An Encoded Corrective Double Deep Q-Networks for Multi-Agent Control Systems
一种编码纠正的双深度Q网络用于多智能体控制系统
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)
AI总结 本文研究了异构和互联多智能体系统协作控制策略的合成，提出了一种分布式编码纠正双演员-评论家框架，通过消息传递机制改进全局状态信息，减少集体成本。
AI 大模型
AI Agent
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
1. 多智能体 43 篇
Receding Horizon Multi-Agent Deceptive Path Planner
滚动时域多智能体欺骗路径规划
专题命中 多智能体 ：agent(title)；multi-agent(title)；autonomous agent(abstract)；planning(abstract)
AI总结 本文提出基于玻尔兹曼分布的多智能体欺骗路径规划框架，通过短时域轨迹计算实现动态欺骗与约束适应，支持在线调整以应对环境变化。
MIMIC-D: Multi-modal Imitation for MultI-agent Coordination with Decentralized Diffusion Policies
MIMIC-D: 多模态模仿用于多智能体协调的去中心化扩散策略
机构 * Department of Mechanical Engineering, University of California Berkeley（加州大学伯克利分校机械工程系）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)
AI总结 本文提出MIMIC-D，通过去中心化扩散策略实现多智能体多模态模仿学习，解决了传统方法在多模态任务中协调效率低的问题。
Comments 8 pages, 4 figures, 5 tables
APWA: A Distributed Architecture for Parallelizable Agentic Workflows
APWA: 一种用于可并行化代理工作流的分布式架构
机构 * Northeastern University（东北大学）
专题命中 多智能体 ：agentic(title,abstract)；agent(abstract,abstract_cn)；multi-agent(abstract)；分类 cs.AI
AI总结 本文提出APWA架构，通过分解任务为非干扰子问题，提升多代理系统处理高并行任务的效率和扩展性。
Comments 25 pages, 2 figures, 14 tables
Multi-Agentic Approach for History Matching of Oil Reservoirs
多智能体方法用于油藏历史匹配
专题命中 多智能体 ：agentic(title)；agent(abstract)；planning(abstract)；workflow(abstract)
AI总结 本文提出PetroGraph多智能体框架，通过分解工作流实现智能油藏历史匹配，降低复杂模拟工作流的操作门槛，提升历史匹配精度。
The Moltbook Observatory Archive: an incremental dataset of agent-only social network activity
Moltbook观测站档案：一个仅由智能体生成的社会网络活动增量数据集
机构 * Simula Metropolitan Center for Digital Engineering (SimulaMet)（Simula数字工程中心（SimulaMet）） ； Oslo Metropolitan University（奥斯陆大学） ； Simula Research Laboratory（Simula研究实验室）
专题命中 多智能体 ：agent(title,abstract)；AI agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文介绍了Moltbook观测站档案，一个记录仅由智能体生成的社会网络活动的增量数据集，包含78天的平台活动数据，包含261万条帖子和121万条评论，用于研究多智能体通信和自主智能体在线环境中的安全现象。
Comments 12 pages, 5 figures
Agentic AI in Industry: Adoption Level and Deployment Barriers
工业中的代理AI：采用级别与部署障碍
专题命中 多智能体 ：agentic(title,abstract)；agent(abstract)；multi-agent(abstract)；分类 cs.SE
AI总结 研究通过16次访谈，揭示工业组织代理AI的采用现状及部署障碍，发现能力与部署验证存在差距，主要障碍包括LLM上下文窗口限制、专有语言性能不足、非确定性与数据保密问题。
Comments 16 pages
What Do AI Agents Talk About? Discourse and Architectural Constraints in the First AI-Only Social Network
AI代理谈论什么？第一个人工智能-only社交网络中的话语与架构约束
机构 * Department of Computer Science, Kent State University（肯特州立大学计算机科学系） ； New Jersey Institute of Technology（新泽西理工学院）
