AI Agent

Global $H_\infty$ Consensus of Multi-Agent Systems with Lipschitz Nonlinear Dynamics

具有Lipschitz非线性动力学的多智能体系统的全局$H_\infty$一致性

Zhongkui Li, Xiangdong Liu, Mengyin Fu, Lihua Xie

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

AI总结 针对具有Lipschitz非线性和有向通信图的多智能体系统，提出基于相邻智能体相对状态的分布式一致性协议，通过两步算法实现无扰动下的全局一致性，并进一步设计协议保证外部扰动下的$H_\infty$性能。

Comments 15 pages, 6 figures

Distributed Robust Control of Linear Multi-Agent Systems with Parameter Uncertainties

具有参数不确定性的线性多智能体系统的分布式鲁棒控制

Zhongkui Li, Zhisheng Duan, Lihua Xie, Xiangdong Liu

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

AI总结 针对具有参数不确定性的线性多智能体系统，基于邻居相对状态和部分绝对状态设计分布式控制器，将分布式鲁棒控制问题等价为解耦线性系统的H∞控制问题，并给出连续时间系统的两步无保守性算法和离散时间系统的线性矩阵不等式充分条件。

Comments 17 pages, 3 figures. Submitted to International Journal of Robust and Nonlinear Control

Consensus of Discrete-Time Linear Multi-Agent Systems with Observer-Type Protocols

离散时间线性多智能体系统具有观测器型协议的共识

Zhongkui Li, Zhisheng Duan, Guanrong Chen

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

AI总结 针对离散时间线性多智能体系统，提出基于邻居相对输出的观测器型协议，将共识问题转化为低维矩阵稳定性，并给出协议设计算法以实现有向拓扑下的共识。

Comments 18 pages, 6 figures; This paper is an enlarged version of the paper, with the same title, to appear in Discrete and Continuous Dynamical Systems-Series B

Journal ref Discrete and Continuous Dynamical Systems-Series B 16 (2011) 489-505

Communicate only when necessary: Cooperative tasking for multi-agent systems

仅在必要时通信：多智能体系统的协同任务分配

Mohammad Karimadini, Hai Lin

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

AI总结 本文提出一种通过重新分配智能体间事件来使不可分解任务自动机可分解的方法，以解决协同控制中的交互设计问题。

Comments 36 Pages, 4 figures

Synchronized Task Decomposition for Cooperative Multi-agent Systems

同步任务分解用于多智能体协作系统

Mohammad Karimadini, Hai Lin

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，提出一种分治方法，通过将全局规范分解为各智能体的子任务，并给出可分解性的充要条件，实现局部协调控制以保证全局行为。

Comments Submitted for publication, 2010

RAG-driven Multi-Agent LLM Framework with Task Decomposition for Beyond 5G Auto-Configuration

基于RAG驱动的多智能体LLM框架与任务分解的超越5G自动配置

İrşat Emin Sarıdaş, Onur Salan, Ali Görçin, Ibrahim Hokelek, Hakan Ali Çırpan

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

AI总结 提出一种检索增强和任务分解的多智能体LLM框架，通过语义检索和模块化架构减少幻觉，实现超越5G网络自动配置，成功率达94.4%。

Comments 6 pages, 2 figures, accepted to International Conference on Telecommunications 2026

Coordinating Task Switching in a Robotics Multi-Agent System Using Behavior Trees

使用行为树协调机器人多智能体系统中的任务切换

Lucas Haug, Anarosa Alves Franco Brandão, Arthur Casals

机构 * LTI - Laboratório de Técnicas Inteligentes, Universidade de S a ~ \tilde{a} o Paulo, SP（智能技术实验室，圣保罗大学） 纠错

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

AI总结 本文提出一种基于行为树的方法，用于在IEEE VSSS机器人足球多智能体系统中协调机器人行为，并通过与有限状态机的对比实验及竞赛验证其有效性。

Comments 7 pages, 7 figures. Preprint of a manuscript submitted to the XXVI Congresso Brasileiro de Automática (CBA 2026)

When Identity Overrides Incentives: Representational Choices as Governance Decisions in Multi-Agent LLM Systems

当身份压倒激励：多智能体LLM系统中的表征选择作为治理决策

Viswonathan Manoranjan, Snehalkumar `Neil' S. Gaikwad

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

AI总结 通过四智能体战略博弈实验，发现角色身份分配会抑制基于报酬的行为，使均衡选择偏移高达90个百分点，表明表征选择是决定系统输出的治理决策。

Comments Accepted to ACM FAccT 2026

Symphony-Coord: Adaptive Routing for Multi-Agent LLM Systems

Symphony-Coord：多智能体大语言模型系统的自适应路由

Zhaoyang Guan, Huixi Cao, Ming Zhong, Yin Wang, Guanyu Liu, Eric Yang, Lynn Ai, Yongxin Ni, Bill Shi

