AI Agent

Context Engineering: From Prompts to Corporate Multi-Agent Architecture

上下文工程：从提示到企业多智能体架构

Vera V. Vishnyakova

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

AI总结 本文提出上下文工程作为独立学科，旨在设计和管理AI代理决策的信息环境，通过五个质量标准和两个高层学科构建代理工程的成熟度模型，解决企业多智能体系统部署中的上下文和意图缺失问题。

Comments 25 pages, 1 figure

Efficient and Interpretable Multi-Agent LLM Routing via Ant Colony Optimization

通过蚁群优化实现高效且可解释的多智能体大语言模型路由

Xudong Wang, Chaoning Zhang, Jiaquan Zhang, Chenghao Li, Qigan Sun, Sung-Ho Bae, Peng Wang, Ning Xie, Jie Zou, Yang Yang, Hengtao Shen

机构 * School of Computing, Kyung Hee University（Kyung Hee 大学计算机学院） ； School of Information and Software Engineering, University of Electronic Science and Technology of China（中国电子科技大学信息与软件工程学院） ； School of Computer Science and Engineering, University of Electronic Science and Technology of China（中国电子科技大学计算机科学与工程学院） ； School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） 纠错

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

AI总结 本文提出AMRO-S框架，通过意图推理、任务特定信息素专家和质量门控异步更新机制，提升多智能体系统路由效率与可解释性，实验显示其在质量-成本权衡上优于现有方法。

Comments 11 pages, 3 figures, submitted to IEEE Transactions on Artificial Intelligence

Partially Observable Multi-Agent Reinforcement Learning with Information Sharing

部分可观测多智能体强化学习与信息共享

Xiangyu Liu, Kaiqing Zhang

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

AI总结 本文研究了在部分可观测随机游戏框架下可证明的多智能体强化学习问题，提出利用智能体间的信息共享来解决计算复杂性问题，并设计了具有准多项式时间复杂度的算法，扩展至合作部分可观测马尔可夫决策过程。

Comments Final journal version of the ICML 2023 conference paper, accepted to SIAM Journal on Control and Optimization (SICON)

coDrawAgents: A Multi-Agent Dialogue Framework for Compositional Image Generation

coDrawAgents：一种用于组合图像生成的多智能体对话框架

Chunhan Li, Qifeng Wu, Jia-Hui Pan, Ka-Hei Hui, Jingyu Hu, Yuming Jiang, Bin Sheng, Xihui Liu, Wenjuan Gong, Zhengzhe Liu

机构 * Lingnan University（岭南大学） ； CMU（卡内基梅隆大学） ； CUHK（香港中文大学） ； Alibaba DAMO Academy（阿里巴巴达摩院） ； SJTU（上海交通大学） ； HKU（香港大学） ； China University of Petroleum（中国石油大学） 纠错

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

AI总结 coDrawAgents通过四类智能体协作提升复杂场景中多对象生成的准确性与属性保持，实验表明其在文本-图像对齐、空间准确性和属性绑定方面表现更优。

Comments Accepted to CVPR 2026 Findings

LLM Constitutional Multi-Agent Governance

大语言模型宪法多智能体治理

J. de Curtò, I. de Zarzà

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CMAG框架，通过硬约束过滤与软惩罚效用优化，在多智能体群体中平衡合作潜力与操纵风险，实验显示CMAG在保持自主性和完整性的同时提升了合作的伦理得分。

Comments Accepted for publication in 20th International Conference on Agents and Multi-Agent Systems: Technologies and Applications (AMSTA 2026), to appear in Springer Nature proceedings (KES Smart Innovation Systems and Technologies). The final authenticated version will be available online at Springer

MindfulAgents: Personalizing Mindfulness Meditation via an Expert-Aligned Multi-Agent System

MindfulAgents: 通过专家对齐的多智能体系统实现正念冥想的个性化

Mengyuan Millie Wu, Zhihan Jiang, Yuang Fan, Richard Feng, Sahiti Dharmavaram, Mathew Polowitz, Shawn Fallon, Bashima Islam, Lizbeth Benson, Irene Tung, David Creswell, Xuhai Xu

