AI Agent

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

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

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。

Consensus Tracking of Perturbed Open Multi-Agent Systems with Repelling Antagonistic Interactions

受扰开放多智能体系统在排斥对抗交互下的一致性跟踪

Mengqi Xue, Yuchao Xiong, Yue Song

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

AI总结 针对开放多智能体系统在迁移引起的非消失扰动和排斥对抗交互下的一致性跟踪问题，通过将系统建模为受扰多模式多维系统并扩展其稳定性理论，证明了在满足分段平均驻留时间和激活时间比条件下可实现最终有界一致性跟踪。

Distance-Constrained Unlabeled Multi-Agent Pathfinding

具有距离约束的无标签多智能体路径寻找

Takahiro Suzuki, Yuma Tamura, Keisuke Okumura

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

AI总结 本文研究了具有距离约束的无标签多智能体路径寻找问题，提出两种互补方法解决该问题，证明该问题的可行性为PSPACE难，但算法在实际时间内可处理数百个智能体。

Semantic Joint Source Channel Coding for Distributed Subsurface Imaging in Multi-Agent Systems

多智能体系统中分布式地下成像的语义联合信源信道编码

Maximilian H. V. Tillmann, Ban-Sok Shin, Dmitriy Shutin, Armin Dekorsy

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

AI总结 本研究针对多智能体系统中分布式地下成像问题，提出将语义联合信源信道编码与空中计算结合的方法，经地下异常检测用例验证，其成像性能优于传统通信方案。

Byzantine-Resilient Federated Multi-Agent Optimization Framework for Cyber-Secure Interconnected Microgrids

面向网络安全互联微电网的拜占庭弹性联邦多智能体优化框架

Ali Peivand, Seyyed Mostafa Nosratabadi

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

AI总结 提出BR-FedMAPPO框架，结合三重表面移动目标防御与自适应隔离策略，通过两阶段拜占庭弹性聚合规则抵御隐蔽虚假数据注入攻击，保护分布式学习通道并维持经济调度性能。

DVAR: Adversarial Multi-Agent Debate for Video Authenticity Detection

DVAR：对抗性多智能体辩论用于视频真实性检测

Hongyuan Qi, Feifei Shao, Ming Li, Hehe Fan, Jun Xiao

机构 * Zhejiang University（浙江大学） ； Guangming Lab（光明实验室） 纠错

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

AI总结 DVAR通过多智能体辩论框架，将视频真实性检测转化为结构化推理过程，利用生成假设代理与自然机制代理的竞争，结合MDL框架和GenVideoKB知识库，实现对未知生成架构的强泛化能力。

Comments 9 pages

Quantigence: A Multi-Agent Framework for Post-Quantum Security Analysis on Commodity Hardware

Quantigence：一种用于量子安全研究的多智能体AI框架

Abdulmalik Alquwayfili

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

AI总结 Quantigence通过多智能体AI框架提升量子安全研究效率，实现67%的研究周转时间减少和更全面的文献覆盖。

Comments 12 pages, 6 figures, 3 tables. Code and data: https://github.com/AbdulmalikDS/quantigence

Decentralized Affine Transformation for Scalable and Safe Multi-Agent Aerial Coordination

面向可扩展且安全的多智能体空中协调的分布式仿射变换

Garegin Mazmanyan, Hossein Rastgoftar

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

AI总结 该研究提出分布式仿射变换框架，将二维AT建模为分布式主从问题，通过微型四旋翼无人机实验验证其可安全引导多智能体穿越狭窄受限环境且符合理论收敛性。

DM$^3$-Nav: Decentralized Multi-Agent Multimodal Multi-Object Semantic Navigation

DM$^3$-Nav：去中心化多智能体多模态多目标语义导航

Amin Kashiri, Atharva Jamsandekar, Yasin Yazıcıoğlu

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； Northeastern University（东北大学） 纠错

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

AI总结 DM$^3$-Nav是一种去中心化的多智能体语义导航系统，支持多模态开放词汇目标指定和多目标任务，通过局部通信实现自主协调，验证了在真实办公环境中的有效性。

AffectAgent: Collaborative Multi-Agent Reasoning for Retrieval-Augmented Multimodal Emotion Recognition

AffectAgent：协同多智能体推理用于检索增强的多模态情感识别

Zeheng Wang, Zitong Yu, Yijie Zhu, Bo Zhao, Haochen Liang, Taorui Wang, Wei Xia, Jiayu Zhang, Zhishu Liu, Hui Ma, Fei Ma, Qi Tian

机构 * Great Bay University（大湾大学） ； Guangming Laboratory（光明实验室） 纠错

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

AI总结 本文提出AffectAgent，通过协同多智能体推理框架，解决多模态情感识别中的模态模糊和复杂情感依赖问题，引入MB-MoE和RAAF提升表现。

Comments Accepted by ACM MM 2026

When classical predictors fail: an exact network outflowpredictor for heterogeneous multi-agent systems with communication delays

对离散时间异构多智能体线性系统通信延迟的精确补偿及其在SIR流行病模型中的应用

Qin Fang, Mamadou Diagne, Yang Zhu

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预测的精确延迟补偿方法，用于解决异构多智能体系统中的通信延迟问题，并通过SIR流行病模型验证了其在流行病防控中的有效性。

