AI Agent

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。

MultiVer: Zero-Shot Multi-Agent Vulnerability Detection

MultiVer：零样本多智能体漏洞检测

Shreshth Rajan

机构 * Harvard College（哈佛学院） 纠错

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

AI总结 MultiVer通过零样本多智能体系统实现漏洞检测的高召回率，超越微调模型性能，但精度有所下降。

ChoiceMates: Supporting Unfamiliar Online Decision-Making with Multi-Agent Conversational Interactions

ChoiceMates: 通过多智能体对话交互支持陌生在线决策

Jeongeon Park, Bryan Min, Kihoon Son, Jean Y. Song, Xiaojuan Ma, Juho Kim

机构 * University of California, San Diego（加州大学圣迭戈分校） ； School of Computing, KAIST（韩国科学技术院计算机学院） ； Information and Interaction Design, Yonsei University（延世大学信息与交互设计） ； Hong Kong University of Science（香港科学大学） 纠错

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

AI总结 ChoiceMates通过多智能体对话交互帮助用户更高效地进行陌生在线决策。

Comments Accepted to IUI 2026

AdaptOrch: Task-Adaptive Multi-Agent Orchestration in the Era of LLM Performance Convergence

AdaptOrch：在LLM性能收敛时代的任务自适应多智能体协调

Geunbin Yu

机构 * Department of Artificial Intelligence, Korea National Open University（人工智能系，韩国国立开放大学） 纠错

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

AI总结 AdaptOrch通过动态选择多智能体协调拓扑，提升任务性能，证明协调设计优于模型选择。

Comments 21 pages, 10 figures, 6 tables

Self-Evolving Multi-Agent Network for Industrial IoT Predictive Maintenance

面向工业物联网预测性维护的自演化多智能体网络

Rebin Saleh, Khanh Pham Dinh, Balázs Villányi, Truong-Son Hy

机构 * Department of Electronics Technology, Faculty of Electrical Engineering and Informatics, Budapest University of Technology and Economics（布达佩斯技术与经济大学电子技术系） ； DataScienceWorld ； Department of Computer Science, The University of Alabama at Birmingham（阿拉巴马大学伯明翰分校计算机科学系） 纠错

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

AI总结 SEMAS通过自演化多智能体架构实现工业物联网预测性维护的实时异常检测与资源优化

Continuous-Time Value Iteration for Multi-Agent Reinforcement Learning

多智能体强化学习中的连续时间价值迭代

Xuefeng Wang, Lei Zhang, Henglin Pu, Ahmed H. Qureshi, Husheng Li

机构 * Purdue University（普渡大学） 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CT-MARL框架，利用物理指导神经网络和价值梯度迭代模块，解决多智能体强化学习中高维动态系统和价值函数近似难题，实现更准确的价值估计和策略学习。

Comments Accepted at ICLR 2026. 21 pages, 13 figures

DIAGPaper: Diagnosing Valid and Specific Weaknesses in Scientific Papers via Multi-Agent Reasoning

DIAGPaper: 通过多智能体推理诊断科学论文中的有效且具体弱点

Zhuoyang Zou, Abolfazl Ansari, Delvin Ce Zhang, Dongwon Lee, Wenpeng Yin

机构 * Penn State University（宾夕法尼亚州立大学） ； University of Sheffield（谢菲尔德大学） 纠错

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

AI总结 DIAGPaper通过多智能体推理框架有效识别科学论文中的弱点，结合定制、反驳和优先模块提升弱点识别的准确性和优先级排序。

Multi-agent cooperation through in-context co-player inference

通过上下文共玩家推断实现多智能体协作

Marissa A. Weis, Maciej Wołczyk, Rajai Nasser, Rif A. Saurous, Blaise Agüera y Arcas, João Sacramento, Alexander Meulemans

机构 * Google, Paradigms of Intelligence Team（谷歌，智能范式团队） 纠错

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

AI总结 本文提出通过序列模型的上下文学习能力，在无需硬编码假设的情况下实现多智能体协作，通过共玩家多样性促进合作行为的学习。

Comments 26 pages, 4 figures

Multi-Agent Combinatorial-Multi-Armed-Bandit framework for the Submodular Welfare Problem under Bandit Feedback

多智能体组合多臂老虎机框架用于带反馈下的亚模性福利问题

Subham Pokhriyal, Shweta Jain, Vaneet Aggarwal

机构 * Indian Institute of Technology Ropar, Rupnagar, India（印度理工学院罗帕尔分校） ； Purdue University, West Lafayette, USA（普渡大学） 纠错

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

AI总结 本文提出多代理组合老虎机框架，用于在带反馈下解决亚模性福利问题，通过探索后承诺策略实现O(T^{2/3})的遗憾界。

Harnessing Implicit Cooperation: A Multi-Agent Reinforcement Learning Approach Towards Decentralized Local Energy Markets