专题命中 多智能体 ：AI agent(title,abstract)；agent(abstract)；autonomous agent(abstract)；分类 cs.CL
AI总结 研究分析了Moltbook中代理话语的主题、情感和互动特性，揭示了话语生成受代理身份文件、行为指令和上下文窗口结构的影响，提出架构约束通信框架。
Comments 56 pages
A Heterogeneous Dual-Network Framework for Emergency Delivery UAVs: Communication Assurance and Path Planning Coordination
一种异构双网络框架用于应急配送无人机：通信保障与路径规划协调
专题命中 多智能体 ：planning(title,abstract)；agent(abstract)；multi-agent(abstract)
AI总结 本文提出异构双网络框架HDNF，通过结合应急通信支持网络和配送路径网络，提升无人机在灾害环境中的通信可靠性与路径规划效率，优化任务分配和能源消耗。
Comments This work has been submitted to the IEEE for possible publication
Privacy Preserving Multi Agent Path Finding
隐私保护的多智能体路径寻找
专题命中 多智能体 ：agent(title,abstract)；planning(abstract)；multi-agent(abstract)
AI总结 本文提出两种隐私保护机制，通过添加虚拟智能体和后处理技术，在多智能体路径寻找中实现规划和执行层面的隐私保护，实验表明后处理技术有效降低路径成本。
Comments 16 pages, 5 figures, to be published in AAMAS 2026 as an extended abstract
Quantum Advantage in Multi Agent Reinforcement Learning
量子多智能体强化学习中的量子优势
机构 * Adelaide University（阿德莱德大学）
专题命中 多智能体 ：agent(title,abstract)；分类 cs.LG
AI总结 本文通过实验验证量子纠缠在多智能体强化学习中的协调作用，展示了量子智能体在CHSH游戏中超越经典性能的量子优势，并探讨了不同纠缠结构对性能的影响。
Comments 19 pages
AI Knows When It's Being Watched: Functional Strategic Action and Contextual Register Modulation in Large Language Models
AI 知道它在被观察：大型语言模型中的功能性战略行为与情境语境调节
机构 * Center for Applied Communication Research (CICA)（应用沟通研究中心） ； Human & NonHuman Communication Laboratory（人类与非人类沟通实验室） ； Faculty of Communication（传播学院） ； Universidad Anáhuac México（墨西哥安纳胡阿克大学）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI、cs.CL
AI总结 研究探讨大型语言模型在感知社会观察情境下是否表现出系统性的语言适应，通过实验发现AI行为对观察者身份敏感，对AI审计系统的影响较小，对AI治理和算法审计有重要启示。
Comments 20 pages, 6 figures
Chinese Short-Form Creative Content Generation via Explanation-Oriented Multi-Objective Optimization
通过解释导向的多目标优化生成中文短文本创意内容
机构 * Tongji University（同济大学） ； Microsoft Research Asia（微软亚洲研究院） ； Northeastern University（东北大学） ； University of British Columbia（不列颠哥伦比亚大学）
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MAGIC-HMO框架，通过多目标优化解决中文短文本生成中个性化约束与解释可靠性问题，在中文婴儿命名任务中优于六个基线模型。
Comments 19 pages,10 figures. Submitted to ACM for possible publication
Moltbook Moderation: Uncovering Hidden Intent Through Multi-Turn Dialogue
Moltbook moderation：通过多轮对话揭示隐藏意图
机构 * The Pennsylvania State University（宾夕法尼亚州立大学）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本文提出BOT-MOD框架，通过多轮对话和基于Gibbs的采样检测多代理系统中的隐藏意图，实现高效的恶意行为识别。
Graph of States: Solving Abductive Tasks with Large Language Models
状态图：利用大语言模型解决假设推理任务
机构 * Nankai University（南开大学） ； Wenzhou Medical University（温州医科大学） ； Alibaba Cloud（阿里云） ； Tsinghua University（清华大学）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本文提出状态图框架，通过结构化信念状态和因果图实现逻辑依赖编码，解决假设推理中的证据伪造等问题，实验证明其在复杂任务中的优越性。
