AI Agent

Training-Free Agentic AI: Probabilistic Control and Coordination in Multi-Agent LLM Systems

无需训练的代理AI：多代理大语言模型系统的概率控制与协调

Mohammad Parsa Hosseini, Ankit Shah, Saiyra Qureshi, Alex Huang, Connie Miao, Wei Wei

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

AI总结 本文提出REDEREF控制器，通过概率方法提升多代理LLM系统的路由效率与鲁棒性，减少资源消耗并提高任务成功率。

Comments under review, 13 pages

ClimateAgents: A Multi-Agent Research Assistant for Social-Climate Dynamics Analysis

ClimateAgents: 一种用于社会-气候动态分析的多智能体研究助手

Shan Shan

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

AI总结 本文提出ClimateAgents，一种多智能体研究助手，通过整合多模态数据检索、统计建模和自动推理，帮助研究者探索社会-环境动态，提升气候分析的适应性和解释性。

MOSAIC: Multi-agent Orchestration for Task-Intelligent Scientific Coding

MOSAIC：多智能体协作用于任务智能的科学编码

Siddeshwar Raghavan, Tanwi Mallick

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

AI总结 MOSAIC通过多智能体协作解决复杂科学编码任务，采用自反思和学生-教师模式提升准确性和鲁棒性。

Comments The paper requires a great deal of restructuring to be beneficial to the research community. We also identified some issues with the current experiments and improvements in LLM models which we want our work to reflect

Federated Multi-Agent Mapping for Planetary Exploration

联邦多智能体制图用于行星探索

Tiberiu-Ioan Szatmari, Abhishek Cauligi

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

AI总结 本文提出一种联邦多智能体制图方法，通过隐式神经制图生成高效适应性表示，减少数据传输达93.8%，并利用元初始化加速地图收敛，实现火星地形和冰川数据集的高路径规划F1分数。

Comments 7 pages, 6 figures

Orla: A Library for Serving LLM-Based Multi-Agent Systems

Orla：一个用于服务基于LLM的多智能体系统的库

Rana Shahout, Hayder Tirmazi, Minlan Yu, Michael Mitzenmacher

机构 * Harvard University（哈佛大学） ； Boston University（波士顿大学） 纠错

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

AI总结 Orla提供了一种通用抽象，将请求执行与工作流级策略分离，通过阶段映射器、工作流编排器和内存管理器实现智能体级控制，展示了在客户支持工作流中的应用，并通过两个数据集验证了其在延迟和成本上的改进。

TrinityGuard: A Unified Framework for Safeguarding Multi-Agent Systems

TrinityGuard：多智能体系统的统一防护框架

Kai Wang, Biaojie Zeng, Zeming Wei, Chang Jin, Hefeng Zhou, Xiangtian Li, Chao Yang, Jingjing Qu, Xingcheng Xu, Xia Hu

机构 * Shanghai AI Laboratory（上海人工智能实验室） 纠错

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

AI总结 本文提出TrinityGuard框架，用于评估和监控基于大语言模型的多智能体系统安全风险，通过三级风险分类识别20种风险类型，结合测试模块和运行时监控实现预开发评估与运行时监控。

R3R: Decentralized Multi-Agent Collision Avoidance with Infinite-Horizon Safety

R3R：具有无限时间安全性的去中心化多智能体避障

Thomas Marshall Vielmetti, Devansh R. Agrawal, Dimitra Panagou

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

AI总结 R3R是首个在通信受限条件下提供无限时间安全保证的去中心化多智能体运动规划框架，通过结合安全框架与几何约束实现轨迹的可证明安全。

Comments 8 pages, LaTeX; submitted to the American Control Conference (ACC) 2026

Token Coherence: Adapting MESI Cache Protocols to Minimize Synchronization Overhead in Multi-Agent LLM Systems

令牌一致性：适应MESI缓存协议以最小化多智能体大语言模型系统中的同步开销

Vladyslav Parakhin

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 本文提出令牌一致性理论，通过将MESI协议应用于多智能体系统，减少同步开销，验证了在多智能体大语言模型中同步成本与缓存一致性问题的对应关系，并通过形式化验证协议确保安全性与一致性。

