AI Agent

AgentBalance: Backbone-then-Topology Design for Cost-Effective Multi-Agent Systems under Budget Constraints

AgentBalance：在预算约束下为多智能体系统设计成本有效的Backbone-then-Topology架构

Shuowei Cai, Yansong Ning, Hao Liu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

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

AI总结 AgentBalance通过Backbone-then-Topology设计，在预算约束下提升多智能体系统的成本效益

Learning Controllable and Diverse Player Behaviors in Multi-Agent Environments

在多智能体环境中学习可控且多样的玩家行为

Atahan Cilan, Atay Özgövde

机构 * Boğaziçi University（博雅奇大学） ； Turkish Aerospace（土耳其航空航天） 纠错

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

AI总结 本文提出了一种基于PPO的多智能体强化学习框架，通过可控的行为空间实现多样化玩家行为，适用于自动化测试和游戏平衡。

Comments Submitted to IEEE Transactions on Games

On the Dynamics of Multi-Agent LLM Communities Driven by Value Diversity

多智能体LLM社区动态研究：由价值多样性驱动

Muhua Huang, Qinlin Zhao, Xiaoyuan Yi, Xing Xie

机构 * Stanford University（斯坦福大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 本研究通过多智能体模拟探讨价值多样性如何影响AI社区的集体行为，发现其提升稳定性与创造力，但极端异质性会导致不稳定性。

Comments Working Paper

Persona-based Multi-Agent Collaboration for Brainstorming

基于角色的多智能体协作进行头脑风暴

Nate Straub, Saara Khan, Katharina Jay, Brian Cabral, Oskar Linde

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

AI总结 本文提出基于角色的多智能体协作框架，通过角色定制提升头脑风暴的深度和跨领域覆盖能力。

Comments 12 pages, 8 figures

Multi-Agent Deep Reinforcement Learning for Collaborative UAV Relay Networks under Jamming Atatcks

多智能体深度强化学习在对抗攻击下的协同无人机中继网络

Thai Duong Nguyen, Ngoc-Tan Nguyen, Thanh-Dao Nguyen, Nguyen Van Huynh, Dinh-Hieu Tran, Symeon Chatzinotas

机构 * VNU - University of Engineering and Technology (VNU - UET)（越南工程与技术大学） ； School of Computer Science and Informatics, University of Liverpool（利兹大学计算机科学与信息学学院） ； Interdisciplinary Centre for Security Reliability and Trust (SnT), University of Luxembourg（卢森堡大学安全、可靠性与信任跨学科研究中心） 纠错

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

AI总结 本文提出基于多智能体深度强化学习的协同无人机中继网络方法，通过集中训练与分布式执行框架有效应对对抗攻击，提升系统吞吐量并降低碰撞率。

Comments IEEE ICC 2026

Argus: A Multi-Agent Sensitive Information Leakage Detection Framework Based on Hierarchical Reference Relationships

Argus：基于分层参考关系的多智能体敏感信息泄露检测框架

Bin Wang, Hui Li, Liyang Zhang, Qijia Zhuang, Ao Yang, Dong Zhang, Xijun Luo, Bing Lin

机构 * Guangdong Provincial Key Laboratory of Ultra High Definition Immersive Media Technology, Shenzhen Graduate School, Peking University（超高清沉浸媒体技术广东省重点实验室，北京大学深圳研究生院） ； University of Electronic Science and Technology of China（电子科技大学） ； Tencent Security Platform Department（腾讯安全平台部） ； China Unicom (Guangdong) Industrial Internet Co., Ltd（中国联通（广东）工业互联网有限公司） 纠错

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

AI总结 Argus通过多智能体协作框架整合关键内容、文件上下文和项目参考关系，有效降低误报率，提升敏感信息检测的准确性和效率。

Comments 11 pages, 7 figures, 8 tables;Accepted to ICSE 2026 Research Track

Probabilistic Multi-Agent Aircraft Landing Time Prediction

基于概率的多智能体飞机着陆时间预测

Kyungmin Kim, Seokbin Yoon, Keumjin Lee

机构 * Department of Advanced Air Transportation（先进空运部门） ； Department of Air Transport, Transportation, and Logistics（空运、运输与物流部门） 纠错

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

AI总结 本文提出一种基于概率的多智能体飞机着陆时间预测框架，通过提供着陆时间分布提高预测精度和不确定性量化，并揭示空中交通管制的潜在模式。

Comments 13 pages, 8 figures, accepted at AIAA SciTech 2026

Multi-agent learning under uncertainty: Recurrence vs. concentration

多智能体学习在不确定性下的研究：递归与集中

Kyriakos Lotidis, Panayotis Mertikopoulos, Nicholas Bambos, Jose Blanchet

机构 * Stanford University（斯坦福大学） ； Univ. Grenoble Alpes, CNRS, Inria, Grenoble INP, LIG（格勒诺布尔阿尔卑斯大学、法国国家科学研究中心、法国国家信息与自动化研究所、格勒诺布尔INP、LIG） 纠错