Deceive, Detect, and Disclose: Large Language Models Play Mini-Mafia
欺骗、检测与揭露：大型语言模型扮演迷你黑帮
机构 * TELUS Digital Research Hub（TELUS数字研究中心） ； Center for Artificial Intelligence and Machine Learning（人工智能与机器学习中心） ； Institute of Mathematics, Statistics and Computer Science（数学、统计与计算机科学研究所）
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)；分类 cs.AI
AI总结 本文提出迷你黑帮游戏，通过分析语言模型在社交推理中的表现，揭示了模型在欺骗、检测和揭露能力上的差异，并展示了其作为评估语言模型交互能力的基准。
Comments Adds a validation section for the theoretical model and restructures the presentation
Network-based kinetic models: Emergence of a statistical description of the graph topology
基于网络的动力学模型：图拓扑统计描述的出现
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)
AI总结 本文提出利用动力学方程描述多智能体系统中图介导的 pairwise 交互产生的集体动态，证明在大图和特定交互类中，图拓扑的统计描述足以捕捉网络交互系统的集体趋势。
Comments 22 pages, 3 figures
Journal ref European J. Appl. Math., 37(3):721-742, 2026
OpenIIR: An Open Simulation Platform for Information Retrieval Research
OpenIIR：信息检索研究的开放模拟平台
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)
AI总结 OpenIIR通过参数化、可重复的LLM驱动人物模拟，提供多代理研究框架，支持四种研究类型，并通过共享核心和模块化扩展推动信息检索研究。
GeRM: A Generative Rendering Model From Physically Realistic to Photorealistic
GeRM：从物理真实到照片级的生成渲染模型
机构 * State Key Lab of CAD\&CG, Zhejiang University ； Zhejiang Lab China ； State Key Laboratory of Industrial Control Technology, Zhejiang University China ； Zhejiang University China ； Zhejiang Lab ； State Key Laboratory of Industrial Control Technology, Zhejiang University ； Zhejiang University
专题命中 多智能体 ：agent(abstract)；multi-agent(abstract)
AI总结 GeRM是首个多模态生成渲染模型，通过学习分布转移向量场实现从物理真实到照片级的过渡，结合控制网络和多代理框架提升图像生成质量。
Not All Symbols Are Equal: Importance-Aware Constellation Design for Semantic Communication
并非所有符号都同等重要：面向语义通信的语义感知星座设计
机构 * Department of Electrical and Computer Engineering, Worcester Polytechnic Institute（沃斯特理工学院电气与计算机工程系） ； Nokia Bell Labs（诺基亚贝尔实验室）
专题命中 多智能体 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出一种联合语义-物理层框架，通过提取离散潜在概念、评估概念重要性及动态选择传输子集，改进星座设计以保护任务关键信息，提升高频谱效率下的语义保护概率。
Comments Submitted to IEEE GLOBECOM 2026. 6 pages, 8 figures
Quantifying Cyber-Vulnerability in Power Electronics Systems via an Impedance-Based Attack Reachable Domain
通过基于阻抗的攻击可达域量化电力电子系统中的网络漏洞
机构 * IEEE
专题命中 多智能体 ：workflow(abstract)；分类 cs.AI
AI总结 本文提出基于阻抗的攻击可达域框架，用于量化电力电子系统中节点的网络漏洞，通过阻抗重塑映射可行对抗行为到关键特征值迁移，并定义攻击渗透指数以评估节点级网络漏洞。
Joint Communication and Computation Design for Mobile Embodied AI Network (MEAN)
移动具身人工智能网络（MEAN）的联合通信与计算设计
专题命中 多智能体 ：agent(abstract)