Comments 25 pages. Code and reproduction scripts at https://github.com/hipvlady/agent-coherence

Interference-Aware K-Step Reachable Communication in Multi-Agent Reinforcement Learning

考虑干扰的多智能体强化学习中的K步可达通信

Ziyu Cheng, Jinsheng Ren, Zhouxian Jiang, Chenzhihang Li, Rongye Shi, Bin Liang, Jun Yang

机构 * School of Software, Beihang University（软件学院，北航） ； School of Artificial Intelligence, Beihang University（人工智能学院，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 本文提出IA-KRC框架，通过K步可达协议和干扰预测模块提升多智能体协作效率，克服环境干扰，实现更持久高效的协作。

Comments multi-agent reinforcement learning, communication

Do Mixed-Vendor Multi-Agent LLMs Improve Clinical Diagnosis?

多供应商多智能体大语言模型是否能改善临床诊断？

Grace Chang Yuan, Xiaoman Zhang, Sung Eun Kim, Pranav Rajpurkar

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

AI总结 本文研究了多供应商多智能体系统在临床诊断中的表现，发现混合供应商配置在召回率和准确性上优于单一供应商配置，揭示了供应商多样性对诊断系统鲁棒性的重要性。

Comments Accepted as Oral at the EACL 2026 Workshop on Healthcare and Language Learning (HeaLing)

Multi-Agent LLMs for Generating Research Limitations

多智能体大语言模型用于生成研究局限性

Ibrahim Al Azher, Zhishuai Guo, Hamed Alhoori

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

AI总结 本文提出多智能体框架生成研究局限性，结合OpenReview评论和作者声明，利用引用论文捕捉上下文缺陷，通过不同角色智能体系统识别显性、隐性、同行评审和文献相关局限性，提升局限性描述的准确性。

Comments 18 Pages, 9 figures

Deep Reinforcement Learning for Multi-Agent Coordination

多智能体协调的深度强化学习

Kehinde O. Aina, Sehoon Ha

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

AI总结 本文提出一种基于信息素的多智能体深度强化学习框架，通过虚拟信息素模拟局部和社会交互，实现无通信的去中心化协调，解决狭窄环境中多机器人协作的挑战。

Comments 11 pages, 8 figures, 1 table, presented at SWARM 2022, to be published in Journal of Artificial Life and Robotics

Journal ref Artificial Life and Robotics (2025)

MA-VLCM: A Vision Language Critic Model for Value Estimation of Policies in Multi-Agent Team Settings

MA-VLCM：一种用于多智能体团队设置中策略价值估计的视觉语言批评模型

Shahil Shaik, Aditya Parameshwaran, Anshul Nayak, Jonathon M. Smereka, Yue Wang

机构 * University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； Clemson University（克莱姆斯大学） 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MA-VLCM，通过预训练的视觉语言模型替代传统集中批评者，提升多智能体强化学习的样本效率和泛化能力，适用于资源受限的机器人部署。

Comments 7 pages, 6 figures

ResearchPilot: A Local-First Multi-Agent System for Literature Synthesis and Related Work Drafting

ResearchPilot：一种本地优先的多智能体系统用于文献综述及相关工作草稿

Peng Zhang

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

AI总结 ResearchPilot通过本地优先架构整合多智能体系统，实现文献综述辅助，自动提取论文发现并起草相关工作部分，强调工程实现与系统贡献，而非算法创新。

LegacyTranslate: LLM-based Multi-Agent Method for Legacy Code Translation

LegacyTranslate: 基于LLM的多智能体方法用于遗留代码翻译

Zahra Moti, Heydar Soudani, Jonck van der Kogel

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

AI总结 本文提出LegacyTranslate多智能体框架，通过三个智能体提升遗留代码翻译质量，实验显示初始翻译智能体达到45.6%可编译输出，结合API grounding和refinement智能体进一步提升编译和测试通过率。