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

AI总结 针对多智能体大语言模型系统中静态路由和集中控制导致的低效与脆弱性问题，提出基于在线多臂赌博机的去中心化协调框架Symphony-Coord，通过两阶段动态信标协议和自适应LinUCB选择器实现子任务路由，并证明亚线性遗憾界。

Comments 41 pages,15 figures

PhishLumos: An Adaptive Multi-Agent System for Proactive Phishing Campaign Mitigation

PhishLumos：一种用于主动缓解钓鱼攻击活动的自适应多智能体系统

Daiki Chiba, Hiroki Nakano, Takashi Koide

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

AI总结 提出PhishLumos自适应多智能体系统，利用大语言模型智能体分析共享基础设施，在专家确认前一周主动识别钓鱼活动，实现从被动URL拦截到主动活动缓解的转变。

Comments Originally presented at IEEE ICC 2026. An extended version of this work has been published in IEEE Access: https://doi.org/10.1109/ACCESS.2026.3696597

Journal ref D. Chiba, H. Nakano, and T. Koide, "PhishLumos: From a Single URL to Campaign-Level Phishing Mitigation," IEEE Access, 2026

MACO: A Multi-Agent LLM Framework for Automated CGRA Hardware/Software Co-Design

MACO: 一种用于自动化CGRA硬件/软件协同设计的基于多智能体LLM的框架

Zesong Jiang, Yuqi Sun, Qing Zhong, Mahathi Krishna, Deepak Patil, Cheng Tan, Jeff Zhang

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

AI总结 提出MACO框架，通过多智能体LLM协作和指数衰减探索策略，自动化CGRA硬件/软件协同设计，在功耗、性能和搜索效率上分别提升25.9%、20.0%和5倍。

Comments new version

CoMo3R-SLAM: Collaborative Monocular Dense SLAM with Learned 3D Reconstruction Priors for Outdoor Multi-Agent Systems

CoMo3R-SLAM: 面向室外多智能体系统的协作式单目稠密SLAM与学习型3D重建先验

Zhihao Cao, Qi Shao, Shuhao Zhai, Feng Tian, Anh Nguyen, Hesheng Wang, Baoru Huang

机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Liverpool（利物浦大学） ； Harbin Engineering University（哈尔滨工程大学） ； University of Ottawa（Ottawa大学） ； Shanghai Jiao Tong University（上海交通大学） ； Imperial College London（伦敦帝国理工学院） 纠错

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

AI总结 提出首个协作式单目稠密RGB SLAM系统CoMo3R-SLAM，利用学习的前馈3D重建先验实现室外多智能体地图构建，无需深度传感器即可生成全局一致的度量地图。

Mixture-of-Experts Knowledge Graph Retrieval-Augmented Generation for Multi-Agent LLM-based Recommendation

基于混合专家知识图谱检索增强生成的多智能体LLM推荐系统

Shijie Wang, Chengyi Liu, Yujuan Ding, Shanru Lin, See-Kiong Ng, Xu Xin, Wenqi Fan

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

AI总结 提出MixRAGRec框架，通过混合专家检索、知识偏好对齐和对比学习增强推荐，解决KG-RAG中检索粒度单一、结构信息丢失和端到端学习困难问题。

Comments Accepted by KDD 2026 Research Track

AgentCVR: Active Multi-Agent Cross-Video Reasoning via Script-Simulated Reinforcement Learning

AgentCVR：通过脚本模拟强化学习的主动多智能体跨视频推理

Yilun Qiu, Jiahe Wang, Cilin Yan, Jiayin Cai, Xiaolong Jiang, Yao Hu, Chun Yuan

机构 * Xiaohongshu Inc.（小红书公司） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生学院，清华大学） 纠错

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

AI总结 提出AgentCVR多智能体框架，将跨视频推理视为主动证据获取任务，通过主智能体协调视觉和音频智能体进行定向证据提取，并引入脚本模拟强化学习优化策略，在跨视频对齐和定位任务上超越单次基线，达到与闭源系统相当的性能。

LLM-ALSO: LLM-Driven Adaptive Learning-Signal Optimization for Multi-Agent Reinforcement Learning

