AI Agent

MAMA-Memeia! Multi-Aspect Multi-Agent Collaboration for Depressive Symptoms Identification in Memes

MAMA-Memeia! 多维度多智能体协作在表情包抑郁症状识别中的应用

Siddhant Agarwal, Adya Dhuler, Polly Ruhnke, Melvin Speisman, Md Shad Akhtar, Shweta Yadav

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

AI总结 MAMAMemeia通过多智能体多维度协作框架，利用CAT能力提升表情包抑郁症状识别的宏F1指标，达到7.55%的提升，成为新的基准模型。

Comments Accepted by AAAI 2026

MaRCA: Multi-Agent Reinforcement Learning for Dynamic Computation Allocation in Large-Scale Recommender Systems

MaRCA：大规模推荐系统中动态计算分配的多智能体强化学习

Wan Jiang, Xinyi Zang, Yudong Zhao, Yusi Zou, Yunfei Lu, Junbo Tong, Yang Liu, Ming Li, Jiani Shi, Xin Yang

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 MaRCA通过多智能体强化学习实现大规模推荐系统的端到端计算资源分配，提升计算效率并实现16.67%的收入增长。

Comments 12 pages, 5 figures

Assessing behaviour coverage in a multi-agent system simulation for autonomous vehicle testing

评估多智能体系统模拟在自动驾驶测试中的行为覆盖率

Manuel Franco-Vivo

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

AI总结 本研究提出了一种基于模型预测控制的行人智能体，用于评估多智能体系统模拟在自动驾驶测试中的行为覆盖率，以提升系统安全性和可靠性。

AI4Reading: Chinese Audiobook Interpretation System Based on Multi-Agent Collaboration

AI4Reading: 基于多智能体协作的中文有声书解读系统

Minjiang Huang, Jipeng Qiang, Yi Zhu, Chaowei Zhang, Xiangyu Zhao, Kui Yu

机构 * Yangzhou University（扬州大学） ； City University of Hong Kong（香港城市大学） ； Hefei University of Technology（合肥工业大学） 纠错

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

AI总结 AI4Reading通过多智能体协作，利用大语言模型和语音合成技术，生成更简洁准确的有声书解读内容。

Comments ACL 2025 demo

Multi-Agent Framework for Threat Mitigation and Resilience in AI-Based Systems

多智能体框架用于AI系统中的威胁缓解与韧性

Armstrong Foundjem, Lionel Nganyewou Tidjon, Leuson Da Silva, Foutse Khomh

机构 * Department of Computer and Software Engineering, Polytechnique Montreal（计算机与软件工程系，蒙特利尔理工学院） 纠错

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

AI总结 本文提出多智能体框架，用于识别和缓解AI系统中的威胁，通过构建威胁图分析漏洞和攻击模式，提升系统韧性。

Comments 56 pages, 18 Figures, 22 Tables, TOSEM

Heterogeneity in Multi-Agent Reinforcement Learning

多智能体强化学习中的异质性

Tianyi Hu, Zhiqiang Pu, Yuan Wang, Tenghai Qiu, Min Chen, Xin Yu

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； National Key Laboratory of Cognition and Decision Intelligence for Complex Systems（复杂系统认知与决策智能国家重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

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

AI总结 本文提出了一种多智能体动态参数共享算法，通过定义异质性距离和量化方法，提升MARL中对异质性的理解和应用能力。

FuncPoison: Poisoning Function Library to Hijack Multi-agent Autonomous Driving Systems

FuncPoison：用于劫持多智能体自动驾驶系统的中毒函数库

Yuzhen Long, Songze Li

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

AI总结 FuncPoison通过注入恶意工具篡改多智能体自动驾驶系统的函数库，导致决策错误和系统误导，揭示了该领域的重要安全风险。

Solving Multi-Agent Multi-Goal Path Finding Problems in Polynomial Time

在多项式时间内解决多智能体多目标路径寻找问题

Stefan Edelkamp

机构 * Charles University Prague（查尔斯大学布拉格） 纠错

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

AI总结 本文提出在多项式时间内解决多智能体多目标路径寻找问题的新方法，通过全局分配策略和局部优化减少冲突，实现高效路径规划。

MASFIN: A Multi-Agent System for Decomposed Financial Reasoning and Forecasting

MASFIN：一种用于分解金融推理和预测的多智能体系统

Marc S. Montalvo, Hamed Yaghoobian

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

AI总结 MASFIN通过整合LLMs与结构化财务指标和非结构化新闻，提出了一种模块化的多智能体系统，以提高金融预测的透明性和可重复性，实现优于基准的短期投资回报。