GroupGuard: A Framework for Modeling and Defending Collusive Attacks in Multi-Agent Systems

GroupGuard：多智能体系统中 collusion 攻击建模与防御的框架

Yiling Tao, Xinran Zheng, Shuo Yang, Meiling Tao, Xingjun 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 GroupGuard 框架，通过多层防御策略识别并隔离协同攻击，提升多智能体系统的安全性。

Verified Multi-Agent Orchestration: A Plan-Execute-Verify-Replan Framework for Complex Query Resolution

验证多智能体协调：复杂查询解析的计划-执行-验证-重计划框架

Xing Zhang, Yanwei Cui, Guanghui Wang, Wei Qiu, Ziyuan Li, Fangwei Han, Yajing Huang, Hengzhi Qiu, Bing Zhu, Peiyang He

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VMAO框架，通过验证驱动的迭代循环协调专用LLM代理，提升复杂查询解答的完整性和来源质量。

Comments ICLR 2026 Workshop on MALGAI

Parametrized Sharing for Multi-Agent Hybrid DRL for Multiple Multi-Functional RISs-Aided Downlink NOMA Networks

参数化共享用于多智能体混合深度强化学习的多功能RIS辅助下行NOMA网络

Chi-Te Kuo, Li-Hsiang Shen, Jyun-Jhe Huang

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

AI总结 本文提出一种参数化共享方案，用于多智能体混合深度强化学习，以优化多功能RIS辅助的下行NOMA网络的能量效率，通过联合优化功率分配、波束成形和RIS配置，实现更高的能量效率。

Enhancing Sample Efficiency in Multi-Agent RL with Uncertainty Quantification and Selective Exploration

通过不确定性量化和选择性探索提升多智能体强化学习的样本效率

Tom Danino, Nahum Shimkin

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

AI总结 本文提出结合分解集中批评者与去中心化集合学习的新算法，通过集合kurtosis实现选择性探索，提升样本效率，优于现有基线方法。

InterventionLens: A Multi-Agent Framework for Detecting ASD Intervention Strategies in Parent-Child Shared Reading

InterventionLens：一种多智能体框架，用于检测自闭症干预策略在父母-儿童共读中的应用

Xiao Wang, Lu Dong, Ifeoma Nwogu, Srirangaraj Setlur, Venu Govindaraju

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InterventionLens，一种多智能体系统，用于自动检测和时间分割共读视频中的护理人员干预策略，实验表明其在ASD-HI数据集上的F1分数达到79.44%，优于基线方法。

Auditing Cascading Risks in Multi-Agent Systems via Semantic-Geometric Co-evolution

通过语义-几何共演化审计多智能体系统中的级联风险

Zixun Luo, Yuhang Fan, Hengyu Lin, Yufei Li, Youzhi Zhang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Lingnan University（岭大大学） ； Tsinghua University（清华大学） ； Centre for Artificial Intelligence and Robotics（人工智能与机器人中心） ； Hong Kong Institute of Science and Innovation（香港创新科技研究院） ； Chinese Academy of Sciences（中国科学院） 纠错

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

AI总结 本文提出基于语义-几何共演化的框架，通过动态图模型和Ollivier-Ricci曲率检测多智能体系统中的级联风险，提前预警并定位根本原因。

Comments This work has been accepted to ICLR 2026 Workshop: Principled Design for Trustworthy AI

GRAND: Guidance, Rebalancing, and Assignment for Networked Dispatch in Multi-Agent Path Finding

GRAND：网络调度中的指导、再平衡与分配：多智能体路径寻找中的方法

Johannes Gaber, Meshal Alharbi, Daniele Gammelli, Gioele Zardini

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GRAND方法，结合学习指导与轻量优化，通过图神经网络和最小费用流提升仓库调度效率，实验证明在500个智能体场景下提升吞吐量达10%。