PDE-Agents: An LLM-Orchestrated Multi-Agent Framework for Automated Finite Element Simulations with Knowledge Graph-Augmented Reasoning

PDE-Agents: 一种基于知识图谱增强推理的LLM编排多智能体框架，用于自动化有限元模拟

Sayan Adhikari, Gulshan Noorsumar, Øyvind Jensen

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

AI总结 提出PDE-Agents多智能体系统，通过LLM编排实现偏微分方程/有限元模拟全流程自动化，采用GraphRAG知识图谱增强，在50个任务消融实验中KG Smart模式达100%成功率，并验证了二阶空间收敛性。

Comments 19 pages, 9 figures, 10 tables, 1 algorithm. Code and evaluation artifacts: https://github.com/MatPro-IFE/pde-agents

Disentangled Control of Multi-Agent Systems

多智能体系统的解耦控制

Ruoyu Lin, Gennaro Notomista, Magnus Egerstedt

机构 * Department of Electrical Engineering and Computer Science, University of California, Irvine（加州大学 Irvine 分校 电气工程与计算机科学系） ； Department of Electrical and Computer Engineering, University of Waterloo（滑铁卢大学 电气与计算机工程系） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

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

AI总结 本文提出一种通用多智能体控制合成框架，适用于具有收敛保证的广泛问题，包括具有时间变化目标函数的问题。该框架实现去中心化而不引入智能体间的动态耦合，自然支持多目标机器人和实时实现。

Distributed primal-dual algorithm for constrained multi-agent reinforcement learning under coupled policies

耦合策略下约束多智能体强化学习的分布式原始对偶算法

Pengcheng Dai, He Wang, Dongming Wang, Wenwu Yu

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

AI总结 研究耦合环境下的约束多智能体强化学习，针对现有方法不足，提出智能体采用依赖邻居状态和参数的耦合策略及分布式可扩展原始对偶算法，证明算法收敛性，仿真验证其优于现有算法。

Multi-Agent Reinforcement Learning for SLA-Aware Network Slicing in UAV-Enabled MEC

用于无人机支持的MEC中基于SLA感知的网络切片的多智能体强化学习

Mohammad Farhoudi, Zeinab Sasan, Masoud Shokrnezhad, Tarik Taleb

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

AI总结 研究无人机支持的MEC中保证SLA稳定性的问题，提出预测性多智能体强化学习框架，通过协调轨迹控制和资源分配维持SLA稳定，设计奖励函数，用MAPPO训练智能体，模拟表明该框架能显著提升SLA稳定性且保持性能优势。

MAGS-SLAM: Monocular Multi-Agent Gaussian Splatting SLAM for Geometrically and Photometrically Consistent Reconstruction

MAGS-SLAM：单目多智能体高斯点云SLAM用于几何和光度一致的重建

Zhihao Cao, Qi Shao, Shuhao Zhai, Jing Zhang, Anh Nguyen, Hesheng Wang, Baoru Huang

机构 * ETH Zurich（苏黎世联邦理工学院） ； Harbin Engineering University（哈尔滨工程大学） ； University of Liverpool（利物浦大学） ； University of Macau（澳门大学） ； University of Ottawa（多伦多大学） ； Wuhan University（武汉大学） ； Imperial College London（伦敦帝国学院） 纠错

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

AI总结 MAGS-SLAM通过单目视觉实现多智能体高斯点云SLAM，无需RGB-D传感器即可完成几何和光度一致的场景重建，实验表明其跟踪精度和渲染质量可与现有RGB-D方法媲美。

QuantHarness: Price-Driven Multi-Agent LLMs for High-Frequency Trading

QuantHarness：用于高频交易的价格驱动多智能体大语言模型

Fei Xiong, Xiang Zhang, Aosong Feng, Siqi Sun, Chenyu You

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

AI总结 研究针对高频交易需求，引入QuantHarness多智能体LLM框架，将交易分解为四个智能体，利用结构化信号与LLM推理结合，经多金融工具实验验证，该框架在多指标上优于基线方法，为高频金融市场实时决策提供可行路径。

Effect of Graph Gluing on Consensus in Networked Multi-Agent Systems

图粘合对网络多智能体系统共识的影响

Rohollah Moghadam, Santosh Kandel

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

AI总结 研究图粘合操作对多智能体网络系统性能的影响，分析连接策略与代数连通性之间的关系，通过仿真验证理论成果。

Learning Latency-Aware Orchestration for Multi-Agent Systems

学习多智能体系统的延迟感知编排

Xi Shi, Mengxin Zheng, Qian Lou

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

AI总结 针对多智能体系统推理延迟高的问题，提出延迟感知多智能体系统（LAMaS）。训练时通过约束优化学习延迟感知执行图，推理时用轻量级控制器补充。实验显示其在降低端到端延迟超50%的同时保持精度，且具模块化可移植性。

Comments This submission was intended to be an updated version of arXiv:2601.10560. Any subsequent updates will appear there

