AI Agent

From Logic Monopoly to Social Contract: Separation of Power and the Institutional Foundations for Autonomous Agent Economies

从逻辑垄断到社会契约：权力分离与自主代理经济制度的基础

Anbang Ruan

机构 * NetX Foundation（NetX 基金会） 纠错

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

AI总结 本文提出通过社会契约实现权力分离，解决多智能体框架中的逻辑垄断问题，引入Agent Enterprise paradigm并构建NetX Enterprise Framework，建立自主代理经济体系。

Comments 143 pages, 15 tables, 23 figures, 173 references, 4 appendices. Working paper -- pre-peer-review preprint. LaTeX source with arXiv-style template. Three companion manuscripts under development targeting peer-reviewed venues

CTS-PLL: A Robust and Anytime Framework for Collaborative Task Sequencing and Multi-Agent Path Finding

CTS-PLL：一种用于协作任务序列和多智能体路径寻找的鲁棒且随时可用的框架

Junkai Jiang, Yitao Xu, Ruochen Li, Shaobing Xu, Jianqiang Wang

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

AI总结 本文提出CTS-PLL框架，通过锁定机制和LNS优化提升多智能体路径规划的鲁棒性和求解质量，在稀疏和密集环境中均表现出色。

Comments 8 pages, 5 figures, under review

Diffusion Forcing for Multi-Agent Interaction Sequence Modeling

扩散力场用于多智能体交互序列建模

Vongani H. Maluleke, Kie Horiuchi, Lea Wilken, Evonne Ng, Jitendra Malik, Angjoo Kanazawa

机构 * Sony Group Corporation（索尼集团公司） ； Meta ； UC Berkeley（加州大学伯克利分校） 纠错

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

AI总结 本文提出MAGNet框架，通过灵活的条件和采样生成多智能体运动序列，支持多种交互任务，实现长序列生成和智能体间协调。

Comments Project page: https://von31.github.io/MAGNet/ ; Code: https://github.com/Von31/MAGNet-code

Dual-Graph Multi-Agent Reinforcement Learning for Handover Optimization

双图多智能体强化学习用于切换优化

Matteo Salvatori, Filippo Vannella, Sebastian Macaluso, Stylianos E. Trevlakis, Carlos Segura Perales, José Suarez-Varela, Alexandros-Apostolos A. Boulogeorgos, Ioannis Arapakis

机构 * Telefónica Research ； Innocube PC ； Department of Electrical and Computer Engineering, Democritus University of Thrace（电气与计算机工程系，德摩根大学） 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TD3-D-MA算法，利用双图结构和图神经网络解决网络切换优化问题，通过共享参数GNN和区域双批评器提升决策效率，实验证明其在不同交通和网络拓扑下均能提升网络吞吐量。

When Is Collective Intelligence a Lottery? Multi-Agent Scaling Laws for Memetic Drift in LLMs

集体智慧何时是一场彩票？LLM中膜etic漂移的多智能体缩放定律

Hidenori Tanaka

机构 * CBS–NTT Program in Physics of Intelligence（物理智能中心-NTT项目） ； Center for Brain Science（脑科学中心） ； Harvard University（哈佛大学） ； Physics of Artificial Intelligence Group（人工智能物理研究组） ； NTT Research, Inc.（NTT研究公司） 纠错

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

AI总结 研究通过QSG模型揭示LLM多智能体系统中集体共识的形成机制，发现共识可能由膜etic漂移驱动，提出基于群体规模、通信带宽等因素的缩放定律。

Comments 19 pages, 10 figures

Belief-Driven Multi-Agent Collaboration via Approximate Perfect Bayesian Equilibrium for Social Simulation

基于近似完美贝叶斯均衡的信念驱动多智能体协作：用于社会模拟

Weiwei Fang, Lin Li, Kaize Shi, Yu Yang, Jianwei Zhang

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

AI总结 本文提出BEACOF框架，通过动态博弈模型解决多智能体协作中的信念与能力估计循环依赖问题，验证其在对抗、开放和混合场景中的有效性，提升社会模拟的可靠性。

