AI Agent

Scalable Tube-Tightened Multi-Agent Safety via Certified Constraint Reduction

基于可验证约束缩减的可扩展多智能体安全控制：管收紧策略

Armel Koulong

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

AI总结 该研究针对多智能体系统的分布式模型预测控制，提出可验证的约束缩减方法，减少安全约束数量，保留标称控制，提升计算效率且保证安全。

Comments Submitted for consideration at the 2027 American Control Conference (ACC)

A Control-Theoretic Approach for Resource-Aware Consensus in Multi-Agent AI

面向多智能体AI中资源感知共识的控制论方法

James Flagg, Esteban A. Hernandez-Vargas

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

AI总结 该研究针对LLM-MAS共识性能与计算资源关联保证不足的问题，提出将集体信念动态表征为离散时间切换系统的控制论方法，构建共识-预算证书区域，实现资源感知的多智能体协调。

Multi-Agent Reinforcement Learning for Joint Handover Management and Power Allocation in Multi-Orbit Satellite Networks

面向多轨道卫星网络中联合切换管理与功率分配的多智能体强化学习

Yassine Afif, Ashutosh Balakrishnan, Philippe Martins, Mohammed Almekhlafi, Antoine Lesage-Landry, Gunes Karabulut Kurt

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

AI总结 针对多轨道卫星网络的联合切换管理与功率分配问题，提出结合MAPPO与TarMAC的多智能体强化学习策略，在保证接近贪心方案吞吐量的同时大幅减少切换次数，性能优于仅低轨方案与保守停留策略。

Test-Time Collaborative Classification over Multi-Agent Networks

多智能体网络上的测试时协同分类

Ping Hu, Mert Kayaalp, Ali H. Sayed

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

AI总结 针对多智能体系统异质性导致的全局模型联合训练难题，提出测试时协同分类框架，通过分布式协议交换决策统计量，建立误差保证与泛化界并验证其性能。

DoublesEval: Diagnosing Multi-Agent Tactical Reasoning in Vision-Language Models via Professional Doubles Badminton

DoublesEval：通过专业双打羽毛球诊断视觉语言模型的多智能体战术推理能力

Jintao Cheng, Weibin Li

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； University of Macau（澳门大学） 纠错

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

AI总结 本研究提出DoublesEval框架，以专业双打羽毛球为测试平台评估VLMs的多智能体战术推理能力，发现现有模型存在明显瓶颈，所提TacticCheck可提升模型表现但仍有差距，强调需改进VLMs的评估范式。

Comments Accepted by BMVC2026

Equilibrium in Multi-Agent Reinforcement Learning

多智能体强化学习中的均衡

Maurizio D'Andrea, Bar Light

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

AI总结 本文针对多智能体强化学习，提出马尔可夫贝叶斯粗相关均衡（MBCCE），证明自适应马尔可夫粗悔憾（AMCR）消失时经验分布聚点为MBCCE，且两种算法可生成近似MBCCE并得到有限时间收敛速率。

First Demonstration of Multi-Agent LLM System for Million-Scale Optical Link Management in Global Production AIDCs

面向全球生产型人工智能数据中心（AIDC）中百万级光链路管理的多智能体大语言模型（LLM）系统的首次演示

Jingyi Su, Yihao Zhang, Dianxuan Fu, Leiyan Fei, Juan Wang, Mengfan Dai, Qing Liu, Xiong Wu, Yufeng Jiang, Cheng Chen, Bowen Zhang, Peilong Wang, Xi Chen, Zonglong He, Hongchen Yu, Zhicheng Ye, Weisheng Hu, Qunbi Zhuge

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

AI总结 该研究首次演示了用于全球生产型AIDC百万级光链路自主故障管理的多智能体LLM系统，经SFT和记忆演化优化，在十周现场数据中F1达97.7%、故障减少超60%，性能优于SOTA LLM。

Comments 4 pages, 3 figures

JustAct: A Framework for Auditable Multi-Agent Systems Regulated by Inter-Organisational Policies

JustAct：一个由组织间政策监管的可审计多智能体系统框架

Christopher A. Esterhuyse, Tim Müller, L. Thomas van Binsbergen

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

AI总结 研究跨越组织边界的开放多智能体系统中行动受复杂政策监管的问题，提出JustAct框架，智能体可凭动态政策信息证明行动合理，通过特定语言和系统的实例及案例研究展示评估该框架。

