AI Agent

Holos: A Web-Scale LLM-Based Multi-Agent System for the Agentic Web

Holos：一种基于大语言模型的多智能体系统，用于代理网络

Xiaohang Nie, Zihan Guo, Zicai Cui, Jiachi Yang, Zeyi Chen, Leheyi De, Yu Zhang, Junwei Liao, Bo Huang, Yingxuan Yang, Zhi Han, Zimian Peng, Linyao Chen, Wenzheng Tom Tang, Zongkai Liu, Tao Zhou, Botao Amber Hu, Shuyang Tang, Jianghao Lin, Weiwen Liu, Muning Wen, Yuanjian Zhou, Weinan Zhang

机构 * Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Sun Yat-sen University（中山大学） ； University of Oxford（牛津大学） ； Holos Engineering 纠错

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

AI总结 Holos是一种大规模多智能体系统，旨在解决LLM驱动智能体在扩展、协调和价值分配中的挑战，通过五层架构和内生价值循环，推动代理网络的自组织和持续发展。

Comments 38 pages, 8 figures, and 4 tables

XrayClaw: Cooperative-Competitive Multi-Agent Alignment for Trustworthy Chest X-ray Diagnosis

XrayClaw：协作-竞争多智能体对齐用于可信的胸部X光诊断

Shawn Young, Lijian Xu

机构 * Shenzhen University of Advanced Technology, Shenzhen, China（深圳理工大学，深圳，中国） 纠错

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

AI总结 本文提出XrayClaw框架，通过协作-竞争架构提升胸部X光诊断的可靠性，实现高准确性和临床推理一致性。

Comments 14 pages

PlayGen-MoG: Framework for Diverse Multi-Agent Play Generation via Mixture-of-Gaussians Trajectory Prediction

PlayGen-MoG：基于高斯混合轨迹预测的多智能体多样化play生成框架

Kevin Song

机构 * Amazon Web Services（亚马逊云服务） 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PlayGen-MoG框架，通过高斯混合输出头、相对空间注意力和非自回归预测方法，解决多智能体轨迹生成中的多样性与空间协调问题，实现从单一静态阵型生成真实play。

Comments 9 pages, 4 figures, 2 tables. Accepted to CVPRW 2026

SentinelAgent: Intent-Verified Delegation Chains for Securing Federal Multi-Agent AI Systems

SentinelAgent：意图验证的委托链用于安全的联邦多智能体AI系统

KrishnaSaiReddy Patil

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SentinelAgent框架，通过委托链计算和意图保留协议，实现联邦多智能体AI系统的安全委托验证，验证生命周期在DelegationBench v4上达到100%TPR且0%FPR。

Comments 12 pages, 2 figures, 9 tables. Includes TLA+ mechanical verification, DelegationBench v4 benchmark (516 scenarios), live LangChain agent integration, and independent red-team evaluation

Self-Optimizing Multi-Agent Systems for Deep Research

自优化多智能体系统用于深度研究

Arthur Câmara, Vincent Slot, Jakub Zavrel

机构 * Zeta Alpha 纠错

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

AI总结 本文提出自优化多智能体系统，通过让智能体自主探索提示组合，提升深度研究系统的质量与性能。

Comments Accepted at the Workshop on Conversational Search for Complex Information Needs at ECIR 2026

Improving Role Consistency in Multi-Agent Collaboration via Quantitative Role Clarity

通过量化角色清晰度提升多智能体协作中的角色一致性

Guoling Zhou, Wenpei Han, Fengqin Yang, Li Wang, Yingcong Zhou, Zhiguo Fu

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

AI总结 本文提出量化角色清晰度以提升多智能体协作中的角色一致性，通过构建角色分配矩阵和角色清晰度矩阵，利用Frobenius范数量化角色描述与行为轨迹的一致性，并在轻量微调中作为正则化项提升任务性能。

Do Agent Societies Develop Intellectual Elites? The Hidden Power Laws of Collective Cognition in LLM Multi-Agent Systems

智能体社会是否发展出知识分子？LLM多智能体系统中集体认知的隐藏幂律

Kavana Venkatesh, Jiaming Cui

机构 * Virginia Tech（弗吉尼亚理工大学） 纠错

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

AI总结 研究LLM多智能体系统中协调动态，揭示协调遵循幂律级联、集中于知识分子精英及系统规模增长时极端事件频发的三大定律，提出整合瓶颈机制及Deficit-Triggered Integration方法提升性能。

Experience as a Compass: Multi-agent RAG with Evolving Orchestration and Agent Prompts

经验作为罗盘：具有演进编排和代理提示的多代理RAG

Sha Li, Naren Ramakrishnan

机构 * Virginia Tech（弗吉尼亚理工大学） 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HERA框架，通过动态编排和角色特定提示提升多代理RAG在复杂任务中的性能，实现38.69%的平均提升并保持鲁棒性。

TokenDance: Scaling Multi-Agent LLM Serving via Collective KV Cache Sharing

TokenDance: 通过集体KV缓存共享扩展多智能体LLM服务

Zhuohang Bian, Feiyang Wu, Chengrui Zhang, Hangcheng Dong, Yun Liang, Youwei Zhuo