Testing BDI-based Multi-Agent Systems using Discrete Event Simulation

基于BDI多智能体系统的离散事件模拟测试

Martina Baiardi, Samuele Burattini, Giovanni Ciatto, Danilo Pianini

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

AI总结 本文探讨如何将BDI智能体的控制流映射到离散事件模拟中，以实现高保真的模拟测试环境，展示不同粒度映射对仿真真实性的不同影响。

Comments Accepted to JAAMAS 2025

Distributed Optimization of Finite Condition Number for Laplacian Matrix in Multi-Agent Systems

多智能体系统中拉普拉斯矩阵有限条件数的分布式优化

Yicheng Xu, Faryar Jabbari

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

AI总结 本文提出一种分布式算法，通过调节节点权重优化多智能体系统中拉普拉斯矩阵的有限条件数，提升共识算法的收敛速度和系统性能。

Comments 20 pagrs,6 figures, submitted to International Journal of Robust and Nonlinear Control

Beyond Self-Interest: Modeling Social-Oriented Motivation for Human-like Multi-Agent Interactions

超越自我利益：为类人多智能体交互建模社会导向动机

Jingzhe Lin, Ceyao Zhang, Yaodong Yang, Yizhou Wang, Song-Chun Zhu, Fangwei Zhong

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

AI总结 本文提出ASVO智能体，通过整合欲望驱动自主性与社会价值导向理论，实现类人多智能体交互中的社会导向动机建模，提升行为自然性和人类拟真性。

Comments 9 pages, 6 figures. Accepted to AAMAS 2026 (Oral)

How do Role Models Shape Collective Morality? Exemplar-Driven Moral Learning in Multi-Agent Simulation

角色榜样如何塑造集体道德？多智能体模拟中的范例驱动道德学习

Junjie Liao, Huacong Tang, Zhou Ziheng, Yizhou Wang, Fangwei Zhong

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

AI总结 本文通过多智能体模拟研究角色榜样对集体道德的影响，发现身份驱动的从众行为能迅速改变初始倾向，推动价值观趋同。

Multi-Agent SAC Enabled Beamforming Design for Joint Secret Key Generation and Data Transmission

多智能体SAC赋能的联合秘密密钥生成与数据传输波束成形设计

Ziao Wang, Zheng Dong, He Chen, Jun Chen, Dongxiao Yu

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

AI总结 本文提出多智能体SAC框架，结合LSTM预测模块，解决多天线TDD系统中在窃听攻击下同时保证高数据传输速率和密钥生成速率的难题，验证了框架在智能窃听和部分观察不确定性下的鲁棒性。

Comments To appear in IEEE WCNC 2026 Workshop

QLLM: Do We Really Need a Mixing Network for Credit Assignment in Multi-Agent Reinforcement Learning?

QLLM: 在多智能体强化学习中，我们真的需要混合网络进行信用分配吗？

Yuanjun Li, Zhouyang Jiang, Bin Zhang, Mingchao Zhang, Junhao Zhao, Zhiwei Xu

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

AI总结 QLLM提出了一种利用大语言模型构建无训练信用分配函数的新框架，解决了传统混合网络训练成本高、可解释性差的问题，实验表明其在多个MARL基准上表现优异。

FAIRGAME: a Framework for AI Agents Bias Recognition using Game Theory

FAIRGAME: 一个用于通过博弈论识别AI代理偏见的框架

Alessio Buscemi, Daniele Proverbio, Alessandro Di Stefano, The-Anh Han, German Castignani, Pietro Liò

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

AI总结 FAIRGAME利用博弈论框架识别AI代理中的偏见，通过模拟和比较不同场景下的结果，系统发现偏见并预测战略互动中的行为。

Agent-Based User-Adaptive Filtering for Categorized Harassing Communication

基于代理的用户自适应过滤用于分类骚扰通信

Zenefa Rahaman, Sandip Sen

机构 * The University of Tulsa（图兰大学） 纠错

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

AI总结 本文提出基于代理的个性化过滤框架，用于在线社交网络中分类骚扰内容的过滤。通过自适应过滤代理模型用户特定的容忍度和偏好，提升过滤精度和用户满意度。

Comments 10 pages, 59 figures. Revised and archived version of ALA 2019 workshop paper (co-located with AAMAS 2019)