Comments accepted at WWW 2026

COIN: Collaborative Interaction-Aware Multi-Agent Reinforcement Learning for Self-Driving Systems

COIN: 基于协作交互的多智能体强化学习用于自动驾驶系统

Yifeng Zhang, Jieming Chen, Tingguang Zhou, Tanishq Duhan, Jianghong Dong, Yuhong Cao, Guillaume Sartoretti

机构 * Department of Mechanical Engineering, College of Design and Engineering, National University of Singapore（新加坡国立大学设计与工程学院机械工程系） ； Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University（香港理工大学电机及电子工程学系） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与运载学院） 纠错

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

AI总结 本文提出COIN框架，通过改进的CIG-TD3算法和双层交互感知集中批评者架构，提升多智能体自动驾驶系统在复杂动态场景中的安全性和效率。

SentinelAI: A Multi-Agent Framework for Structuring and Linking NG9-1-1 Emergency Incident Data

SentinelAI：一种多智能体框架，用于结构化和链接NG9-1-1应急事件数据

Kliment Ho, Ilya Zaslavsky

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

AI总结 本文提出SentinelAI框架，通过多智能体系统实现应急事件数据的标准化和跨源推理，解决NG9-1-1数据标准下的数据整合难题。

Comments 10 pages, 5 figures

Sketch2Simulation: Automating Flowsheet Generation via Multi Agent Large Language Models

Sketch2Simulation: 通过多智能体大语言模型自动化流程图生成

Abdullah Bahamdan, Emma Pajak, John D. Hedengren, Antonio del Rio Chanona

机构 * Sargent Centre for Process Systems Engineering（塞格伦过程系统工程中心） ； Imperial College London（帝国理工学院伦敦分校） ； Department of Chemical Engineering（化学工程系） ； Brigham Young University（BYU（ Brigham Young University ）） 纠错

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

AI总结 本文提出多智能体大语言模型系统，将流程图直接转化为可执行的Aspen HYSYS流程图，解决流程系统工程中流程草图转模拟模型的瓶颈问题。

Comments 27 pages, 14 figures, 8 tables

Cooperative Deep Reinforcement Learning for Fair RIS Allocation

协作深度强化学习用于公平RIS分配

Martin Mark Zan, Stefan Schwarz

机构 * Institute of Telecommunications TU Wien Vienna, Austria 纠错

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

AI总结 本文提出基于公平性的协作多智能体强化学习方法，通过动态分配RIS资源提升弱小区性能，实现无线网络中效率与公平的平衡。

EQ-Negotiator: Dynamic Emotional Personas Empower Small Language Models for Edge-Deployable Credit Negotiation

EQ-Negotiator：动态情感人格赋能小型语言模型进行边缘部署的信用谈判

Yunbo Long, Yuhan Liu, Alexandra Brintrup

机构 * Rotman School of Management, University of Toronto（多伦多大学罗特曼管理学院） ； Department of Engineering, University of Cambridge（剑桥大学工程系） ； The Alan Turing Institute, London, UK（伦敦阿尔法顿研究所） 纠错

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

AI总结 本文提出EQ-Negotiator框架，通过整合博弈论与隐马尔可夫模型，使小型语言模型具备动态情感人格，提升边缘设备上的信用谈判效率与道德标准。

Homogeneous Boltzmann-type equations on graphs: A framework for modelling networked social interactions

图上的均匀玻色-爱因斯坦型方程：一种建模网络社会互动的框架

Andrea Tosin

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

AI总结 本文探讨将图结构纳入均匀玻色-爱因斯坦型方程的研究，以建模社会互动中'部分对部分'的特性。

A Dual-Threshold Probabilistic Knowing Value Logic

双阈值概率认知价值逻辑

Shanxia Wang

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

AI总结 本文提出双阈值概率认知价值逻辑，用于不确定多智能体场景，结合概率阈值态度与高置信度价值态度，解决概率质量分配与价值敏感约束的联合实现问题。

Comments Preliminary draft. Comments and suggestions are welcome. Submitted to arXiv for preprint dissemination