利用隐性合作：一种多智能体强化学习方法用于去中心化本地能源市场

Nelson Salazar-Pena, Alejandra Tabares, Andres Gonzalez-Mancera

机构 * Department of Mechanical Engineering, Universidad de los Andes（机械工程系，andes大学） ； Department of Industrial Engineering, Universidad de los Andes（工业工程系，andes大学） 纠错

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

AI总结 本文提出隐性合作框架，通过多智能体强化学习在去中心化本地能源市场中实现高效协调，发现APPO-DTDE配置最优，同时提升了电网稳定性与可预测性。

Comments 42 pages, 7 figures, 10 tables

GlobeDiff: State Diffusion Process for Partial Observability in Multi-Agent Systems

GlobeDiff：多智能体系统中部分可观测性的状态扩散过程

Yiqin Yang, Xu Yang, Yuhua Jiang, Ni Mu, Hao Hu, Runpeng Xie, Ziyou Zhang, Siyuan Li, Yuan-Hua Ni, Qianchuan Zhao, Bo Xu

机构 * The Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences（认知与决策智能复杂系统重点实验室，自动化研究所，中国科学院） ； Tsinghua University（清华大学） ； Moonshot AI ； Nankai University（南开大学） ； Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算机学院） 纠错

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

AI总结 GlobeDiff通过多模态扩散过程解决多智能体系统中部分可观测性问题，实现高保真度的全局状态推断。

Journal ref ICLR-2026

MAC-AMP: A Closed-Loop Multi-Agent Collaboration System for Multi-Objective Antimicrobial Peptide Design

MAC-AMP：一种用于多目标抗菌肽设计的闭环多智能体协作系统

Gen Zhou, Sugitha Janarthanan, Lianghong Chen, Pingzhao Hu

机构 * Department of Computer Science, Western University, London, ON, Canada（计算机科学系，西方大学） ； Department of Biochemistry, Western University, London, ON, Canada（生物化学系，西方大学） 纠错

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

AI总结 MAC-AMP通过闭环多智能体协作系统实现多目标抗菌肽设计，提升优化效率与可解释性，展现优异的抗菌性能和结构可靠性。

Comments This paper is published in ICLR 2026

OMGs: A multi-agent system supporting MDT decision-making across the ovarian tumour care continuum

OMGs：一种支持卵巢肿瘤护理连续体中多学科决策的多智能体系统

Yangyang Zhang, Zilong Wang, Jianbo Xu, Yongqi Chen, Chu Han, Zhihao Zhang, Shuai Liu, Hui Li, Huiping Zhang, Ziqi Liu, Jiaxin Chen, Jun Zhu, Zheng Feng, Hao Wen, Xingzhu Ju, Yanping Zhong, Yunqiu Zhang, Jie Duan, Jun Li, Dongsheng Li, Weijie Wang, Haiyan Zhu, Wei Jiang, Xiaohua Wu, Shuo Wang, Haiming Li, Qinhao Guo

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

AI总结 OMGs通过多代理系统在卵巢肿瘤护理连续体中实现与专家MDT共识相当的决策性能，提升资源有限环境下的多学科诊疗能力。

Comments 27 pages, 5 figures, 1 table

Interpreting Emergent Extreme Events in Multi-Agent Systems

多智能体系统中涌现极端事件的解释

Ling Tang, Jilin Mei, Dongrui Liu, Chen Qian, Dawei Cheng, Jing Shao, Xia Hu

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Fu Dan University（福鼎大学） ； Tongji University（同济大学） ； Renmin University of China（中国人民大学） 纠错

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

AI总结 本文提出首个多智能体系统中解释涌现极端事件的框架，通过归因分析确定事件起源、驱动者及行为贡献，验证了框架在经济、金融和社会场景中的有效性。

Comments 8 pages, 5 figures

MAS-on-the-Fly: Dynamic Adaptation of LLM-based Multi-Agent Systems at Test Time

MAS-on-the-Fly: 在测试时动态适应基于大语言模型的多智能体系统

Guangyi Liu, Haojun Lin, Huan Zeng, Heng Wang, Quanming Yao

机构 * Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） ； Ant Group（蚂蚁集团） 纠错

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

AI总结 MASFly通过动态适应机制在测试时优化多智能体系统，利用检索增强和经验引导机制提升任务适应性和性能。

Agent Mars: Multi-Agent Simulation for Multi-Planetary Life Exploration and Settlement

Agent Mars: 多智能体模拟用于多行星生命探索与定居

Ziyang Wang

机构 * IEEE 纠错

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

AI总结 Agent Mars通过多智能体模拟框架，研究多行星生命探索中的协调机制与性能评估。

TraceBack: Multi-Agent Decomposition for Fine-Grained Table Attribution

TraceBack: 多智能体分解用于细粒度表格归因

Tejas Anvekar, Junha Park, Rajat Jha, Devanshu Gupta, Poojah Ganesan, Puneeth Mathur, Vivek Gupta