TokenCake: A KV-Cache-centric Serving Framework for LLM-based Multi-Agent Applications

TokenCake: 一种面向基于LLM的多智能体应用的KV缓存中心化服务框架

Zhuohang Bian, Feiyang Wu, Zhuoran Li, Teng Ma, Youwei Zhuo

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

AI总结 本文提出TokenCake，一种面向基于LLM的多智能体应用的KV缓存中心化服务框架，通过智能体感知设计共同优化调度和内存管理，以解决KV缓存中的空间竞争和时间利用率问题，实验表明其显著降低了端到端延迟并提高了GPU内存利用率。

Comments 14 pages, 17 figures, 3 tables, 2 algorithms. Accepted at EuroSys '27

A Note on Emergent Behavior in Multi-agent Systems Enabled by Neuro-spike Communication

关于由神经脉冲通信激发的多智能体系统涌现行为的注记

Hyeonyeong Jang, Donghyeon Song, Jin Gyu Lee, Hyungbo Shim

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

AI总结 本文提出了一种基于神经脉冲通信的多智能体系统同步框架，通过间歇性1位脉冲实现高效通信，显著提升带宽和能耗效率，并通过数值实验验证其收敛性。

Memory Centric Power Allocation for Multi-Agent Embodied Question Answering

面向多智能体具身问答的记忆导向功率分配

Chengyang Li, Shuai Wang, Kejiang Ye, Weijie Yuan, Boyu Zhou, Yik-Chung Wu, Chengzhong Xu, Huseyin Arslan

机构 * Department of Electrical and Computer Engineering, The University of Hong Kong, Hong Kong（香港大学电子与计算机工程系） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, China（中国科学院深圳先进技术研究所） ； Southern University of Science and Technology, Shenzhen, China（南方科技大学） ； University of Macau, Macau, China（澳门大学） ； Istanbul Medipol University, Istanbul, Turkey（伊斯坦布尔Medipol大学） 纠错

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

AI总结 本文提出基于生成对抗考试（GAE）的记忆质量模型和记忆导向功率分配方法，通过优化通信资源约束下的QoM函数，提升多智能体具身问答性能。

Comments 6 pages, accepted by IEEE GLOBECOM 2026

Deciding Relabeling Observation Consistency in Multi-Agent Discrete-Event Systems

多智能体离散事件系统中重标记观测一致性的判定

Tomáš Masopust

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

AI总结 本文证明多智能体离散事件系统的重标记观测一致性（ROC）是PSPACE完全问题，给出易处理情形的多项式时间算法与充分条件，修正了文献中相关错误结论并证明ROC的组合性。

Online Multi-Agent Contracts

在线多智能体契约

Paul Dütting, Michal Feldman, Yoav Gal-Tzur, Thomas Kesselheim

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

AI总结 该研究针对在线多智能体契约模型，设计了子模收益下O(1)竞争力的在线策略，还证明了子模与XOS收益在在线契约场景下的竞争力界限存在本质分离。

Collective Hallucination in Multi-Agent LLMs:Modeling and Defense

多智能体大语言模型中的集体幻觉：建模与防御

Saeid Jamshidi

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

AI总结 提出一种系统级模型描述多智能体LLM中幻觉的传播与放大，并设计交互感知控制方法，通过置信加权聚合、自适应影响调节、外部验证和隔离不可靠智能体来抑制错误传播，在TruthfulQA和TriviaQA上使幻觉降低39%，事实准确率提升至0.87。

Offline Multi-Agent Reinforcement Learning with a Physics-Informed World Model for Cooperative Mixed Traffic Control

面向协同混合交通控制的、融入物理信息世界模型的离线多智能体强化学习

Lu Liu, Chi Xie, Xi Xiong

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

AI总结 本研究针对混合交通中部分可观测高速瓶颈的网联自动驾驶车辆协同控制问题，提出融入物理信息世界模型的离线多智能体强化学习框架，经SUMO实验验证可提升状态重构与预测准确性。

MAG-Bot: A Multi-Agent Auditing Framework for Social Bot Detection

MAG-Bot：一种用于社交机器人检测的多智能体审计框架

Sichen Zhao, Yalun Qi

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

AI总结 本研究提出基于LangGraph的多智能体框架MAG-Bot，用于社交机器人检测，通过角色约束的证据分解修正单LLM审计的盲点，在TwiBot-22测试集上显著提升了检测的准确率、召回率与F1值。

