AI Agent

Goal-Oriented Multi-Agent Semantic Networking: Unifying Intents, Semantics, and Intelligence

以目标为导向的多智能体语义网络：统一意图、语义和智能

Shutong Chen, Qi Liao, Adnan Aijaz, Yansha Deng

机构 * Department of Engineering, King’s College London（伦敦国王学院工程系） ； Network Automation Department, NSSR Lab, Nokia Bell Labs（诺基亚贝尔实验室网络自动化部门） ； Bristol Research and Innovation Laboratory, Toshiba Europe Ltd.（东芝欧洲有限公司布里斯托尔研究与创新实验室） 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GoAgentNet架构，通过语义计算和跨层语义网络实现应用与网络的协同，提升6G服务的智能化和能效。

Comments Submitting to IEEE for potential publications

SafeSieve: From Heuristics to Experience in Progressive Pruning for LLM-based Multi-Agent Communication

SafeSieve: 从启发式到经验在基于大语言模型的多智能体通信中的渐进剪枝

Ruijia Zhang, Xinyan Zhao, Ruixiang Wang, Sigen Chen, Guibin Zhang, An Zhang, Kun Wang, Qingsong Wen

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SafeSieve，一种渐进适应的多智能体剪枝算法，通过双重机制动态优化智能体间通信。实验显示其在多个基准上实现了高准确率并显著降低token使用量，同时在异构环境下保持性能。

Comments AAAI-2026 poster; 7 pages for main content, 5 figures, 4 tables

Towards Intelligent Geospatial Data Discovery: a knowledge graph-driven multi-agent framework powered by large language models

迈向智能地理空间数据发现：一种由大型语言模型驱动的知识图谱多智能体框架

Ruixiang Liu, Zhenlong Li, Ali Khosravi Kazazi

机构 * Geoinformation and Big Data Research Laboratory, Department of Geography, The Pennsylvania State University（地理信息与大数据研究实验室，地理系，宾夕法尼亚州立大学） 纠错

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

AI总结 本文提出基于知识图谱的多智能体框架，利用大型语言模型提升地理空间数据发现的语义性和智能性，通过统一元数据本体和多智能体协作提高检索性能和透明度。

ABSTRAL: Automatic Design of Multi-Agent Systems Through Iterative Refinement and Topology Optimization

ABSTRAL：通过迭代精进与拓扑优化自动设计多智能体系统

Weijia Song, Jiashu Yue, Zhe Pang

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

AI总结 ABSTRAL通过对比追踪分析将多智能体系统架构视为演化的自然语言文档，发现多智能体协调成本测量、设计知识迁移与专有角色发现三大核心贡献。

Optimizing Multi-Agent Weather Captioning via Text Gradient Descent: A Training-Free Approach with Consensus-Aware Gradient Fusion

通过文本梯度下降优化多智能体天气描述：一种无训练方法与共识感知梯度融合

Shixu Liu

机构 * organization= School of Computer \& Information Technology , addressline= Northeast Petroleum University , addressline= No. 99 Xuefu Street, Ranghulu District , city= Daqing , state= Heilongjiang , postcode= 163318 , country= P.R. China 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WeatherTGD框架，通过文本梯度下降方法优化天气描述生成，利用三个专业LLM智能体生成领域特定梯度，并通过共识感知梯度融合机制提升描述质量，实验表明其在LLM和人类评估中均优于现有方法。

Comments Preprint and under consideration

Adaptive Robust Estimator for Multi-Agent Reinforcement Learning

自适应稳健估计器用于多智能体强化学习

Zhongyi Li, Wan Tian, Jingyu Chen, Kangyao Huang, Huiming Zhang, Hui Yang, Tao Ren, Jinyang Jiang, Yijie Peng, Yikun Ban, Fuzhen Zhuang

机构 * Beihang University（北京理工大学） ； Peking University（北京大学） ； Chinese Academy of Sciences（中国科学院） ； Tsinghua University（清华大学） ； Department of XXX, University of YYY, Location, Country（XXX系，YYY大学，地点，国家） ； School of ZZZ, Institute of WWW, Location, Country（ZZZ学院，WWW研究所，地点，国家） 纠错

