AI Agent

CausalPulse: An Industrial-Grade Neurosymbolic Multi-Agent Copilot for Causal Diagnostics in Smart Manufacturing

CausalPulse：一种工业级神经符号多智能体协作者，用于智能制造中的因果诊断

Chathurangi Shyalika, Utkarshani Jaimini, Cory Henson, Amit Sheth

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

AI总结 CausalPulse通过神经符号架构整合异常检测、因果发现和推理，实现智能制造中的因果诊断，展现高可靠性和可扩展性。

Comments 10 pages, 8 figures, 4 tables, Accepted at AAAI-MAKE 2026 (AAAI Spring Symposium on Machine Learning and Knowledge Engineering for Knowledge-Grounded Semantic Agents)

Mimosa Framework: Toward Evolving Multi-Agent Systems for Scientific Research

Mimosa框架：迈向科学研究的演进多智能体系统

Martin Legrand, Tao Jiang, Matthieu Feraud, Benjamin Navet, Yousouf Taghzouti, Fabien Gandon, Elise Dumont, Louis-Félix Nothias

机构 * Université Côte d’Azur（蔚蓝海岸大学） ； CNRS（法国国家科学研究中心） ； ICN（化学研究所） ； Interdisciplinary Institute for Artificial Intelligence (3iA) Côte d’Azur（蔚蓝海岸跨学科人工智能研究所） ； Inria（法国国家信息与自动化研究所） ； I3S（信息系统与软件工程实验室） 纠错

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

AI总结 Mimosa框架通过自动合成任务特定的多智能体工作流并迭代优化，提升科学研究的适应性与效率，其在ScienceAgentBench上实现43.1%的成功率，展示了动态工作流演进的优势。

Comments 48 pages, 4 figures, 1 table. Clean arXiv version prepared. Includes main manuscript plus appendix/supplementary-style implementation details and prompt listings. Dated 30 March 2026

CoMaTrack: Competitive Multi-Agent Game-Theoretic Tracking with Vision-Language-Action Models

CoMaTrack: 基于竞争的多智能体博弈跟踪与视觉-语言-动作模型

Youzhi Liu, Li Gao, Liu Liu, Mingyang Lv, Yang Cai

机构 * Amap, Alibaba Group（高德，阿里巴巴集团） 纠错

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

AI总结 本文提出CoMaTrack，一种基于竞争的多智能体强化学习框架，通过动态对抗环境训练，提升跟踪任务的适应性和鲁棒性，并引入首个开源的CoMaTrack-Bench基准测试平台。

Multi-Agent LLMs for Adaptive Acquisition in Bayesian Optimization

多智能体大语言模型用于贝叶斯优化中的自适应获取

Andrea Carbonati, Mohammadsina Almasi, Hadis Anahideh

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） 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 本文研究多智能体大语言模型在贝叶斯优化中的自适应获取策略，通过分解探索-利用控制与候选生成，提升搜索效率与稳定性。

Comments Proceedings of the IISE Annual Conference & Expo 2026

Robust Multi-Agent Reinforcement Learning for Small UAS Separation Assurance under GPS Degradation and Spoofing

针对GPS退化和欺骗的鲁棒多智能体强化学习用于小型无人机分离保障

Alex Zongo, Filippos Fotiadis, Ufuk Topcu, Peng Wei

机构 * George Washington University（乔治华盛顿大学） ； 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(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文通过多智能体强化学习解决小型无人机在GPS退化和欺骗下的鲁棒分离保障问题，提出闭式表达式对抗扰动，实现线性时间评估，并在高密度无人机模拟中取得近零碰撞率。

Comments This work has been submitted to the IEEE for possible publication

Design Principles for the Construction of a Benchmark Evaluating Security Operation Capabilities of Multi-agent AI Systems

多智能体AI系统安全操作能力评估基准的设计原则

Yicheng Cai, Mitchell John DeStefano, Guodong Dong, Pulkit Handa, Peng Liu, Tejas Singhal, Peiyu Tseng, Winston Jen White

机构 * Pennsylvania State University（宾夕法尼亚州立大学） ； Cyber Security Laboratory（网络安全实验室） 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SOC-bench基准设计原则，用于评估多任务蓝队AI系统的能力，聚焦大规模勒索软件攻击事件响应中的五个蓝队任务。

