AI Agent

Multi-Agent Video Recommenders: Evolution, Patterns, and Open Challenges

多智能体视频推荐系统：演进、模式与开放挑战

Srivaths Ranganathan, Abhishek Dharmaratnakar, Anushree Sinha, Debanshu Das

机构 * Google LLC（谷歌公司） 纠错

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

AI总结 本文探讨多智能体视频推荐系统的演进、协作模式及挑战，分析了从早期MARL到LLM驱动架构的发展，并提出可扩展性、多模态理解等开放问题。

Comments Accepted for publication in The Nineteenth ACM International Conference on Web Search and Data Mining (WSDM Companion 2026)

A Multi-Agent Human-LLM Collaborative Framework for Closed-Loop Scientific Literature Summarization

一种多智能体人-大语言模型协作框架用于闭环科学文献摘要

Maxwell J. Jacobson, Daniel Xie, Jackson Shen, Adil Wazeer, Haiyan Wang, Xinghang Zhang, Yexiang Xue

机构 * Purdue University（普渡大学） 纠错

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

AI总结 本文提出一种多智能体人-大语言模型协作框架，通过整合LLM、结构化AI和人类科学家，实现科学文献的提取、分析与迭代优化，展示了AI辅助文献综述在发现科学模式中的应用。

Advanced Assistance for Traffic Crash Analysis: An AI-Driven Multi-Agent Approach to Pre-Crash Reconstruction

交通碰撞分析的高级辅助：一种基于AI的多智能体方法用于碰撞前重建

Gerui Xu, Boyou Chen, Huizhong Guo, Dave LeBlanc, Arpan Kusari, Efe Yarbasi, Ananna Ahmed, Zhaonan Sun, Shan Bao

机构 * Industrial and Manufacturing Systems Engineering Department, University of Michigan-Dearborn（密歇根大学迪尔伯恩分校工业与制造系统工程系） ； University of Michigan Transportation Research Institute（密歇根大学交通研究所） ； Toyota Motor Engineering & Manufacturing North America, Inc.（丰田汽车工程与制造北美公司） 纠错

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

AI总结 本文提出了一种基于AI的多智能体框架，通过多模态输入生成碰撞前场景重建，并结合事件数据记录器信号识别碰撞车辆，验证了该框架在碰撞前行为推断中的高准确率。

Comments 36 pages, 14 figures

Journal ref SAE International Journal of Transportation Safety, 14(1), 2026

SentinelNet: Safeguarding Multi-Agent Collaboration Through Credit-Based Dynamic Threat Detection

SentinelNet：通过基于信用的动态威胁检测保障多智能体协作

Yang Feng, Xudong Pan

机构 * The University of Edinburgh（爱丁堡大学） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 SentinelNet通过基于信用的动态威胁检测机制，主动识别并缓解多智能体协作中的恶意行为，实现高检测率和系统恢复率。

Comments Accepted at The ACM Web Conference 2026 (WWW 2026)

Robust Multi-agent Communication via Multi-view Message Certification

通过多视角信息认证实现鲁棒的多智能体通信

Lei Yuan, Tao Jiang, Lihe Li, Feng Chen, Zongzhang Zhang, Yang Yu

机构 * National Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） 纠错

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CroMAC方法，通过多视角信息认证学习鲁棒的多智能体通信策略，为受扰消息环境下的最优动作选择提供保证。

Journal ref Science China Information Sciences, Vol. 67, Iss. 4, Article 142102, pp. 1-15, 2024

F3DGS: Federated 3D Gaussian Splatting for Decentralized Multi-Agent World Modeling

F3DGS：联邦3D高斯点云用于去中心化多智能体世界建模

Morui Zhu, Mohammad Dehghani Tezerjani, Mátyás Szántó, Márton Vaitkus, Song Fu, Qing Yang

机构 * University of North Texas（北德克萨斯大学） ； Budapest University of Technology and Economics（布达佩斯技术与经济大学） 纠错

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

AI总结 F3DGS通过联邦学习实现去中心化多智能体3D重建，利用共享几何框架和可见性感知聚合解决部分观测问题，实现分布式优化。

Comments Accepted to the CVPR 2026 SPAR-3D Workshop

Computational Foundations for Strategic Coopetition: Formalizing Sequential Interaction and Reciprocity