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

AI总结 本文提出自适应稳健估计器和双智能体回答-批判-重写框架，解决多智能体协作中的信用分配和奖励噪声问题，提升训练稳定性与鲁棒性。

Unified-MAS: Universally Generating Domain-Specific Nodes for Empowering Automatic Multi-Agent Systems

统一-MAS：通用领域节点生成以增强自动多智能体系统

Hehai Lin, Yu Yan, Zixuan Wang, Bo Xu, Sudong Wang, Weiquan Huang, Ruochen Zhao, Minzhi Li, Chengwei Qin

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； Institute for Infocomm Research (I 2 R), A*STAR（信息通信研究院（I2R），A*STAR） 纠错

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

AI总结 本文提出统一-MAS，通过离线节点合成解耦细粒度节点实现与拓扑编排，提升多智能体系统在知识密集型领域的性能与成本效益。

Comments Code is available at https://github.com/linhh29/Unified-MAS

S5-SHB Agent: Society 5.0 enabled Multi-model Agentic Blockchain Framework for Smart Home

S5-SHB代理：面向社会5.0的多模型代理区块链框架用于智能家居

Janani Rangila, Akila Siriweera, Incheon Paik, Keitaro Naruse, Isuru Jayanada, Vishmika Devindi

机构 * KD University（KD大学） ； University of Aizu（东亚大学） 纠错

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

AI总结 本文提出S5-SHB代理框架，通过多代理协调和居民控制治理，解决智能家居中适应性共识、智能多代理协调和居民可控治理的问题。

Comments 15 pages, 15 figures, preprint

Dynamic Reinsurance Treaty Bidding via Multi-Agent Reinforcement Learning

通过多智能体强化学习进行动态再保险条约投标

Stella C. Dong, James R. Finlay

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

AI总结 本文提出一种多智能体强化学习框架，用于再保险条约投标，解决传统中介放置过程的效率问题。研究通过自主学习系统提升风险转移效率，并在再保险市场中超越传统定价方法。

Comments The authors have determined that the current version contains incomplete analysis and preliminary results that are not suitable for public dissemination. The paper is withdrawn pending major revision

AI-Driven Multi-Agent Simulation of Stratified Polyamory Systems: A Computational Framework for Optimizing Social Reproductive Efficiency

由人工智能驱动的分层多伴侣系统模拟：一种优化社会再生产效率的计算框架

Yicai Xing

机构 * 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

AI总结 本文提出一种计算框架，通过多智能体建模、多智能体强化学习和大语言模型驱动的社会模拟技术，研究分层多伴侣系统对改善社会福利的影响。

Comments 20 pages, 10 figures, 3 tables, 83 references

Position: Multi-Agent Algorithmic Care Systems Demand Contestability for Trustworthy AI

位置：多智能体算法护理系统需具备可挑战性以实现可信AI

Truong Thanh Hung Nguyen, Hélène Fournier, Piper Jackson, Makoto Itoh, Shannon Freeman, Rene Richard, Hung Cao

机构 * Analytics Everywhere Lab, University of New Brunswick, Canada（安利克斯 everywhere 实验室，新不伦瑞克大学，加拿大） ； National Research Council Canada, Canada（加拿大国家研究委员会，加拿大） ； Thompson Rivers University, Canada（汤普森河大学，加拿大） ； ISB Corporation, Japan（ISB公司，日本） ； University of Northern British Columbia, Canada（北北加拿大大学，加拿大） 纠错

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

AI总结 本文探讨了多智能体算法护理系统中可挑战性设计的必要性，提出通过透明性、干预机会和审查机制来增强人机协作的可信度。

Think, Speak, Decide: Language-Augmented Multi-Agent Reinforcement Learning for Economic Decision-Making

思考、表达、决定：语言增强的多智能体强化学习用于经济决策

Heyang Ma, Qirui Mi, Qipeng Yang, Zijun Fan, Bo Li, Haifeng Zhang

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LAMP框架，通过思考、表达、决定三阶段整合语言信息，提升经济决策的效率与鲁棒性，实验显示其在累积收益和可解释性上优于传统方法。