Distance-Based Formation Control with Prescribed Performance for Higher-Order Multi-Agent Systems

高阶多智能体系统的具有指定性能的基于距离的编队控制

Janina Schaa, Maria Charitidou, Dimos V. Dimarogonas, Thomas Berger

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

AI总结 针对相对阶大于1的未知非线性多智能体系统，提出分布式无模型控制律，实现基于距离的编队控制，保证误差满足指定约束且信号有界，通过仿真验证了方法有效性。

Distributed Nesterov Flows for Multi-agent Optimization

分布式Nesterov流用于多智能体优化

Zihao Ren, Lei Wang, Guodong Shi

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

AI总结 本文提出连续时间分布式Nesterov流，通过Lyapunov方法分析其收敛性，设计新的参数选择并推导离散时间算法，实现更快的收敛速度和更优的收敛率。

Symmetry-Breaking in Multi-Agent Navigation: Winding Number-Aware MPC with a Learned Topological Strategy

多智能体导航中的对称性破坏：基于 winding 数的 MPC 与学习拓扑策略

Tomoki Nakao, Kazumi Kasaura, Tadashi Kozuno

机构 * Graduate School of Informatics, Kyoto University（京都大学信息学研究生院） ； OMRON SINIC X Corporation（OMRON SINIC X公司） 纠错

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

AI总结 WNumMPC 通过学习拓扑策略和 winding 数，有效解决多智能体导航中的对称性死锁问题，实现鲁棒的仿真到现实迁移。

Comments 13 pages, 7 figures

Submodular Policy Learning for Distributed Task Allocation in Open Multi-Agent Systems

开放多智能体系统中分布式任务分配的次模策略学习

Jing Liu, Luca Ballotta, Yangyang Yang, Fangfei Li, Yang Tang, Ruggero Carli

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

AI总结 本文针对开放多智能体系统分布式任务分配问题，提出SubMAPL方法，通过划分多线性扩展解决次模函数松弛与分类策略不匹配问题，在多智能体覆盖任务上性能优于基线方法。

XAI-Guided Conservative Decentralized Execution for Offline Multi-Agent Network Slicing

面向离线多智能体网络切片的可解释人工智能引导保守式分散执行

Eslam Eldeeb, Hatim Chergui, Merouane Debbah

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

AI总结 该研究针对离线多智能体网络切片的资源分配问题，提出XAI引导的保守式分散执行方法，实现零资源冲突，降低信令开销与88%的有效推理延迟。

HumanForge: A Human-Centric Deepfake Video Benchmark with Multi-Agent Forgery Rationales

HumanForge：一个具有多智能体伪造原理的以人类为中心的深度伪造视频基准

Wenbo Xu, Zhimin Chen, Xiaojie Liang, Hengrui Liu, Ziqi Sheng, Wei Lu

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

AI总结 针对视频伪造给数字内容取证带来的挑战，引入HumanForge数据集，提出基于LangGraph的Gen2Anno多智能体管道构建并注释数据集，经测试展现了零样本泛化和细粒度推理的重大挑战，代码和数据集将公开。

Comments 18 pages, 8 figures

PSPACE-Completeness of Multi-Agent Path Finding for Large Agents

大智能体的多智能体路径寻路问题的PSPACE完全性

Maichi Zhang, Naoyuki Kamiyama, Kanae Yoshiwatari

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

AI总结 本文针对大智能体的多智能体路径寻路（LA-MAPF）问题，通过多项式时间归约从受限滑动令牌证明其为PSPACE完全，强化了该问题为NP难的已有结论。

Do LLMs Beat Nash? Testing Decentralized Coordination in Self-Play Multi-Agent Games

大型语言模型智能体能胜过纳什（均衡）吗？测试自玩多智能体游戏中的去中心化协调

Deborah Sinishaw, Qile Zhu, Edwin Meriaux, Gregory Dudek

机构 * McGill University（麦吉尔大学） ； School of Computer Science, McGill University（麦吉尔大学计算机学院） ； Centre for Intelligent Machines（智能机器中心） 纠错

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

AI总结 该研究测试无通信时LLM智能体能否超越纳什均衡，构建无通信博弈基准发现部分前沿托管模型可超越纳什，开放权重模型收益有限且无法迁移至多智能体团队。

Comments 5 pages, 5 figures. Submitted to the 2026 IEEE MIT Undergraduate Research Technology Conference (URTC)