Comments Accepted to the NeurIPS 2025 Workshop on Generative AI in Finance

AI Urban Scientist: Multi-Agent Collaborative Automation for Urban Research

AI城市科学家：面向城市研究的多智能体协作自动化

Tong Xia, Jiankun Zhang, Ruiwen You, Ao Xu, Linghao Zhang, Tengyao Tu, Jingzhi Wang, Jinghua Piao, Yunke Zhang, Fengli Xu, Yong Li

机构 * Vanke School of Public Health, Tsinghua University, Beijing, China（范克学校公共卫生学院，清华大学，北京，中国） ； Zhongguancun Academy, Beijing, China（中关村学院，北京，中国） ； Department of Electronic Engineering, Tsinghua University, Beijing, China（电子工程系，清华大学，北京，中国） 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AI城市科学家，通过多智能体协作自动化，整合异构数据生成城市研究的结构化知识，提升自主研究效率与准确性。

Democratizing Drug Discovery with an Orchestrated, Knowledge-Driven Multi-Agent Team for User-Guided Therapeutic Design

用协同、知识驱动的多智能体团队实现药物发现民主化

Takahide Suzuki, Kazuki Nakanishi, Takashi Fujiwara, Hideyuki Shimizu

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

AI总结 OrchestRA通过协同、知识驱动的多智能体团队，整合生物学、化学和药理学，实现药物发现的自主化与民主化，推动其从随机搜索向可编程证据工程转型。

Comments 51 pages, 4 figures (with supplementary information)

From Visual Perception to Deep Empathy: An Automated Assessment Framework for House-Tree-Person Drawings Using Multimodal LLMs and Multi-Agent Collaboration

从视觉感知到深度共情：一种利用多模态大语言模型和多智能体协作的房屋-树-人绘画自动评估框架

Shuide Wen, Yu Sun, Beier Ku, Zhi Gao, Lijun Ma, Yang Yang, Can Jiao

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

AI总结 本文提出利用多模态大语言模型和多智能体协作，开发自动评估房屋-树-人绘画测试的框架，以提升投射评估的标准化和效率。

Comments 16 pages, 8 figures

cuPilot: A Strategy-Coordinated Multi-agent Framework for CUDA Kernel Evolution

cuPilot：一种用于CUDA内核演化的策略协调多智能体框架

Jinwu Chen, Qidie Wu, Bin Li, Lin Ma, Xin Si, Yang Hu, Shouyi Yin, Jun Yang

机构 * Southeast University（东南大学） ； Tsinghua University（清华大学） ； National Center of Technology Innovation for EDA（EDA技术创新国家中心） 纠错

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

AI总结 cuPilot通过引入策略作为中间语义表示，提出了一种策略协调的多智能体框架，实现了对CUDA内核的高效优化，实验表明其在内核生成和性能提升方面表现出色。

Explainable and Fine-Grained Safeguarding of LLM Multi-Agent Systems via Bi-Level Graph Anomaly Detection

通过双层图异常检测实现LLM多智能体系统的可解释性与细粒度防护

Junjun Pan, Yixin Liu, Rui Miao, Kaize Ding, Yu Zheng, Quoc Viet Hung Nguyen, Alan Wee-Chung Liew, Shirui Pan

机构 * School of Information and Communication Technology, Griffith University, Australia（格里菲斯大学信息与通信技术学院） ； School of Artificial Intelligence, Jilin University, China（吉林大学人工智能学院） ； Department of Statistics and Data Science, Northwestern University, USA（西北大学统计与数据科学系） 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XG-Guard框架，通过双层图异常检测实现对LLM多智能体系统中恶意智能体的可解释性与细粒度检测。

Comments 14 pages, 3 tables, 5 figures

Rethinking Multi-Agent Intelligence Through the Lens of Small-World Networks

通过小世界网络的视角重新思考多智能体智能

Boxuan Wang, Zhuoyun Li, Xiaowei Huang, Yi Dong

机构 * School of Computer Science and Informatics, University of Liverpool（计算机科学与信息学院，利物浦大学） 纠错

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

AI总结 本文通过小世界网络视角重新思考多智能体智能，提出基于不确定性引导的重 wiring 方案，实现稳定且可扩展的多智能体系统设计。

Comments Under Review

Q-KVComm: Efficient Multi-Agent Communication Via Adaptive KV Cache Compression

Q-KVComm: 通过自适应KV缓存压缩实现高效的多智能体通信

Boris Kriuk, Logic Ng

机构 * Department of Computer Science \& Engineering Hong Kong University of Science ； Department of Physics Hong Kong University of Science 纠错

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

AI总结 Q-KVComm通过自适应KV缓存压缩实现多智能体高效通信，提升压缩比与语义保真度。

Comments 7 pages, 4 figures, 1 table

TACLA: An LLM-Based Multi-Agent Tool for Transactional Analysis Training in Education