Comments 29 pages, 1 figure

The impact of multi-agent debate protocols on debate quality: a controlled case study

多智能体辩论协议对辩论质量的影响：一项受控案例研究

Ramtin Zargari Marandi

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

AI总结 本文通过受控案例研究，比较了三种辩论协议对辩论质量的影响，发现RA-CR在收敛速度上优于CR，WR在同伴参考方面表现更高，NI则最大化了论点多样性，揭示了交互与收敛之间的权衡。

Comments 16 pages, 3 figures

Multi-Agent Memory from a Computer Architecture Perspective: Visions and Challenges Ahead

从计算机架构角度看多智能体记忆：愿景与未来挑战

Zhongming Yu, Naicheng Yu, Hejia Zhang, Wentao Ni, Mingrui Yin, Jiaying Yang, Yujie Zhao, Jishen Zhao

机构 * University of California, San Diego（加利福尼亚大学圣迭戈分校） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 本文从计算机架构角度探讨多智能体系统内存问题，提出三层内存层次结构并指出缓存共享和结构化内存访问控制两大关键协议缺口，强调多智能体内存一致性是当前最紧迫的挑战。

TeamMedAgents: Pareto-Efficient Multi-Agent Medical Reasoning Through Teamwork Theory

TeamMedAgents: 通过团队理论实现帕累托高效多智能体医疗推理

Pranav Pushkar Mishra, Mohammad Arvan, Mohan Zalake

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

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

AI总结 TeamMedAgents基于团队理论构建模块化多智能体框架，通过共享心理模型、团队领导、团队导向等机制，提升医疗推理效率，实现帕累托效率前沿提升，并在低token成本下取得竞争性准确率。

Comments 19 pages, 6 figure, 12 tables, 2 algorithm

Distributed Predictive Control Barrier Functions: Towards Scalable Safety Certification in Modular Multi-Agent Systems

分布式预测性控制屏障函数：迈向模块化多智能体系统中的可扩展安全性认证

Jonas Ohnemus, Alexandre Didier, Ahmed Aboudonia, Andrea Carron, Melanie N. Zeilinger

机构 * Institute for Dynamic Systems and Control, ETH Zurich（苏黎世联邦理工学院动态系统与控制研究所） ； University of California 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)

AI总结 本文提出分布式预测性控制屏障函数（D-PCBF）作为多智能体系统的安全框架，通过模型预测确保在动态网络拓扑变化下的可恢复安全性，并通过仿真和实验证明其有效性。

Comments This work has been submitted to the IEEE for possible publication

Context-Triggered Contingency Games for Strategic Multi-Agent Interaction

基于情境触发的应急游戏用于战略多智能体交互

Kilian Schweppe, Anne-Kathrin Schmuck

机构 * Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所） 纠错

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

AI总结 本文提出基于时序逻辑规范的战略游戏与实时动态应急游戏结合的新型框架，通过双层架构和因子图求解器实现多智能体在不确定环境中的安全与进步。

SafeClaw-R: Towards Safe and Secure Multi-Agent Personal Assistants

SafeClaw-R：迈向安全且安全的多智能体个人助理

Haoyu Wang, Zibo Xiao, Yedi Zhang, Christopher M. Poskitt, Jun Sun

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

AI总结 本文提出SafeClaw-R框架，通过在执行图层面强制安全不变量，提升多智能体系统在安全性和隐私保护方面的性能，实验表明其在多个领域均表现出色。

Fully distributed consensus control for stochastic multi-agent systems under undirected and directed topologies

完全分布式一致性控制用于随机多智能体系统在无向和有向拓扑下的设计

Xuping Hou, Xiaofeng Zong, Yong He

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

AI总结 本文针对随机一致性控制的完全分布式协议设计，首次在无向和有向拓扑下建立了路径依赖且高度非线性闭环系统的存在性和唯一性，提出统一的分布式协议保证均方和几乎确定一致性，并改进协议提升收敛速度，提供指数收敛率的显式估计。

Comments 13 pages, 8 figures

A Digital Twin-based Multi-Agent Reinforcement Learning Framework for Vehicle-to-Grid Coordination

基于数字孪生的多智能体强化学习框架用于车辆到电网协调

Zhengchang Hua, Panagiotis Oikonomou, Karim Djemame, Nikos Tziritas, Georgios Theodoropoulos