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

AI总结 本文研究了在不确定性下多智能体学习的收敛性，发现强单调博弈中正则化学习的动力学可能无限次远离均衡，但总能返回附近并集中于该区域。

Comments 44 pages, 17 figures

Orchestrator Multi-Agent Clinical Decision Support System for Secondary Headache Diagnosis in Primary Care

协调多代理临床决策支持系统用于初级医疗二次头痛诊断

Xizhi Wu, Nelly Estefanie Garduno-Rapp, Justin F Rousseau, Mounika Thakkallapally, Hang Zhang, Yuelyu Ji, Shyam Visweswaran, Yifan Peng, Yanshan Wang

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

AI总结 本文提出了一种基于多代理架构的临床决策支持系统，通过协调机制提升继发性头痛诊断的准确性和可解释性。

Aetheria: A multimodal interpretable content safety framework based on multi-agent debate and collaboration

Aetheria：基于多智能体辩论与协作的多模态可解释内容安全框架

Yuxiang He, Jian Zhao, Yuchen Yuan, Tianle Zhang, Wei Cai, Haojie Cheng, Ziyan Shi, Ming Zhu, Haichuan Tang, Chi Zhang, Xuelong Li

机构 * Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究院（TeleAI），中国电信） ； Sichuan University（四川大学） ； Peking University（北京大学） ； Beijing Jiaotong University（北京交通大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； China Railway Rolling Stock Corporation Limited（中国铁路滚动股票有限公司） 纠错

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

AI总结 Aetheria通过多智能体辩论与协作机制，实现多模态内容安全的可解释性与高准确性，提升可信AI审查水平。

Comments https://github.com/Herrieson/Aetheria

MARINE: Theoretical Optimization and Design for Multi-Agent Recursive IN-context Enhancement

MARINE：多智能体递归上下文增强的理论优化与设计

Hongwei Zhang, Ji Lu, Yongsheng Du, Yanqin Gao, Lingjun Huang, Baoli Wang, Fang Tan, Peng Zou

机构 * Hongwei Zhang（张宏伟） ； Ji Lu（卢纪） ； Yongsheng Du（杜永生） ； Yanqin Gao（高燕琴） ； Lingjun Huang（黄令军） ； Baoli Wang（王宝利） ； Fang Tan（谭芳） ； Peng Zou（邹鹏） 纠错

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

AI总结 MARINE通过理论优化和设计实现多智能体递归上下文增强，显著提升推理性能并减少参数需求。

AgenticCyber: A GenAI-Powered Multi-Agent System for Multimodal Threat Detection and Adaptive Response in Cybersecurity

AgenticCyber: 一种基于生成式AI的多智能体系统，用于多模态威胁检测与自适应响应在网络安全中

Shovan Roy

机构 * TNTech 纠错

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

AI总结 AgenticCyber通过生成式AI驱动的多智能体系统，实现多模态威胁检测与自适应响应，提升网络安全性能和态势感知能力。

Comments 6 pages for IEEE conference

Debate over Mixed-knowledge: A Robust Multi-Agent Reasoning Framework for Incomplete Knowledge Graph Question Answering

混合知识辩论：一种用于不完整知识图谱问答的鲁棒多智能体推理框架

Jilong Liu, Pengyang Shao, Wei Qin, Fei Liu, Yonghui Yang, Richang Hong

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DoM框架，通过多智能体辩论机制整合结构化和非结构化知识，解决不完整知识图谱问答中的知识互补性问题，并引入新数据集提升基准挑战性。

Multi-Agent Reinforcement Learning for Intraday Operating Rooms Scheduling under Uncertainty

多代理强化学习用于在日手术室调度中的不确定性处理

Kailiang Liu, Ying Chen, Ralf Borndörfer, Thorsten Koch

机构 * Department of Mathematics, National University of Singapore（新加坡国立大学数学系） ； Department of Mathematics & Risk Management Institute & Center for Quantitative Finance, National University of Singapore（新加坡国立大学数学系及风险管理研究所及量化金融中心） ； Department of Mathematics and Computer Science, Freie Universität Berlin（柏林自由大学数学与计算机科学系） ； Department of Network Optimization, Zuse Institute Berlin（柏林Zuse研究所网络优化部） ； Faculty of Mathematics and Natural Sciences, Technische Universität Berlin（柏林技术大学数学与自然科学学院） ； Department of Applied Algorithmic Methods, Zuse Institute Berlin（柏林Zuse研究所应用算法方法部） 纠错