机构 * Arizona State University（亚利桑那州立大学） ； Adobe Research（Adobe研究院） 纠错

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

AI总结 TraceBack通过多智能体框架实现细粒度表格归因，提供可验证的单元格支持证据，提升问题回答的透明度和可解释性。

Multi-Agent Stage-wise Conservative Linear Bandits

多智能体分阶段保守线性老虎机

Amirhossein Afsharrad, Ahmadreza Moradipari, Sanjay Lall

机构 * Stanford University（斯坦福大学） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） 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MA-SCLUCB算法，通过分阶段保守约束实现多智能体在安全保证下的高效分布式学习。

Differentiable Modal Logic for Multi-Agent Diagnosis, Orchestration and Communication

可微模态逻辑用于多智能体诊断、协调与通信

Antonin Sulc

机构 * Lawrence Berkeley National Lab（伯克利劳伦斯国家实验室） ； Berkeley（伯克利） 纠错

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

AI总结 本文提出可微模态逻辑，通过神经符号方法实现多智能体系统的调试与协调，结合知识注入和多模态推理，提升智能体间的信任与因果推理能力。

Comments 29 pages, 8 figures, 8 tables, Tutorial at 3rd International Conference on Neuro-Symbolic Systems (NeuS)

Distributionally Robust Cooperative Multi-Agent Reinforcement Learning via Robust Value Factorization

基于鲁棒价值因子化的分布鲁棒合作多智能体强化学习

Chengrui Qu, Christopher Yeh, Kishan Panaganti, Eric Mazumdar, Adam Wierman

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

AI总结 本文提出分布鲁棒IGM原则，改进价值因子化架构以提升鲁棒性和现实适应性。

Comments ICLR 2026

Phase Transition for Budgeted Multi-Agent Synergy

预算多智能体协同的相变

Bang Liu, Linglong Kong, Jian Pei

机构 * Department of Computer Science and Operations Research Université de Montréal & Mila - Quebec AI Institute（计算机科学与运筹学系，蒙特利尔大学及魁北克人工智能研究所） ； Department of Mathematical & Statistical Science University of Alberta（数学与统计学系，阿尔伯塔大学） ； Department of Computer Science Duke University（计算机科学系，杜克大学） 纠错

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

AI总结 该研究提出了一种理论，通过分析上下文窗口、通信损失和共享失败等约束，揭示了预算多智能体系统在不同相变状态下的表现，并给出了计算分配规则和预算阈值。

Comments 55 pages, 12 figures

Parallelism Meets Adaptiveness: Scalable Documents Understanding in Multi-Agent LLM Systems

并行与适应性：多智能体大语言模型系统中的可扩展文档理解

Chengxuan Xia, Qianye Wu, Sixuan Tian, Yilun Hao

机构 * University of California, Santa Cruz（加州大学圣克ruz分校） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出一种多智能体大语言模型系统协调框架，通过动态任务路由、双向反馈和并行评估机制，提升文档理解的适应性和效率。

Comments Accepted at AAAI 2026 Workshop on WoMAPF, Camera ready version

Interpretable Attention-Based Multi-Agent PPO for Latency Spike Resolution in 6G RAN Slicing

可解释的基于注意力的多智能体PPO用于6G RAN切片中的延迟尖峰解决

Kavan Fatehi, Mostafa Rahmani Ghourtani, Amir Sonee, Poonam Yadav, Alessandra M Russo, Hamed Ahmadi, Radu Calinescu

机构 * University of York, UK（约克大学） 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AE-MAPPO，通过整合六个注意力机制，实现6G RAN切片中延迟尖峰的快速诊断与高效解决，兼具SLA合规性和可解释性。

Comments This work has been accepted to appear in the IEEE International Conference on Communications (ICC)

Retrieval- and Argumentation-Enhanced Multi-Agent LLMs for Judgmental Forecasting (Extended Version with Supplementary Material)

检索与论证增强的多智能体大语言模型用于判断性预测（含补充材料）

Deniz Gorur, Antonio Rago, Francesca Toni

机构 * Imperial College London（帝国理工学院伦敦分校） ； King's College London（国王学院伦敦分校） 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框架，结合检索与论证增强技术，提升判断性预测的准确性与可解释性。

Comments 24 pages, 3 figures, Accepted to AAMAS 2026

Beyond Task Performance: A Metric-Based Analysis of Sequential Cooperation in Heterogeneous Multi-Agent Destructive Foraging

超越任务表现：基于度量的异构多智能体破坏性觅食中序列合作分析

Alejandro Mendoza Barrionuevo, Samuel Yanes Luis, Daniel Gutiérrez Reina, Sergio L. Toral Marín

机构 * Department of Electronic Engineering, University of Sevilla（电子工程系，塞维利亚大学） 纠错

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

AI总结 本文提出一套通用合作度量标准，用于分析异构多智能体在破坏性觅食中的序列合作，涵盖效率、协调、依赖、公平性及敏感性，通过现实场景验证其有效性。