When Truth Is Distributed: Misinformation Derails Collective Fact Recovery in LLM-Based Multi-Agent Systems

当真相被分散时：错误信息会破坏基于大语言模型（LLM）的多智能体系统中的集体事实恢复

Chenfei Yan, Zeyang Yue, Feifei Zhao, Erliang Lin, Lu Jia, Haibo Tong, Mingyang Lyu, Chengyi Sun, Yi Zeng

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

AI总结 本研究提出Hi-Agreement评估框架，发现基于LLM的多智能体系统中，关键证据持有者的虚假证词会破坏集体事实恢复，使恢复率从72.50%降至14.17%，且虚假证据会持续传播。

Optimal Control Strategies for Multi-Agent Sheep Herding

多智能体赶羊的最优控制策略

Drake Brown, Trevor Garrity, Daniel Perkins, Davis Hunter, Wyatt Pochman

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

AI总结 针对n只狗赶m只羊至原点的最优控制问题，研究了solve_bvp、打靶法、线性化iLQR等方法的收敛性与适用性，指出标准数值技术的局限及非线性协调策略的需求。

Comments 11 pages, 5 figures

"Pharos Night: Crown Pursuit": An AI-Native Deck-Building and Tactical Arena Game Design Based on Multi-Agent Systems

《Pharos Night：皇冠追逐》：一款基于多智能体系统的原生AI卡组构建与战术竞技场游戏设计

Ting-Chen Hsu, Jueyao Liu, Yanzi Zhou, Jiangxu Lin, Haoyu Xu, Yuwen Liu, Yanjia Liu, Bangjing Xu

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

AI总结 该研究设计了基于多智能体系统的原生AI卡组构建与战术竞技场游戏《Pharos Night：皇冠追逐》，利用大语言模型实现核心功能，小规模试玩显示其能提供有策略性的游戏体验，也暴露出相关挑战，展现了多智能体生成式AI在游戏设计中的潜力。

Comments Accepted to 2026 Annual Symposium on Computer-Human Interaction in Play (CHI Play)

Scalable Multi-Agent Maze Traversal with Local Communication

带局部通信的可扩展多智能体迷宫遍历

Julian Rau, Jahir Argote-Gerald, Grace McFassel, Genki Miyauchi, Paul Trodden, Roderich Groß

机构 * Technical University of Darmstadt（达姆施塔特工业大学） ； The University of Sheffield（谢菲尔德大学） ； University of Bristol（布里斯托尔大学） 纠错

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

AI总结 针对通信受限的未知迷宫环境，提出基于局部通信与主从机制的分布式多智能体遍历算法，其性能接近最优全知策略，且在多智能体场景下优于朴素基线。

Comments This manuscript has been accepted for publication in the proceedings of the World Symposium on the Algorithmic Foundations of Robotics (WAFR 2026), to be published by Springer in the Springer Proceedings in Advanced Robotics (SPAR) series

Multi-Agent Target-Existence Verification and Learned Mask Geometry Refinement: Winning Report of the MeViS-Text Track at the 8th LSVOS Challenge 2026

多智能体目标存在性验证与学习型掩码几何优化：2026年第8届LSVOS挑战赛MeViS-Text赛道获胜报告

Jungyoon Lee, Gyuil Lim, Doeon Kim, Seong-heum Kim

机构 * Soongsil University（崇实大学） 纠错

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

AI总结 本研究提出SSUPER方案，通过多智能体审计解耦存在性验证、StyleRefiner优化掩码几何，获2026年LSVOS挑战赛MeViS-Text赛道冠军，最终得分0.9081339614。

A Frequency-Space Terahertz Transceiver Chip for Multi-Agent Communications and Spatial Awareness

面向多智能体通信与空间感知的频域太赫兹收发芯片

Xiaoyue Xia, Zhicheng Lin, Hao Guo, Siran Wang, Jingyuan Zhang, Xinyu Fang, Ka Fai Chan, Shum Kam Man, Geng-Bo Wu, Chi Hou Chan

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

AI总结 该研究开发了一款208-258GHz的65nm CMOS太赫兹收发芯片，通过异质漏波超表面实现频率控制波束扫描，支持多智能体通信与空间感知，为太赫兹具身智能网络提供可扩展硬件平台。