姿态同步问题，提出四种基于局部向量测量的同步方案，无需姿态估计和交换，实现对公共未知方向的同步，以及通过指定领导者对齐恒定方向。

Beyond Retrieval: Modeling Confidence Decay and Deterministic Agentic Platforms in Generative Engine Optimization

超越检索：在生成引擎优化中建模置信度衰减与确定性代理平台

XinYu Zhao, ChengYou Li, XiangBao Meng, Kai Zhang, XiaoDong Liu

机构 * National University of Singapore（新加坡国立大学） ； Yishu Research（艺树研究） ； Fukuoka Institute of Technology（福冈工业大学） 纠错

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

AI总结 本文提出通过确定性多代理意图路由替代传统检索增强生成方法，建模置信度衰减并构建代理信任经纪生态系统，实验证明显著降低垂直任务幻觉率。

Multi-Agent Training-free Urban Food Delivery System using Resilient UMST Network

多智能体无训练城市食品配送系统使用抗灾UMST网络

Md Nahid Hasan, Vishwam Tiwari, Aditya Challa, Vaskar Raychoudhury, Snehanshu Saha

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

AI总结 本文提出UMST方法构建高效且稳健的配送网络，通过随机边扰动生成多个MST并合并，减少边数同时保持多条路径。UMST在多个美国城市中实现比全连接网络少20-40倍的边数，且订单捆绑率达75-83%，性能优于MADDPG等基于学习的基线方法。

Undetectable Conversations Between AI Agents via Pseudorandom Noise-Resilient Key Exchange

通过伪随机噪声抗扰键交换实现AI代理之间的不可检测对话

Vinod Vaikuntanathan, Or Zamir

机构 * MIT（麻省理工学院） ； Tel Aviv University（特拉维夫大学） 纠错

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

AI总结 本文研究了在无共享密钥情况下，如何通过伪随机噪声抗扰键交换实现AI代理间的隐蔽对话，突破传统通信中对信息熵的依赖，提出新的密码学理论。

What Do We Need for an Agentic Society?

一个代理社会需要什么？

Kwon Ko, Hyoungwook Jin

专题命中 多智能体 ：agentic(title,abstract)

AI总结 本文探讨了构建代理社会所需的关键问题，包括信息共享、判断机制和行动时机，通过欺凌和抑郁的示例展示了协调的潜力与失败模式。

Comments 4 pages, 1 figure