AI Agent

VeriAgent: A Tool-Integrated Multi-Agent System with Evolving Memory for PPA-Aware RTL Code Generation

VeriAgent：一种集成工具的多智能体系统，具有进化记忆，用于PPA感知的RTL代码生成

Yaoxiang Wang, Qi Shi, ShangZhan Li, Qingguo Hu, Xinyu Yin, Bo Guo, Xu Han, Maosong Sun, Jinsong Su

机构 * Xiamen University（厦门大学） ； Tsinghua University（清华大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

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

AI总结 本文提出一种集成EDA工具的多智能体框架，用于高质量Verilog代码生成，通过进化记忆机制实现功能正确性和PPA指标的联合优化。

CODMAS: A Dialectic Multi-Agent Collaborative Framework for Structured RTL Optimization

CODMAS：一种基于辩证多智能体协作的结构化RTL优化框架

Che-Ming Chang, Prashanth Vijayaraghavan, Ashutosh Jadhav, Charles Mackin, Vandana Mukherjee, Hsinyu Tsai, Ehsan Degan

机构 * National Taiwan University（国立台湾大学） ； IBM Research（IBM研究院） 纠错

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

AI总结 CODMAS通过结合结构化辩证推理与领域感知代码生成和确定性评估，实现RTL优化自动化，显著提升了时钟门控的功耗降低和流水线的延迟减少效果。

Journal ref EACL 2026

Multi-Agent Reinforcement Learning for Dynamic Pricing: Balancing Profitability,Stability and Fairness

多智能体强化学习在动态定价中的应用：平衡盈利、稳定性和公平性

Krishna Kumar Neelakanta Pillai Santha Kumari Amma

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

AI总结 本文通过模拟市场环境评估了多智能体强化学习方法在动态定价中的表现，发现MAPPO在盈利、稳定性和公平性方面表现更优。

Journal ref International Journal of Science and Research (IJSR), Volume 14 Issue 9, September 2025, Paper ID: SR25927034247

MALLES: A Multi-agent LLMs-based Economic Sandbox with Consumer Preference Alignment

MALLES：基于多智能体LLM的经济沙盒与消费者偏好对齐

Yusen Wu, Yiran Liu, Xiaotie Deng

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MALLES，通过大规模模型的泛化能力构建统一模拟框架，利用偏好学习对齐LLM，解决高维环境下的数据稀疏问题，提升经济模拟的准确性和稳定性。

Symphony: A Cognitively-Inspired Multi-Agent System for Long-Video Understanding

Symphony：一种受认知启发的多智能体系统用于长视频理解

Haiyang Yan, Hongyun Zhou, Peng Xu, Xiaoxue Feng, Mengyi Liu

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Kuaishou Technology（快手科技） ； School of Future Technology, University of Chinese Academy of Sciences（中国科学院大学未来技术学院） 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Symphony多智能体系统，通过模拟人类认知模式，提升长视频理解任务的推理能力，实验显示在多个基准测试中表现优异。

Comments Accepted by cvpr2026

Communication to Completion: Modeling Collaborative Workflows with Intelligent Multi-Agent Communication

通信至完成：利用智能多智能体通信建模协作流程

Yiming Lu, Xun Wang, Simin Ma, Shujian Liu, Sathish Reddy Indurthi, Song Wang, Haoyun Deng, Fei Liu, Kaiqiang Song

机构 * Emory University（埃默里大学） ； Zoom Video Communications（Zoom视频通讯） 纠错

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

AI总结 本文提出C2C框架，通过建模通信为受限资源提升协作效率，实验表明成本意识策略使效率提升超40%，揭示出智能体自然采用管理者为中心的协调模式。

Comments 13 pages

ScheduleMe: Multi-Agent Calendar Assistant

ScheduleMe: 多智能体日历助手

Oshadha Wijerathne, Amandi Nimasha, Dushan Fernando, Nisansa de Silva, Srinath Perera

机构 * Department of Computer Science & Engineering, University of Moratuwa（moratuwa大学计算机科学与工程系） ； WSO2 LLC（WSO2公司） 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ScheduleMe，一种多智能体日历助手，通过自然语言帮助用户管理Google日历事件。系统采用图结构协调机制，通过中央监督代理和专用任务代理实现模块化、冲突解决和上下文感知交互。

Comments Published at PACLIC 2025 https://aclanthology.org/2025.paclic-1.27/

Scalable UAV Multi-Hop Networking via Multi-Agent Reinforcement Learning with Large Language Models

通过多智能体强化学习与大语言模型实现可扩展的UAV多跳网络

Yanggang Xu, Jirong Zha, Weijie Hong, Xiangmin Yi, Geng Chen, Jianfeng Zheng, Chen-Chun Hsia, Xinlei Chen

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

AI总结 本文提出MRLMN框架，结合多智能体强化学习和大语言模型，提升UAV多跳网络性能，通过分组策略和奖励分解增强算法可扩展性，并利用知识蒸馏提升训练效率。

Comments 18 pages, 23 figures

IEMAS: An Incentive-Efficiency Routing Framework for Open Agentic Web Ecosystems

IEMAS：面向开放代理网络生态系统的激励-效率路由框架

Hongze Liu, Chang Guo, Yingzeng Li, Mengru Wang, Jiong Lou, Shijing Yuan, Hefeng Zhou, Chentao Wu, Jie LI

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

AI总结 本文提出IEMAS框架，通过整合概率预测模型与VCG匹配机制，实现激励与系统性能的协同优化，降低服务成本和延迟。

Capability-Priced Micro-Markets: A Micro-Economic Framework for the Agentic Web over HTTP 402