Comments Extended version of an accepted paper at AAAI 2026

ProMAS: Proactive Error Forecasting for Multi-Agent Systems Using Markov Transition Dynamics

ProMAS：利用马尔可夫转移动态进行多智能体系统的前瞻性错误预测

Xinkui Zhao, Sai Liu, Yifan Zhang, Qingyu Ma, Guanjie Cheng, Naibo Wang, Chang Liu

机构 * Zhejiang University（浙江大学） 纠错

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

AI总结 ProMAS通过马尔可夫转移动态预测多智能体系统中的错误，采用因果delta特征捕捉语义位移，结合前瞻性预测头和跳跃检测，实现低延迟的错误定位，提升自主推理的实时性。

Beyond Monotonicity: Revisiting Factorization Principles in Multi-Agent Q-Learning

超越单调性：重新审视多智能体Q学习中的分解原理

Tianmeng Hu, Yongzheng Cui, Rui Tang, Biao Luo, Ke Li

机构 * Department of Computer Science, University of Exeter, U.K.（埃克塞特大学计算机科学系） ； School of Automation, Central South University, China（中南大学自动化学院） 纠错

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

AI总结 本文通过动力系统分析非单调值分解，证明非单调分解能可靠恢复IGM最优解并优于单调基线。

Comments Accepted at AAAI 2026

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 40(26), 21876-21884, 2026

Social Simulacra in the Wild: AI Agent Communities on Moltbook

野生社会镜像：Moltbook上的AI代理社区

Agam Goyal, Olivia Pal, Hari Sundaram, Eshwar Chandrasekharan, Koustuv Saha

机构 * Siebel School of Computing and Data Science（计算机科学与数据科学系） 纠错

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

AI总结 研究比较了Moltbook和Reddit上的AI代理与人类社区，发现AI代理在参与不均和语言特征上存在显著差异，揭示了多代理交互导致的集体沟通动态。

Comments Preprint: 13 pages, 4 figures, 5 tables

WebWeaver: Breaking Topology Confidentiality in LLM Multi-Agent Systems with Stealthy Context-Based Inference

WebWeaver: 在LLM多智能体系统中通过隐蔽的基于上下文推断打破拓扑保密性

Zixun Xiong, Gaoyi Wu, Lingfeng Yao, Miao Pan, Xiaojiang Du, Hao Wang

机构 * Department of Electrical and Computer Engineering, Stevens Institute of Technology（斯蒂文斯理工学院电气与计算机工程系） ； Genentech（基因泰克） ； Department of Electrical and Computer Engineering, University of Houston（休斯顿大学电气与计算机工程系） 纠错

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

AI总结 WebWeaver通过仅 compromise 一个任意智能体推断LLM多智能体系统的完整拓扑，采用隐蔽的基于上下文推断方法，提出新的隐蔽 jailbreak 机制和无 jailbreak 扩散设计，提升推断准确性。

EDM-ARS: A Domain-Specific Multi-Agent System for Automated Educational Data Mining Research

EDM-ARS：一种面向领域的多智能体系统用于自动化教育数据挖掘研究

Chenguang Pan, Zhou Zhang, Weixuan Xiao, Chengyuan Yao

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

AI总结 EDM-ARS通过多智能体系统实现教育数据挖掘的自动化研究，包含五个LLM驱动的智能体，生成包含实证分析和同行评审的LaTeX论文。

The Provenance Paradox in Multi-Agent LLM Routing: Delegation Contracts and Attested Identity in LDP

多智能体大语言模型路由中的溯源悖论：委托合同与认证身份在LDP中的应用

Sunil Prakash

机构 * Indian School of Business（印度管理学院） 纠错

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

AI总结 本文研究多智能体大语言模型在跨信任边界任务委托中的溯源悖论，提出委托合同和认证身份模型以解决不可验证质量声明的问题，通过实验验证认证路由的高效性。

Comments 9 pages, 6 figures. Open-source: https://github.com/sunilp/ldp-protocol

MedMASLab: A Unified Orchestration Framework for Benchmarking Multimodal Medical Multi-Agent Systems