机构 * Columbia University（哥伦比亚大学） ； St. Margaret’s Episcopal School（圣玛格丽特教区学校） ； Carnegie Mellon University（卡内基梅隆大学） ； Worcester Polytechnic Institute（沃斯特理工学院） ； Institute for Social Research, University of Michigan（密歇根大学社会研究所） ； California State University Dominguez Hills（加州大学 Dominguez Hills 分校） 纠错

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

AI总结 本文提出MindfulAgents系统，利用大语言模型生成个性化正念冥想指导脚本，提升用户参与度和自我意识，减少压力，并通过实验验证其在长期冥想实践中的有效性。

Comments Accepted by CHI 2026; Zhihan Jiang and Yuang Fan contributed equally as second authors

Beyond Static Instruction: A Multi-agent AI Framework for Adaptive Augmented Reality Robot Training

超越静态指令：一种多智能体AI框架用于自适应增强现实机器人训练

Nicolas Leins, Jana Gonnermann-Müller, Malte Teichmann, Sebastian Pokutta

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

AI总结 本文提出多智能体AI框架，用于增强现实机器人训练中的动态适应，通过多模态输入预处理和LLM自主推理实现个性化学习环境调整。

Journal ref Companion Proceedings of the 21st ACM/IEEE International Conference on Human-Robot Interaction (2026) 989-993

Multi-Agent Guided Policy Optimization

多智能体引导策略优化

Yueheng Li, Guangming Xie, Zongqing Lu

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MAGPO框架，通过整合集中指导与分散执行，提升多智能体强化学习的协调探索与部署能力，并在多个环境中验证其优于现有方法的性能。

Conflict Mitigation in Shared Environments using Flow-Aware Multi-Agent Path Finding

利用流量感知的多智能体路径寻找实现共享环境中的冲突缓解

Lukas Heuer, Yufei Zhu, Luigi Palmieri, Andrey Rudenko, Anna Mannucci, Sven Koenig, Martin Magnusson

机构 * Örebro University（奥雷布罗大学） ； Bosch Research（博世研究） ； Technical University of Munich（慕尼黑技术大学） ； University of California, Irvine（加州大学 Irvine 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FA-MAPF框架，通过整合不可控代理的运动模式提升多智能体路径寻找效率，实验证明可减少55%的冲突且不牺牲任务效率。

Comments To be presented at ICRA 2026

Bio-inspired density control of multi-agent swarms via leader-follower plasticity

生物启发的多智能体群体密度控制 via 领导-跟随可塑性

Gian Carlo Maffettone, Alain Boldini, Mario di Bernardo, Maurizio Porfiri

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

AI总结 本文提出一种生物启发的领导-跟随可塑性方法，用于多智能体群体的空间自组织控制，通过非线性偏微分方程建模群体密度，提供紧凑描述并保证稳态解的存在与局部稳定性。

Journal ref Volume 188, Automatica, 2026

Exploring the role of embodiment on intimacy perception in a multiparty collaborative task

探索具身性在多方协作任务中亲密感知的作用

Amine Benamara, Céline Clavel, Brian Ravenet, Nicolas Sabouret, Julien Saunier

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

AI总结 本文研究协作任务中具身性对群体凝聚力的影响，通过实验协议探讨不同代理的具身性如何影响感知及群体整体表现。

Journal ref ACM International Conference on Intelligent Virtual Agents (IVA '24), ACE Workshop Proceedings, Sep 2024, Glasgow, United Kingdom

JigsawComm: Joint Semantic Feature Encoding and Transmission for Communication-Efficient Cooperative Perception

JigsawComm: 联合语义特征编码与传输以实现通信高效的协作感知

Chenyi Wang, Zhaowei Li, Ming F. Li, Wujie Wen

机构 * University of Arizona（亚利桑那大学） ； North Carolina State University（北卡罗来纳州立大学） 纠错

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

AI总结 本文提出JigsawComm框架，通过联合语义特征编码与传输，在通信预算限制下提升多智能体协作感知的准确性，利用语义感知的编码器和轻量级特征效用估计器减少数据传输量，提升效率。