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

AI总结 本文提出DT-MADDPG算法，结合多智能体强化学习与协作数字孪生网络，实现车辆到电网协调的隐私保护与高效控制。

Comments 16 pages, 8 figures. Accepted by the 25th International Conference on Algorithms and Architectures for Parallel Processing (ICA3PP'25)

SNEAK: Evaluating Strategic Communication and Information Leakage in Large Language Models

SNEAK：评估大语言模型中的战略沟通与信息泄露

Adar Avsian, Larry Heck

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 SNEAK通过模拟盟友和间谍两种角色，评估语言模型在信息共享与保密之间的平衡能力，发现当前系统在非对称信息下的战略沟通仍存在挑战，人类表现显著优于模型。

REFINE: Real-world Exploration of Interactive Feedback and Student Behaviour

REFINE：现实世界中交互反馈与学生行为的探索

Fares Fawzi, Seyed Parsa Neshaei, Marta Knezevic, Tanya Nazaretsky, Tanja Käser

机构 * EPFL（瑞士联邦理工学院洛桑） 纠错

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

AI总结 本文提出REFINE系统，通过多智能体反馈机制实现高效互动反馈，提升学生参与度与反馈质量。

Comments Accepted to AIED 2026

Drop the Hierarchy and Roles: How Self-Organizing LLM Agents Outperform Designed Structures

摒弃层级与角色：自我组织LLM代理如何超越设计结构

Victoria Dochkina

机构 * Moscow Institute of Physics and Technology (MIPT)（莫斯科物理技术学院） 纠错

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

AI总结 本文通过25000项任务实验发现，LLM代理在最小结构支持下可自发形成角色与层级，混合协议比集中协调更高效，且模型能力越强，自主协调能力越强。

Comments 6 figures, 9 tables. Submitted to IEEE Access

CREST: Constraint-Release Execution for Multi-Robot Warehouse Shelf Rearrangement

CREST：多机器人仓库货架重排的约束释放执行

Jiaqi Tan, Yudong Luo, Sophia Huang, Yifan Yang, Hang Ma

机构 * Simon Fraser University（西蒙菲莎大学） ； HEC Montréal（蒙特利尔高等商学院） ； Purdue University（普渡大学） 纠错

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

AI总结 CREST通过在执行过程中主动释放轨迹约束，提升了多机器人仓库货架重排的连续性与效率，实验表明其在减少机器人行驶时间、总执行时间和货架切换次数方面表现优异。

Journal ref 2026 IEEE ROBOTICS AND AUTOMATION LETTERS

AI-Generated Compromises for Coalition Formation

为联盟形成生成的AI妥协方案

Eyal Briman, Ehud Shapiro, Nimrod Talmon

机构 * Ben-Gurion University of the Negev（内盖夫本-古里安大学） ； Weizmann Institute of Science（魏茨曼科学研究所） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文提出基于AI生成妥协方案的联盟形成方法，结合有限理性与不确定性，利用自然语言处理技术在文本语义空间中设计算法，以促进大规模民主文本编辑。

Be Water: An Evolutionary Proof for Trend-Following

顺势而为：一种进化证明的跟风策略

Yijia Chen

专题命中 多智能体 ：agent(abstract)

AI总结 本文通过构建大规模基于代理的模型，探讨了金融市场中跟风策略的进化可行性，发现顺应市场趋势的策略比逆势策略更具生存优势。

A Classification of Heterogeneity in Uncrewed Vehicle Swarms and the Effects of Its Inclusion on Overall Swarm Resilience

无人车群异质性分类及其对整体群韧性影响的分析

Abhishek Joshi, Abhishek Phadke, Tianxing Chu, F. Antonio Medrano

机构 * Texas A&M University–Corpus Christi（德克萨斯农工大学科珀斯克里斯蒂分校） ； Christopher Newport University（克里斯托弗纽波特大学） ； Conrad Blucher Institute for Surveying and Science（康拉德·布卢彻测量与科学研究所） 纠错

专题命中 多智能体 ：agent(abstract)

AI总结 本文系统分析了无人车群异质性的分类因素，并探讨了其对群韧性提升的作用，指出异质性能增强适应性和多源数据整合能力。