TACLA: 基于LLM的多智能体工具用于教育中的交易分析训练

Monika Zamojska, Jarosław A. Chudziak

机构 * Faculty of Electronics and Information Technology（电子与信息技术学院） 纠错

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

AI总结 TACLA是一种基于LLM的多智能体工具，通过整合交易分析原理，实现教育场景中真实的情感状态转变和冲突模拟，提升AI在教育中的应用效果。

Comments Accepted for publication in the proceedings of ICTAI 2025

Journal ref IEEE 37th International Conference on Tools with Artificial Intelligence (ICTAI), Athens, Greece, 2025, pp. 313-320

StarCraft+: Benchmarking Multi-agent Algorithms in Adversary Paradigm

StarCraft+: 在对抗范式下评估多智能体算法的基准测试

Yadong Li, Tong Zhang, Bo Huang, Zhen Cui

机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology（计算机科学与工程学院，南京理工大学） ； School of Information Science and Engineering, Zaozhuang University（信息科学与工程学院，枣庄大学） 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SC2BA环境，通过对抗范式评估多智能体算法，揭示算法在有效性、灵敏度和可扩展性方面的挑战。

Comments 15 pages, 11 figures

FedSight AI: Multi-Agent System Architecture for Federal Funds Target Rate Prediction

FedSight AI：用于联邦基金目标利率预测的多智能体系统架构

Yuhan Hou, Tianji Rao, Jeremy Tan, Adler Viton, Xiyue Zhang, David Ye, Abhishek Kodi, Sanjana Dulam, Aditya Paul, Yikai Feng

机构 * Duke University（杜克大学） ； BNY AI Hub 纠错

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

AI总结 FedSight AI通过多智能体框架和Chain-of-Draft扩展，利用大型语言模型预测联邦基金利率，实现高准确率和稳定性，优于现有基线模型。

Comments NeurIPS 2025 Generative AI in Finance Workshop

A Multi-Agent LLM Defense Pipeline Against Prompt Injection Attacks

针对提示注入攻击的多智能体LLM防御管道

S M Asif Hossain, Ruksat Khan Shayoni, Mohd Ruhul Ameen, Akif Islam, M. F. Mridha, Jungpil Shin

机构 * School of Computing, Wichita State University, Kansas, USA（威斯康星州立大学计算机学院） ； College of Engineering and Computer Sciences, Marshall University, Huntington, WV, USA（马歇尔大学工程与计算机科学学院） ； Department of Computer Science and Engineering, University of Rajshahi, Bangladesh（拉贾沙希大学计算机科学与工程系） ； Department of Computer Science and Engineering, American International University-Bangladesh, Dhaka, Bangladesh（美国国际大学-孟加拉国计算机科学与工程系） ； School of Computer Science and Engineering, The University of Aizu, Aizuwakamatsu, Japan（立命馆大学计算机科学与工程学院） 纠错

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

AI总结 本文提出了一种多智能体防御框架，通过协调的LLM代理实时检测并中和提示注入攻击，显著提升了安全性和系统功能。

Comments Accepted at the 11th IEEE WIECON-ECE 2025

3D Topological Modeling and Multi-Agent Movement Simulation for Viral Infection Risk Analysis

三维拓扑建模与多智能体运动模拟用于病毒传播风险分析

Wassim Jabi, Yidan Xue, Thomas E. Woolley, Katerina Kaouri

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

AI总结 本文提出利用三维拓扑建模与多智能体运动模拟，结合空气病毒传播模型，分析病毒传播风险，为建筑防疫提供决策支持工具。

Journal ref Architectural Science Review, (2025)

MALCDF: A Distributed Multi-Agent LLM Framework for Real-Time Cyber

MALCDF: 一种用于实时网络防御的分布式多智能体大语言模型框架

Arth Bhardwaj, Sia Godika, Yuvam Loonker

机构 * Saint Francis High School（圣弗朗西斯高中） ； Massachusetts Institute of Technology（麻省理工学院） ； JBCN International School（JBCN国际学校） 纠错

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

AI总结 MALCDF通过协调多个LLM智能体实现高准确率的实时网络防御，优于传统方法。

SGEMAS: A Self-Growing Ephemeral Multi-Agent System for Unsupervised Online Anomaly Detection via Entropic Homeostasis

SGEMAS：一种自生长瞬时多智能体系统，用于通过熵稳态的无监督在线异常检测

Mustapha Hamdi

机构 * InnoDeep, PhD, Co-founder（InnoDeep） 纠错

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

AI总结 SGEMAS通过熵稳态机制实现自生长多智能体系统，用于无监督在线异常检测，实验表明其在跨患者零样本设置中性能优于传统方法。

Multi-Agent Pointer Transformer: Seq-to-Seq Reinforcement Learning for Multi-Vehicle Dynamic Pickup-Delivery Problems