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

AI总结 本文提出基于多代理强化学习的手术室调度方法，通过集中训练和分布式执行策略，有效应对不确定性，提升调度效率和及时性。

Multi-agent Assisted Automatic Test Generation for Java JSON Libraries

多智能体辅助的Java JSON库自动测试生成

Sinan Wang, Zhiyuan Zhong, Shaojin Wen, Yepang Liu

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

AI总结 JsonATG通过多智能体系统生成Java JSON库的多样化测试用例，有效提升测试覆盖率并发现多个bug。

Comments In the 32nd Asia-Pacific Software Engineering Conference (APSEC 2025)

AsymPuzl: An Asymmetric Puzzle for multi-agent cooperation

AsymPuzl：多智能体合作中的非对称谜题

Xavier Cadet, Edward Koh, Peter Chin

机构 * Dartmouth College（达特茅斯学院） 纠错

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

AI总结 AsymPuzl通过非对称谜题环境研究多智能体合作中的通信策略与反馈机制。

Comments Accepted at NeurIPS MTI-LLM 2025

Multi-Aspect Knowledge-Enhanced Medical Vision-Language Pretraining with Multi-Agent Data Generation

多方面知识增强的医学视觉-语言预训练与多代理数据生成

Xieji Li, Siyuan Yan, Yingsheng Liu, H. Peter Soyer, Monika Janda, Victoria Mar, Zongyuan Ge

机构 * Department of Data Science and AI, Faculty of Information Technology, Monash University（数据科学与人工智能系，信息科技学院，墨尔本大学） ； Victorian Melanoma Service, Alfred Health（维多利亚黑色素瘤服务，阿尔弗雷德健康） ； Frazer Institute, The University of Queensland, Dermatology Research Centre（弗雷泽研究所，昆士兰大学，皮肤科研究中心） 纠错

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

AI总结 本研究提出一种多代理数据生成与多方面知识增强的医学视觉-语言预训练框架，通过提升数据质量和细粒度对齐，实现零样本性能的突破。

Comments 10 pages. Under Review

Many-to-One Adversarial Consensus: Exposing Multi-Agent Collusion Risks in AI-Based Healthcare

多对一对抗共识：揭示基于AI的医疗保健中多智能体合谋的风险

Adeela Bashir, The Anh han, Zia Ush Shamszaman

机构 * School of Computing, Engineering and Digital Technologies（计算、工程与数字技术学院） ； Teesside University（泰赛德大学） ； Center for Digital Innovation（数字创新中心） 纠错

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

AI总结 本研究揭示了基于AI的医疗保健中多智能体合谋的风险，提出了一种轻量级防御机制以确保临床指南的准确性。

Comments 7 pages Conference level paper

MARS: A Meta-Adaptive Reinforcement Learning Framework for Risk-Aware Multi-Agent Portfolio Management

MARS：一种面向风险的多智能体投资组合管理元适应强化学习框架

Jiayi Chen, Jing Li, Guiling Wang

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

AI总结 MARS通过多智能体和风险导向的方法，实现投资组合管理中风险与收益的平衡，利用行为多样性提升市场环境下的稳健性。

Comments Accepted by AAAI 2026 Main Track

DialogGuard: Multi-Agent Psychosocial Safety Evaluation of Sensitive LLM Responses

DialogGuard: 多智能体心理社会安全评估框架用于敏感LLM响应

Han Luo, Guy Laban

机构 * University of Leeds（利兹大学） ； Southwest Jiaotong University（西南交通大学） ； Department of Industrial Engineering and Management（工业工程与管理系） ； Ben-Gurion University of the Negev（贝内尔·加隆大学） 纠错

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

AI总结 DialogGuard通过多智能体框架评估LLM响应的心理社会风险，提供高准确性的风险检测与可解释的评估结果，支持安全提示设计和脆弱用户应用的监督。

A process algebraic framework for multi-agent dynamic epistemic systems

多智能体动态认识系统的进程代数框架

Alessandro Aldini

机构 * University of Urbino Carlo Bo, Italy（乌尔比诺卡尔罗·波大学） 纠错

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

AI总结 本文提出了一种多智能体动态认识系统的进程代数框架，结合了标记转换系统与认识模型，通过过程代数语言和模态逻辑实现建模与验证。

UCAgents: Unidirectional Convergence for Visual Evidence Anchored Multi-Agent Medical Decision-Making