Dynamic Multi-Agent Pickup and Delivery in Robotic Cellular Warehousing Systems

机器人化仓储系统中的动态多智能体取送货

Cheng Ren, Ming Li, Xinping Guan, George Q. Huang

机构 * Department of Industrial and Systems Engineering, The Hong Kong Polytechnic University（工业与系统工程系，香港理工大学） ； School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（自动化与智能感知学院，上海交通大学） 纠错

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

AI总结 针对订单内部SKU动态追加的仓库场景，首次形式化动态多智能体取送货问题，提出两种基于令牌传递的事件触发在线重规划算法，显著降低订单流时间。

DeliCIR: Memory-Guided Test-Time Deliberation via Multi-Agent Collaboration for Composed Image Retrieval

DeliCIR: 用于组合图像检索的深思型测试时进化分层多智能体

Xingtian Pei, Yukun Song, Changwei Wang, Shunpeng Chen, Rongtao Xu, Shengpeng Xu, Shibiao Xu

机构 * Key Laboratory of Computing Power Network and Information Security, Ministry of Education, Shandong Computer Science Center (National Supercomputer Center in Jinan), Qilu University of Technology (Shandong Academy of Sciences)（计算机网络与信息安全部重点实验室，教育部，山东计算机科学中心（济南国家超算中心），青岛科技大学（山东科学院）） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； School of Artificial Intelligence, Mohamed bin Zayed University（Mohamed bin Zayed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)

AI总结 提出一种分层感知-深思框架PDF，通过分层多智能体架构、意图路由管理器、决策管理器及锦标赛式测试时缩放策略，实现经验自进化与测试时缩放定律在组合图像检索中的首次应用，在三个基准数据集上达到最优性能。

Comments 10 pages, 3 figures,4 tables

A hierarchical memory architecture overcomes context limits in long-horizon multi-agent computational modeling

分层内存架构克服长期多智能体计算建模中的上下文限制

Shivendra G. Tewari, Holly Kimko

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

AI总结 研究针对大语言模型在长期多智能体计算建模中因无状态架构受限的问题，提出Ensemble QSP多智能体框架，其分层内存架构可保持上下文稳定，经测试能自主进行药代动力学 - 药效学模型选择，提升参数恢复能力，且架构与领域无关。

Comments 19 pages, 4 figures, 2 tables. Preprint submitted for publication

An Agent-Centric Dynamical Systems Perspective on Multi-Agent Reinforcement Learning

基于智能体中心动力系统视角的多智能体强化学习

James Rudd-Jones, María Pérez-Ortiz, Mirco Musolesi

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

AI总结 提出将多智能体强化学习训练建模为耦合随机动力系统，利用动力系统理论分析智能体行为的稳定性和敏感性，以应对随机性挑战。

Real-time adaptive quantum error correction by model-free multi-agent learning

通过无模型多智能体学习实现实时自适应量子纠错

Manuel Guatto, Francesco Preti, Michael Schilling, Tommaso Calarco, Francisco Andrés Cárdenas-López, Felix Motzoi

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

AI总结 研究针对现实硬件中错误通道随时间漂移的问题，提出将量子纠错分为离线码发现和在线自适应的统一框架，利用多智能体强化学习和BRAVE实现“发现一次，持续适应”策略，有效降低逻辑不忠实度并扩展噪声鲁棒性。

MAR3: Multi-Agent Recognition, Reasoning, and Reflection for Reference Audio-Visual Segmentation

MAR3：多智能体识别、推理与反思用于参考音频视觉分割

Yuan Zhao, Zhenqi Jia, Yongqiang Zhang

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

AI总结 本文提出MAR3框架，通过多智能体机制解决参考音频视觉分割中的表达难度识别、模态主导性分析及反思学习问题，提升分割精度。

Comments Accepted by ACM MM 2026

Recursive Multi-Agent Trading System: Iterative Optimized Portfolio Strategy Under Geopolitical Uncertainty

递归多智能体交易系统：地缘政治不确定性下的迭代优化投资组合策略

Jing Yang, Yichao Wu, Jianan Liu, Penghao Liang, Mengwei Yuan, Xianyou Li, Weiran Yan

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

AI总结 提出递归多智能体交易系统（RMATS），通过递归管理器代理协调四个专业代理（情绪、报告、分析和风险），在561个交易日和24个资产的多类资产上实现最大回撤9.62%，低于MVO和FinBERT情绪，并在5个地缘政治压力情景中的3个中表现出最低事件期回撤，证明其作为风险控制导向架构的有效性。

Cost and Accuracy of Long-Term Memory in Distributed Multi-Agent Systems Based on Large Language Models

基于大语言模型的分布式多智能体系统中长期记忆的成本与准确性

Benedict Wolff, Jacopo Bennati

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

AI总结 针对分布式多智能体系统中长期记忆的成本与准确性评估空白，构建独立可复现测试平台，比较多种架构并发现检索不完整是准确率差距主因，RAG基线以更低总拥有成本达到高准确率。

Comments Copyright IEEE 2026. Manuscript accepted at IEEE COMPSAC 2026. Not for redistribution. Published version: https://doi.org/10.1109/XXXXXX

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。