MedMASLab：多模态医疗多智能体系统的统一协调框架

Yunhang Qian, Xiaobin Hu, Jiaquan Yu, Siyang Xin, Xiaokun Chen, Jiangning Zhang, Peng-Tao Jiang, Jiawei Liu, Hongwei Bran Li

机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） ； Fudan University（复旦大学） ； Zhejiang University（浙江大学） ； vivo ； Stanford University（斯坦福大学） 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MedMASLab框架，解决医疗多智能体系统中多模态整合碎片化问题，通过标准化通信协议、自动化评估器和大规模基准测试，揭示领域特定性能差距，为未来自主临床系统建立新基准。

MEMO: Memory-Augmented Model Context Optimization for Robust Multi-Turn Multi-Agent LLM Games

MEMO: 带记忆的模型上下文优化用于鲁棒的多轮多智能体大语言模型游戏

Yunfei Xie, Kevin Wang, Bobby Cheng, Jianzhu Yao, Zhizhou Sha, Alexander Duffy, Yihan Xi, Hongyuan Mei, Cheston Tan, Chen Wei, Pramod Viswanath, Zhangyang Wang

机构 * Rice University（里士满大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Princeton University（普林斯顿大学） ； A*STAR ； Good Start Labs ； TTIC 纠错

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

AI总结 MEMO通过优化推理时的上下文，结合记忆保留和探索，提升了多轮多智能体大语言模型游戏的鲁棒性和性能，显著提高了胜率并降低了运行间方差。

Comments Code has been released https://github.com/openverse-ai/MEMO

StoryBox: Collaborative Multi-Agent Simulation for Hybrid Bottom-Up Long-Form Story Generation Using Large Language Models

StoryBox：基于大型语言模型的混合自底向上长篇故事生成的协作多智能体模拟

Zehao Chen, Rong Pan, Haoran Li

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

AI总结 本文提出混合自底向上长篇故事生成方法，利用多智能体模拟生成超过10000字的连贯故事，通过智能体交互产生有机情节发展，优于传统自顶向下的结构化方法。

Comments Accepted by AAAI 2026. Project: https://storyboxproject.github.io

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 2026, 40(36), 30359-30367

MALLES: A Multi-agent LLMs-based Economic Sandbox with Consumer Preference Alignment

MALLES：基于多智能体LLM的经济沙盒与消费者偏好对齐

Yusen Wu, Yiran Liu, Xiaotie Deng

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MALLES，通过大规模模型的泛化能力构建统一模拟框架，利用偏好学习对齐LLM，解决高维环境下的数据稀疏问题，提升经济模拟的准确性和稳定性。

Symphony: A Cognitively-Inspired Multi-Agent System for Long-Video Understanding

Symphony：一种受认知启发的多智能体系统用于长视频理解

Haiyang Yan, Hongyun Zhou, Peng Xu, Xiaoxue Feng, Mengyi Liu

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Kuaishou Technology（快手科技） ； School of Future Technology, University of Chinese Academy of Sciences（中国科学院大学未来技术学院） 纠错

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

AI总结 本文提出Symphony多智能体系统，通过模拟人类认知模式，提升长视频理解任务的推理能力，实验显示在多个基准测试中表现优异。

Comments Accepted by cvpr2026

Communication to Completion: Modeling Collaborative Workflows with Intelligent Multi-Agent Communication

通信至完成：利用智能多智能体通信建模协作流程

Yiming Lu, Xun Wang, Simin Ma, Shujian Liu, Sathish Reddy Indurthi, Song Wang, Haoyun Deng, Fei Liu, Kaiqiang Song

机构 * Emory University（埃默里大学） ； Zoom Video Communications（Zoom视频通讯） 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C2C框架，通过建模通信为受限资源提升协作效率，实验表明成本意识策略使效率提升超40%，揭示出智能体自然采用管理者为中心的协调模式。

Comments 13 pages

ScheduleMe: Multi-Agent Calendar Assistant

ScheduleMe: 多智能体日历助手

Oshadha Wijerathne, Amandi Nimasha, Dushan Fernando, Nisansa de Silva, Srinath Perera