UCAgents: 视觉证据锚定的多智能体医学决策收敛

Qianhan Feng, Zhongzhen Huang, Yakun Zhu, Xiaofan Zhang, Qi Dou

机构 * The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 UCAgents通过结构化证据审计和单向收敛机制，在医疗视觉问答中提升准确率并降低计算成本，平衡视觉证据揭示与文本干扰避免。

AdvisingWise: Supporting Academic Advising in Higher Education Settings Through a Human-in-the-Loop Multi-Agent Framework

AdvisingWise: 通过人机协同的多智能体框架支持高等教育中的学术指导

Wendan Jiang, Shiyuan Wang, Hiba Eltigani, Rukhshan Haroon, Abdullah Bin Faisal, Fahad Dogar

机构 * Tufts University（塔夫茨大学） 纠错

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

AI总结 AdvisingWise通过多智能体框架和人类监督，提升高等教育中的学术指导效率与个性化水平。

Comments 18 pages, 6 figures

Hierarchical Decentralized Multi-Agent Coordination with Privacy-Preserving Knowledge Sharing: Extending AgentNet for Scalable Autonomous Systems

分层去中心化多智能体协调与隐私保护知识共享：扩展AgentNet以实现可扩展的自主系统

Goutham Nalagatla

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

AI总结 AgentNet++通过分层去中心化框架和隐私保护技术，提升多智能体系统的可扩展性和隐私保障，实现更高的任务完成率和更低的通信开销。

Comments 6 pages, 4 figures

AgentODRL: A Large Language Model-based Multi-agent System for ODRL Generation

AgentODRL: 基于大语言模型的多智能体系统用于ODRL生成

Wanle Zhong, Keman Huang, Xiaoyong Du

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

AI总结 AgentODRL通过多智能体系统和大语言模型技术，提升ODRL生成的准确性和效率。

Comments Accepted by AAAI 2026. 9 pages, 1 figure

Exploring Equity of Climate Policies using Multi-Agent Multi-Objective Reinforcement Learning

探讨气候政策的公平性：基于多智能体多目标强化学习的多目标优化

Palok Biswas, Zuzanna Osika, Isidoro Tamassia, Adit Whorra, Jazmin Zatarain-Salazar, Jan Kwakkel, Frans A. Oliehoek, Pradeep K. Murukannaiah

机构 * Delft University of Technology（代尔夫特理工大学） 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Justice框架，结合多目标多智能体强化学习与整合评估模型，以生成兼顾公平性与气候经济目标的政策建议。

Comments Published at IJCAI 2025, AI and Social Good Track

Emergent Coordination and Phase Structure in Independent Multi-Agent Reinforcement Learning

独立多智能体强化学习中的涌现协调与相结构

Azusa Yamaguchi

机构 * School of Physics and Astronomy University of Edinburgh（物理与天文学学院 英格兰爱丁堡大学） 纠错

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

AI总结 该研究通过分析独立多智能体强化学习中的协调与相结构，揭示了规模、密度和内核漂移之间的相互作用对多智能体学习系统动态的影响。

Comments 22 pages, 19 figures

Natural Strategic Ability in Stochastic Multi-Agent Systems

随机多智能体系统中的自然策略能力

Raphaël Berthon, Joost-Pieter Katoen, Munyque Mittelmann, Aniello Murano

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

AI总结 本文提出在随机多智能体系统中使用自然策略框架，分析了 NatPATL 和 NatPATL* 的模型检查复杂性，展示了在确定性策略限制下 NatPATL 的 NP 完全性和 NatPATL* 的 2NEXPTIME 复杂性。

Comments Extended version of the paper accepted at AAAI 2024

Multi-Agent Systems for Dataset Adaptation in Software Engineering: Capabilities, Limitations, and Future Directions

多智能体系统在软件工程数据集适应中的应用：能力、限制与未来方向

Jingyi Chen, Xiaoyan Guo, Songqiang Chen, Shing-Chi Cheung, Jiasi Shen

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

AI总结 本文研究了多智能体系统在软件工程数据集适应中的能力与限制，发现提示干预能显著提升适应效果，为未来更可靠的智能体发展提供方向。

R3A: Reliable RTL Repair Framework with Multi-Agent Fault Localization and Stochastic Tree-of-Thoughts Patch Generation

R3A：一种可靠的RTL修复框架，结合多智能体故障定位和随机树状思维补丁生成

Zizhang Luo, Fan Cui, Kexing Zhou, Runlin Guo, Mile Xia, Hongyuan Hou, Yun Liang

机构 * Peking University（北京大学） ； Beihang University（北航） 纠错

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

AI总结 R3A通过多智能体故障定位和随机树状思维补丁生成方法，有效提高了RTL修复的可靠性，修复率高达90.6%。