AI总结 本文研究了移动具身人工智能网络在无线通信中的能量高效协作策略，通过双模式协作框架优化计算、通信和任务执行能耗，提出低复杂度枚举算法降低总能耗。
On Data-based Nash Equilibria in LQ Nonzero-sum Differential Games
基于数据的LQ非零和微分博弈纳什均衡
专题命中 多智能体 ：agent(abstract)
AI总结 本文研究了线性二次非零和微分博弈的数据解法，通过持续激励数据求得纳什均衡策略，并在随机环境下设计状态观测器，验证了数据解与模型解等价性。
Comments 6 pages, 2 figures
Resource Allocation with Multi-Team Collaboration Based on Hamilton's Rule
基于哈密顿规则的多团队协作资源分配
专题命中 多智能体 ：agent(abstract)
AI总结 本文提出基于生态学哈密顿规则的多团队协作策略，通过算法框架实现多团队间资源分配，考虑代理转移的成本与收益及任务重要性，通过多团队覆盖控制任务验证有效性。
2. 工作流自动化 18 篇
Pythia: Exploiting Workflow Predictability for Efficient Agent-Native LLM Serving
Pythia：利用工作流可预测性实现高效的智能体原生LLM服务
专题命中 工作流自动化 ：agent(title,abstract)；workflow(title,abstract)；agentic(abstract)；multi-agent(abstract)
AI总结 本文提出Pythia系统，通过在服务层简单接口捕获工作流语义，解决智能体服务中的缓存命中率低、资源竞争和队列延迟问题，提升吞吐量和任务完成时间。
Lang2MLIP: End-to-End Language-to-Machine Learning Interatomic Potential Development with Autonomous Agentic Workflows
Lang2MLIP: 从语言到机器学习互原子势开发的端到端方法 with 自主代理工作流
机构 * Preferred Networks, Inc.（Preferred Networks公司）
专题命中 工作流自动化 ：autonomous agent(title)；agentic(title)；agent(abstract)；workflow(abstract)
AI总结 本文提出Lang2MLIP，一种基于大语言模型的多代理框架，通过自然语言输入实现端到端的机器学习互原子势开发，通过自主代理工作流提升非专家用户开发能力。
Comments 31 pages, 12 figures
Rongzai agent: A Large Language Model-Based Autonomous Assistant for Rietveld Refinement of Neutron Diffraction Data
荣宰代理：一种基于大语言模型的自主助手，用于中子衍射数据的Rietveld精修
专题命中 工作流自动化 ：agent(title,abstract)；AI agent(title,abstract)；workflow(abstract)
AI总结 本文提出基于大语言模型的荣宰代理，实现中子衍射数据Rietveld精修的自动化，通过知识驱动决策，提升精修效率与准确性，已在中国散裂中子源部署。
GraphBit: A Graph-based Agentic Framework for Non-Linear Agent Orchestration
GraphBit：一种基于图的代理框架用于非线性代理编排
机构 * MTSU ； InfinitiBit GmbH ； Salesforce Research
专题命中 工作流自动化 ：agentic(title,abstract)；agent(title)；workflow(abstract)；分类 cs.AI、cs.CL
AI总结 GraphBit通过显式定义DAG流程提高代理编排的可重复性和可审计性，在多个基准任务中表现优于现有框架，实现高准确率、低延迟和高吞吐量。
Comments 12 pages, 5 figures, 4 tables. Submitted to arXiv, under review
MediaClaw: Multimodal Intelligent-Agent Platform Technical Report
MediaClaw：多模态智能体平台技术报告
机构 * China Unicom AI (Yuanjing) Team（中国unicom AI (元京)团队）
专题命中 工作流自动化 ：agent(title,abstract)；workflow(abstract)；分类 cs.AI
AI总结 MediaClaw基于OpenClaw生态系统构建多模态智能体平台，通过统一抽象、插件扩展和工作流编排三层架构解决AIGC应用中的碎片化能力、异构接口、生产流程断层和高质量流程复用不足问题。
SkillFlow: Flow-Driven Recursive Skill Evolution for Agentic Orchestration
SkillFlow: 以流程驱动的递归技能进化用于代理编排
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学）
专题命中 工作流自动化 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI
AI总结 SkillFlow通过流程驱动的递归技能进化解决代理编排中的策略崩溃、梯度方差高和无指导技能进化问题，实现高效任务编排。
Comments 49 pages, 5 figures, 6 tables