战略竞合的计算基础：形式化连续互动与互惠

Vik Pant, Eric Yu

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

AI总结 本文提出连续互动动态的互惠框架，通过有限互惠响应函数、记忆窗口历史追踪、结构互惠敏感性和信任门控互惠，验证了在多利益相关者系统中持续合作的互惠效应，实验在iOS应用商店生态系统中达到84.3%的应用点。

Comments 81 pages, 19 figures. Fourth technical report in research program; should be read with companion arXiv:2510.18802, arXiv:2510.24909, and arXiv:2601.16237. Adapts and extends complex actor material from Pant (2021) doctoral dissertation, University of Toronto

Diff-KD: Diffusion-based Knowledge Distillation for Collaborative Perception under Corruptions

Diff-KD：基于扩散的知识蒸馏用于在噪声下的协作感知

Pengcheng Lyu, Chaokun Zhang, Gong Chen, Tao Tang, Zhaoxiang Luo

机构 * School of Future Technology Tianjin University Tianjin, China lvpc\ ； School of Cybersecurity Tianjin University Tianjin, China ； School of Computer Science ； Technology Tianjin University Tianjin, China ； School of Future Technology Tianjin University Tianjin, China 纠错

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

AI总结 Diff-KD通过整合扩散生成式细化，提升协作感知在噪声下的鲁棒性，采用渐进知识蒸馏和自适应门控融合，实现检测精度和校准鲁棒性的提升。

Semantic Modeling for World-Centered Architectures

面向世界中心架构的语义建模

Andrei Mantsivoda, Darya Gavrilina

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

AI总结 本文提出世界中心多智能体系统（WMAS）作为传统智能体中心架构的替代方案，通过共享世界模型实现语义一致性、可解释性和长期稳定性，并介绍了Ontobox平台作为其实现。

Comments 15 pages, 1 figure, MathAI conference

Feedforward Density-Driven Optimal Control for Tracking Time-Varying Distributions with Guaranteed Stability

前馈密度驱动最优控制用于跟踪时间变化分布的稳定控制

Julian Martinez, Kooktae Lee

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

AI总结 本文提出前馈增强的D²OC框架，通过引入参考速度场模型，解决多智能体在时间变化环境中的分布跟踪滞后问题，理论分析和数值结果表明该方法能有效降低跟踪延迟，保证鲁棒性和高保真度。

Beyond Preset Identities: How Agents Form Stances and Boundaries in Generative Societies

超越预设身份：生成社会中代理如何形成立场和边界

Hanzhong Zhang, Siyang Song, Jindong Wang

机构 * University of Exeter（埃克塞特大学） ； William & Mary（威廉与玛丽学院） 纠错

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

AI总结 本文通过混合方法框架研究生成社会中代理的立场形成与边界构建，提出三个新指标揭示代理在复杂干预中的动态变化及信任与行为关系。

Comments 22 pages, 3 figures. arXiv admin note: substantial text overlap with arXiv:2508.17366

Best-Arm Identification with Noisy Actuation

带有噪声执行的最优臂识别

Merve Karakas, Osama Hanna, Lin F. Yang, Christina Fragouli

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Meta, Central Applied Science（Meta中央应用科学部） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 研究在分布式代理间通过离散无记忆信道传递臂命令时最优臂识别问题，提出通信方案及其分析，与信道的零错误容量相关。

OpenGo: An OpenClaw-Based Robotic Dog with Real-Time Skill Switching

OpenGo: 基于OpenClaw的具备实时技能切换的机器人狗

Hanbing Li, Xuewei Cao, Zhiwen Zeng, Yuhan Wu, Yanyong Zhang, Yan Xia

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文提出OpenGo，一种基于OpenClaw的机器人狗，具备实时根据场景和任务切换技能的能力，通过可定制技能库、技能调度器和自学习框架实现技能的自主组织与切换。

Comments 11 pages, 6 figures

Free Information Disrupts Even Bayesian Crowds

自由信息破坏了即使贝叶斯群体

Jonas Stein, Shannon Cruz, Davide Grossi, Martina Testori

专题命中 多智能体 ：agent(abstract)

AI总结 研究指出，在理想化的信息交换群体中，无约束的信息交流可能导致群体信念的准确性下降，因此在设计影响社会的通信网络时应谨慎考虑信息流的限制。