LLM-ALSO：基于大语言模型驱动的自适应学习信号优化用于多智能体强化学习

Xiaoguang Wu, Zhi Zheng, Hui Xiong

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

AI总结 针对稀疏奖励下多智能体强化学习协调困难的问题，提出LLM-ALSO框架，通过迭代诊断、提议和验证机制利用大语言模型自适应优化奖励塑形配置，提升学习效率与性能。

Comments 14 pages, 6 figures, 6 tables

Distributed Non-Uniform Scaling Control of Multi-Agent Formation with Dynamic Agent Joining

具有动态加入智能体的多智能体编队分布式非均匀缩放控制

Tao He, Gangshan Jing

机构 * School of Automation, Chongqing University, Chongqing, China（重庆大学自动化学院，重庆，中国） 纠错

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

AI总结 针对动态加入智能体的多智能体编队，提出一种分布式非均匀缩放控制框架，通过保持图拉普拉斯矩阵的谱特性实现任意维度下的编队形状调整。

Comments This paper has been accepted by IFAC 2026

Scaling Multi-agent Systems: A Smart Middleware for Improving Agent Interactions

扩展多智能体系统：一种用于改善智能体交互的智能中间件

Charles Fleming, Guillaume De Saint Marc, Ramana Kompella, Peter Bosch, Vijoy Pandey

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

AI总结 提出认知织物节点（CFN）中间件，通过强化学习和优化算法动态管理智能体间通信，在HotPotQA和MuSiQue数据集上性能提升超过10%。

Automated Synthesis of Lyapunov Functions for Multi-Agent Systems under Jointly Connected Topology

联合连通拓扑下多智能体系统Lyapunov函数的自动综合

Shuyuan Zhang, Lei Wang, Qing-Guo Wang

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

AI总结 针对联合连通拓扑下的多智能体系统，通过自动综合多项式Lyapunov函数并利用平方和分解，提出分布式非线性控制协议以实现一阶和二阶系统的一致性验证。

Coalition Free Energy and Adaptive Precision in Multi-Agent Cooperation

多智能体合作中的联盟自由能与自适应精度

Djamel Bouchaffra, Faycal Ykhlef, Mustapha Lebbah, Hanane Azzag

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

AI总结 提出博弈论自由能原理（GT-FEP）变分框架，通过自适应精度控制（APC）算法动态调整观测精度，在瑞士环岛轨迹数据集和多智能体控制任务中实现与最优固定精度相当的性能。

Comments 21 pages, 8 figures, 2 Tables

Integrated Sensing, Communication, and Computing for NR-V2X: A Cross-Layer Resource Allocation Framework Using Multi-Agent Reinforcement Learning

面向NR-V2X的集成感知、通信与计算：基于多智能体强化学习的跨层资源分配框架

Indulekha K. P., T. G. Venkatesh

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

AI总结 提出一种基于多智能体近端策略优化的跨层调度器MAPPO-SPS，联合优化SB-SPS预留、无线资源划分和计算卸载决策，以平衡感知精度、通信可靠性和计算延迟。

HypeR Adaptivity: Joint $hr$-Adaptive Meshing via Hypergraph Multi-Agent Deep Reinforcement Learning

HypeR 自适应：通过超图多智能体深度强化学习实现联合 $hr$ 自适应网格划分

Niccolò Grillo, James Rowbottom, Pietro Liò, Carola Bibiane Schönlieb, Stefania Fresca

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

AI总结 提出 HypeR 框架，利用超图神经网络和多智能体强化学习联合优化网格重定位与细化，在有限元方法中实现 $hr$ 自适应，相比纯 $h$ 自适应方法将近似误差降低 6-10 倍。

TEAM-SimHRA: A Team-Based Simulation Framework for Human Reliability Analysis Using Multi-Agent Large Language Models

TEAM-SimHRA：基于团队的人因可靠性分析仿真框架——使用多智能体大语言模型

Xingyu Xiao, Jiejuan Tong, Jingang Liang, Haitao Wang

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

AI总结 提出TEAM-SimHRA框架，利用多智能体大语言模型模拟核控制室团队交互，将人因可靠性视为涌现属性，在三哩岛和切尔诺贝利事故验证中实现历史决策延迟复现和通信抑制再现。

SFG-ROS: A Resource-Aware Framework for Dense Multi-Agent Perception

SFG-ROS：面向密集多智能体感知的资源感知框架

Constantin Blessing, Elias Geiger, Jakob Häringer, Dennis Grewe, Markus Enzweiler

机构 * Institute for Intelligent Systems, Faculty of Computer Sciences and Engineering（智能系统研究所，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)