多智能体指针Transformer：用于多车辆动态取货送货问题的序列到序列强化学习

Zengyu Zou, Jingyuan Wang, Yixuan Huang, Junjie Wu

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

AI总结 本文提出多智能体指针Transformer，用于解决多车辆动态取货送货问题，通过自回归生成联合动作序列并捕捉实体间关系，提升性能与计算效率。

Comments 15 pages

STEMS: Spatial-Temporal Enhanced Safe Multi-Agent Coordination for Building Energy Management

STEMS: 基于空间-时间增强的安全多智能体协调的建筑能源管理

Huiliang Zhang, Di Wu, Arnaud Zinflou, Benoit Boulet

机构 * Department of Electrical Computer Engineering, McGill University（电气计算机工程系，麦吉尔大学） ； Data Science Team, Institut de Recherche Hydro Québec（水电研究所数据科学团队） 纠错

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

AI总结 STEMS提出一种安全约束的多智能体强化学习框架，通过空间-时间图表示学习和控制屏障函数，提升建筑能源管理的效率与安全性。

Coherent Multi-Agent Trajectory Forecasting in Team Sports with CausalTraj

在团队体育中利用因果轨迹进行相干多智能体轨迹预测

Wei Zhen Teoh

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

AI总结 CausalTraj通过因果轨迹模型在团队体育中实现多智能体轨迹预测，提升联合预测的准确性和场景连贯性。

Comments 9 pages, 3 figures, accepted to the AI4TS Workshop at AAAI 2026

Distributed Detection of Adversarial Attacks in Multi-Agent Reinforcement Learning with Continuous Action Space

在连续动作空间的多智能体强化学习中分布式检测对抗攻击

Kiarash Kazari, Ezzeldin Shereen, György Dán

机构 * KTH Royal Institute of Technology（皇家理工学院） 纠错

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

AI总结 本文提出了一种在连续动作空间的多智能体强化学习中检测对抗攻击的去中心化方法，通过深度神经网络近似正常行为并利用CUSUM过程实时检测异常行为，实验表明其在检测攻击方面优于离散方法。

Comments Accepted for publication at ECAI 2025

Journal ref Proceedings of the European Conference on Artificial Intelligence (ECAI 2025)

Scalable and Reliable Multi-agent Reinforcement Learning for Traffic Assignment

可扩展且可靠的多智能体强化学习用于交通分配

Leizhen Wang, Peibo Duan, Cheng Lyu, Zewen Wang, Zhiqiang He, Nan Zheng, Zhenliang Ma

机构 * Department of Data Science and Artificial Intelligence, Monash University（数据科学与人工智能系，墨尔本大学） ； Chair of Transportation Systems Engineering, Technical University of Munich（交通系统工程主任，慕尼黑技术大学） ； School of Transportation, Southeast University（交通学院，东南大学） ； The Graduate School of Informatics and Engineering, The University of Electro-Communications（信息与工程研究生院，电通大学） ； Department of Civil Engineering, Monash University（土木工程系，墨尔本大学） ； Department of Civil and Architectural Engineering, KTH Royal Institute of Technology（土木与建筑工程系，皇家理工技术学院） 纠错

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

AI总结 本文提出MARL-OD-DA框架，通过重新定义智能体为OD对路由器，提升交通分配的可扩展性和可靠性，有效处理大规模交通问题。

The Traitors: Deception and Trust in Multi-Agent Language Model Simulations

背叛者：多智能体语言模型模拟中的欺骗与信任

Pedro M. P. Curvo

机构 * University of Amsterdam（阿姆斯特丹大学） 纠错

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

AI总结 The Traitors通过多智能体模拟研究LLM在社交互动中的欺骗与信任问题，揭示先进模型在欺骗能力与检测能力上的不对称性。

Comments 9 main pages, 31 pages

Regret Lower Bounds for Decentralized Multi-Agent Stochastic Shortest Path Problems

去中心化多智能体随机最短路径问题的遗憾下界

Utkarsh U. Chavan, Prashant Trivedi, Nandyala Hemachandra

机构 * Department of Mechanical Engineering（机械工程系） ； Indian Institute of Technology Bombay（孟买印度理工学院） ； School of Computer Science（计算机科学学院） ； University of Petroleum and Energy Studies（石油与能源研究大学） ； Industrial Engineering and Operations Research（工业工程与运筹学） 纠错

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

AI总结 本文研究了去中心化多智能体随机最短路径问题，通过线性函数逼近提出首个遗憾下界，揭示了该问题的学习难度。

Comments To appear in 39th Conference on Neural Information Processing Systems (NeurIPS 2025)