机构 * Department of Computer Science & Engineering, University of Moratuwa（moratuwa大学计算机科学与工程系） ； WSO2 LLC（WSO2公司） 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ScheduleMe，一种多智能体日历助手，通过自然语言帮助用户管理Google日历事件。系统采用图结构协调机制，通过中央监督代理和专用任务代理实现模块化、冲突解决和上下文感知交互。

Comments Published at PACLIC 2025 https://aclanthology.org/2025.paclic-1.27/

Multi-Agent Reinforcement Learning Counteracts Delayed CSI in Multi-Satellite Systems

多智能体强化学习对抗多卫星系统中的延迟信道状态信息

Marios Aristodemou, Yasaman Omid, Sangarapillai Lambotharan, Mahsa Derakhshan, Lajos Hanzo

机构 * Department of Computer Science, University of York（约克大学计算机科学系） ； Wolfson School of Mechanical, Electrical and Manufacturing Engineering, Loughborough University（洛桑大学沃尔夫森机械、电气与制造工程学院） ； Institute for Digital Technologies, Loughborough University (London Campus)（洛桑大学数字技术研究所（伦敦校区）） ； School of Electronics and Computer Science, University of Southampton（南安普顿大学电子与计算机科学学院） 纠错

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

AI总结 本文提出一种多智能体强化学习算法，用于多卫星系统中对抗延迟信道状态信息问题，通过双阶段近端策略优化方法提升用户总速率。

Comments 12 pages, 6 Figures, Submit to IEEE Transactions of Vehicular Technology. It has been reviewed once

Adaptive Theory of Mind for LLM-based Multi-Agent Coordination

自适应理论 of mind 用于基于大语言模型的多智能体协调

Chunjiang Mu, Ya Zeng, Qiaosheng Zhang, Kun Shao, Chen Chu, Hao Guo, Danyang Jia, Zhen Wang, Shuyue Hu

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

AI总结 本文提出自适应理论 of mind 机制，通过估计伙伴的理论 of mind 深度以提升多智能体协作效率，实验验证了该机制在多个任务中的有效性。

Comments Accepted by AAAI 2026

Discovery of interaction and diffusion kernels in particle-to-mean-field multi-agent systems

粒子到均场多智能体系统中相互作用和扩散核的发现

Giacomo Albi, Alessandro Alla, Elisa Calzola

机构 * Department of Computer Science, University of Verona（威尼斯大学计算机科学系） ； Department of Mathematics, La Sapienza University of Rome（罗马拉维拉大学数学系） 纠错

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

AI总结 本文提出了一种数据驱动框架，通过轨迹数据直接学习多智能体系统中的非局部相互作用和扩散项，无需先验知识。通过随机批采样和均场近似策略，有效重建了相互作用和扩散核。

DynaTrust: Defending Multi-Agent Systems Against Sleeper Agents via Dynamic Trust Graphs

DynaTrust: 通过动态信任图防御多智能体系统中的睡眠代理

Yu Li, Qiang Hu, Yao Zhang, Lili Quan, Jiongchi Yu, Junjie Wang

机构 * Tianjin University（天津大学） ； Singapore Management University（新加坡管理学院） 纠错

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

AI总结 本文提出DynaTrust，通过动态信任图防御多智能体系统中的睡眠代理，动态更新信任并重构图以隔离受损代理，提升防御效果和系统可用性。

Comments 9 pages

MA-VLCM: A Vision Language Critic Model for Value Estimation of Policies in Multi-Agent Team Settings

MA-VLCM：一种用于多智能体团队设置中策略价值估计的视觉语言批评模型

Shahil Shaik, Aditya Parameshwaran, Anshul Nayak, Jonathon M. Smereka, Yue Wang

机构 * University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； Clemson University（克莱姆斯大学） 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MA-VLCM，通过预训练的视觉语言模型替代传统集中批评者，提升多智能体强化学习的样本效率和泛化能力，适用于资源受限的机器人部署。

Comments 7 pages, 6 figures