AI总结 针对ROS 2在多机器人协作感知中的网络饱和与计算开销问题，提出SFG-ROS框架，通过模式驱动的流量路由、按需集中解码和硬件无关容器管道，将网络流量限制为O(1)并减少72.3%的CPU扩展开销。

Anytime Detection of Strategic Deviations in Multi-Agent Systems

多智能体系统中策略性偏差的任意时刻检测

Etienne Gauthier, Francis Bach, Michael I. Jordan

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

AI总结 提出基于e值框架的序贯检验方法，通过构造测试超鞅实时检测多智能体系统行为是否偏离均衡基准，统一处理纳什、相关和粗相关均衡，并扩展至随机博弈。

Comments Code at: https://github.com/GauthierE/anytime-detection-deviation

SVR-MAD: A Bayesian-Inspired Framework for Posterior-Guided Multi-Agent Debate

SVR-MAD：一种贝叶斯启发的后验引导多智能体辩论框架

Weifan Jiang, Rana Shahout, Minghao Li, Zhenting Qi, Yilun Du, Michael Mitzenmacher, Minlan Yu

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

AI总结 针对多智能体辩论中上下文快速增长导致可扩展性受限的问题，提出贝叶斯启发的SVR-MAD框架，利用辩论前后信号构建通信图，在降低令牌成本的同时保持或提升准确率。

FACET: Multi-Agent AI Supporting Teachers in Scaling Differentiated Learning for Diverse Students

FACET: 支持教师为多样化学生扩展差异化学习的多智能体AI

Jana Gonnermann-Müller, Jennifer Haase, Nicolas Leins, Moritz Igel, Konstantin Fackeldey, Sebastian Pokutta

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

AI总结 提出FACET教师端多智能体框架，通过模拟学习者、诊断评估、生成材料和评估四个智能体，在教师参与下支持差异化教学，解决课堂异质性带来的挑战。

Self-Evolving Multi-Agent Systems via Decentralized Memory

通过去中心化记忆实现自演化多智能体系统

Guangya Hao, Yunbo Long, Zhuokai Zhao

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

AI总结 本文提出DecentMem，一种去中心化的记忆框架，通过每个智能体维护两个记忆池来提升多智能体系统的性能，理论证明其能保证解空间的全局可达性并达到O(log T)的累积遗憾，实验显示在多个框架和基准测试中，DecentMem在准确率和资源利用方面均有显著提升。

Diverse Yet Consistent: Context-Guided Diffusion with Energy-Based Joint Refinement for Multi-Agent Motion Prediction

多样且一致：基于能量的联合细化的上下文引导扩散用于多智能体运动预测

Lei Chu, Yuhuan Zhao

机构 * University of Southern California（南加州大学） 纠错

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

AI总结 本文提出了一种基于扩散的框架，通过利用历史轨迹中的丰富上下文信息来改进多智能体运动预测，通过引导机制增强预测动作的多样性和表达性，并引入基于能量的公式来细化联合轨迹分布，同时保持个体轨迹的合理性，实验表明该方法在多个基准数据集上均优于现有方法。

Comments MEIS-- CVPR

Context-Mediated Domain Adaptation in Multi-Agent Sensemaking Systems

多智能体感知系统中的上下文引导领域适应

Anton Wolter, Leon Haag, Vaishali Dhanoa, Niklas Elmqvist

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

AI总结 本文提出了一种上下文引导的领域适应方法，通过多智能体系统中的用户修改来隐式指定领域知识，从而改进大语言模型驱动的多代理推理行为。

Time-To-Reach Separation and Safety Filtering for Safe, Fair, and Efficient Multi-Agent Coordination

时间到达分离与安全过滤用于安全、公平和高效的多智能体协调

Matthew Low, Jasmine Jerry Aloor, Victoria Marie Tuck, Pierluigi Nuzzo, Jason J. Choi

机构 * Department of Electrical Engineering and Computer Sciences, University of California, Berkeley（加州大学伯克利分校电子工程与计算机科学系） ； Department of Aeronautics and Astronautics, Massachusetts Institute of Technology（麻省理工学院航空与航天系） ； GRASP Laboratory, University of Pennsylvania（宾夕法尼亚大学GRASP实验室） ； Department of Electrical and Computer Engineering, University of California, Los Angeles（加州大学洛杉矶分校电子与计算机工程系） 纠错

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

AI总结 本文提出了一种多智能体协调框架，利用最小时间到达（TTR）作为统一指标用于优先级分配、时间分离和安全过滤，以协调多个空中车辆进入空中走廊并保持车辆间安全分离。

Comments 9 pages, 3 figures. Extended version (including appendix) of a paper submitted to the 65th IEEE Conf. on Decision and Control (2026)