基于能力定价的微市场：面向HTTP 402的代理网络微经济学框架

Ken Huang, Jerry Huang, Mahesh Lambe, Hammad Atta, Yasir Mehmood, Muhammad Zeeshan Baig, Muhammad Aziz Ul Haq, Nadeem Shahzad, Shailja Gupta, Rajesh Ranjan, Rekha Singhal

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

AI总结 本文提出CPMM框架，通过整合加密安全、微支付协议和正式谈判机制，解决去中心化代理生态系统中的经济协调问题，理论证明其在信息不对称下收敛至约束Radner均衡。

Constraint Learning in Multi-Agent Dynamic Games from Demonstrations of Local Nash Interactions

从局部纳什互动演示中学习多智能体动态博弈的约束

Zhouyu Zhang, Chih-Yuan Chiu, Glen Chou

机构 * Georgia Institute of Technology（佐治亚理工学院） ； School of ECE（电子工程学院） ； Schools of AE and CSP（航空航天与通信科学学院） 纠错

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

AI总结 本文提出基于逆动态博弈的算法，从给定的局部纳什均衡互动数据中学习参数约束，通过混合整数线性规划编码KKT条件，恢复与互动演示局部纳什站稳一致的约束，并设计满足底层约束的运动计划。

Federated Multi Agent Deep Learning and Neural Networks for Advanced Distributed Sensing in Wireless Networks

联邦多智能体深度学习与神经网络用于无线网络中的高级分布式传感

Nadine Muller, Stefano DeRosa, Su Zhang, Chun Lee Huan

机构 * Faculty of Information Technology and Electrical Engineering, University of Oulu（信息科技与电气工程学院，奥卢大学） 纠错

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

AI总结 本文综述了多智能体深度学习在分布式传感和无线通信中的应用，涵盖学习框架、神经网络架构、高级技术及应用领域，分析了算法、训练拓扑及系统级权衡，并指出未来6G中的开放问题和研究方向。

Resilient Multi-Dimensional Consensus and Distributed Optimization against Agent-Based and Denial-of-Service Attacks

具备抗扰动能力的多维共识与分布式优化及对抗基于代理和拒绝服务攻击

Hongjian Chen, Changyun Wen, Xiaolei Li

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

AI总结 本文针对多智能体系统在面临基于代理和拒绝服务攻击时的多维共识与分布式优化问题，提出基于辅助点的鲁棒控制算法，确保良性智能体达成共识，并通过理论证明和数值例子验证了算法的有效性。

ORCA: ORchestrating Causal Agent

ORCA：协调因果代理

Joanie Hayoun Chung, Sumin Lee, Sungbin Lim

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

AI总结 ORCA通过维护共享状态和引入人工检查点，实现关系数据库的协调因果分析，提升用户交互效率和因果结论可靠性。

Comments 35 pages, CHI EA 2026

TerraLingua: Emergence and Analysis of Open-endedness in LLM Ecologies

TerraLingua：LLM生态中开放性涌现与分析

Giuseppe Paolo, Jamieson Warner, Hormoz Shahrzad, Babak Hodjat, Risto Miikkulainen, Elliot Meyerson

机构 * Cognizant AI Lab（Cognizant AI实验室） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 研究LLM生态中开放性动态，通过TerraLingua平台分析协作规范、分工劳动及文化积累机制，揭示人工智能社会结构的形成过程。

Caging the Agents: A Zero Trust Security Architecture for Autonomous AI in Healthcare

将代理笼中：面向医疗AI自主系统的零信任安全架构

Saikat Maiti

机构 * VP of Trust, Commure（Commure 职务负责人） ； Founder & CEO, nFactor Technologies（nFactor Technologies 创始人及首席执行官） 纠错

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

AI总结 本文提出零信任安全架构，用于医疗AI自主代理，通过多层防御机制解决代理在医疗环境中存在的关键安全漏洞，包括凭证泄露、执行能力滥用等，并开源相关配置和工具。

Comments Keywords: agentic AI security, autonomous agents, healthcare cybersecurity, zero trust, prompt injection, HIPAA, Kubernetes security, OpenClaw

TxSum: User-Centered Ethereum Transaction Understanding with Micro-Level Semantic Grounding

TxSum: 基于微粒语义锚定的用户导向以太坊交易理解

Zifan Peng, Jingyi Zheng, Yule Liu, Huaiyu Jia, Qiming Ye, Jingyu Liu, Xufeng Yang, Mingchen Li, Qingyuan Gong, Xuechao Wang, Xinlei He

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Wuhan University（武汉大学） ； University of North Texas（北卡罗来纳州立大学） ； Fudan University（复旦大学） 纠错

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

AI总结 本文提出TxSum任务，通过构建187个复杂以太坊交易数据集，引入MATEX框架提升交易解释质量，使用户对复杂交易的理解率从52.9%提升至76.5%，恶意交易拒绝率提升至88%。

Linear-Quadratic Gaussian Games with Distributed Sparse Estimation

线性二次高斯博弈与分布式稀疏估计

Tianyu Qiu, Filippos Fotiadis, Xinjie Liu, Christian Ellis, Jesse Milzman, Wesley Suttle, Ufuk Topcu, David Fridovich-Keil

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

AI总结 本文研究了多智能体系统中线性二次高斯博弈的稀疏交互观测问题，提出分布式估计器结合组Lasso方法平衡估计效果与稀疏性，通过反馈纳什策略实现通信资源减少与均衡轨迹影响最小化。

Learning generalized Nash equilibria from pairwise preferences

从成对偏好中学习广义纳什均衡

Pablo Krupa, Alberto Bemporad

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

AI总结 本文提出一种仅基于 agents 成对偏好查询的学习方法，用于近似解决广义纳什均衡问题，通过主动学习策略平衡探索与利用，验证了在博弈论线性二次调节问题中的有效性。

Comments (6 pages, 6 figures)