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

AI总结 TokenDance通过利用All-Gather模式实现集体KV缓存共享，提升多智能体LLM服务的并发数量，减少缓存存储并加快预填充速度。

Comments 14 pages, 14 figures, arXiv:submit/7438760 [cs.DC], preprint under review

Fully Byzantine-Resilient Distributed Multi-Agent Q-Learning

完全拜占庭容错的分布式多智能体Q学习

Haejoon Lee, Dimitra Panagou

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

AI总结 本文提出一种完全拜占庭容错的分布式Q学习算法，通过冗余过滤机制和拓扑条件保证智能体在拜占庭攻击下几乎 surely 收敛到最优价值函数。

Comments 8 pages, 3 figures, submitted to 2026 IEEE Conference on Decision and Control (CDC)

Multi-agent Reinforcement Learning-based Joint Design of Low-Carbon P2P Market and Bidding Strategy in Microgrids

基于多智能体强化学习的低碳P2P市场与竞价策略联合设计

Junhao Ren, Honglin Gao, Sijie Wang, Lan Zhao, Qiyu Kang, Aniq Ashan, Yajuan Sun, Gaoxi Xiao

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

AI总结 本文提出一种多智能体强化学习框架，用于设计低碳P2P市场和竞价策略，通过 decentralized partial observable Markov decision process 实现微电网的自主决策，提升可再生能源利用效率并降低碳排放。

Comments 10 pages, 6 figures

Simulating Couple Conflict: Designing A Multi-Agent System for Therapy Training and Practice

模拟夫妻冲突：为治疗训练和实践设计一个多智能体系统

Canwen Wang, Angela Chen, Catherine Bao, Siwei Jin, Holly Swartz, Tongshuang Wu, Robert E Kraut, Haiyi Zhu

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

AI总结 本文提出一个多智能体系统，用于模拟夫妻治疗中的复杂情感动态，通过结构化交互阶段提升治疗师的实践能力与反馈准确性。

SimCity: Multi-Agent Urban Development Simulation with Rich Interactions

SimCity: 基于丰富交互的多智能体城市开发模拟

Yeqi Feng, Yucheng Lu, Hongyu Su, Yixin Tao, Tianxing He

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

AI总结 SimCity利用大语言模型构建可解释的宏观经济系统，通过自然语言推理实现灵活适应行为，模拟摩擦性劳动力市场、异质商品市场和金融市场，并通过视觉语言模型生成虚拟城市地图，复现宏观经济规律和城市扩张动态。

Comments 34 pages, 12 figures

Agentic Link Construction for Environment and Intent Aware 6G Communication

面向环境和意图感知的6G通信代理链路构建

Zhaoyang Li, Shangzhuo Xie, Qianqian Yang

专题命中 多智能体 ：agentic(title)；planning(abstract)

AI总结 本文提出基于强化学习的多模态通信决策模型，实现链路构建的语义对齐与个性化适应，提升6G通信的鲁棒性和效率。

Inverse Safety Filtering: Inferring Constraints from Safety Filters for Decentralized Coordination

逆安全过滤：从安全过滤器推断约束以实现去中心化协调

Minh Nguyen, Jingqi Li, Gechen Qu, Claire J. Tomlin

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

AI总结 本文提出一种在线方法，通过观察其他智能体的安全过滤动作推断约束，结合去中心化规划方法确保安全，通过仿真和硬件实验验证有效性。

Automatic Textbook Formalization

自动教科书形式化

Fabian Gloeckle, Ahmad Rammal, Charles Arnal, Remi Munos, Vivien Cabannes, Gabriel Synnaeve, Amaury Hayat

机构 * FAIR, Meta（Meta FAIR实验室） ； Korea Institute for Advanced Study（韩国高等研究院） 纠错

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

AI总结 论文研究了通过AI系统自动形式化超过500页的研究生级代数组合学教科书，采用13万行代码和5900个Lean声明，实现了教科书形式化的规模和专业性新突破。

Comments 19 pages

Digital Twin-Assisted In-Network and Edge Collaboration for Joint User Association, Task Offloading, and Resource Allocation in the Metaverse

数字孪生辅助的网络内与边缘协作：面向元宇宙中联合用户关联、任务卸载与资源分配

Ibrahim Aliyu, Seungmin Oh, Sangwon Oh, Jinsul Kim

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

AI总结 本文提出基于数字孪生的网络内计算框架，通过URLLC实现实时同步与协作计算，解决元宇宙中2D转3D的计算需求及上下行数据特性不对称问题，提升系统效用和能效。

A Logic of Secrecy on Simplicial Models

关于简单形模型的保密逻辑

Shanxia Wang

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

AI总结 本文提出一种基于简单形模型的保密逻辑，通过引入额外的保密层来处理多智能体系统中的保密问题，并证明了该逻辑系统的完备性。

Comments This is a preliminary draft. Comments and suggestions are very welcome

Prompting ChatGPT for Translation: A Comparative Analysis of Translation Brief and Persona Prompts

通过提示词引导ChatGPT进行翻译：翻译简报与角色提示的比较分析

Sui He

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

AI总结 本文比较了翻译简报与角色提示在ChatGPT翻译任务中的效果，发现某些元素虽有助于人与人之间的交流，但对提升翻译质量有限，需进一步探索如何将翻译理论工具应用于人机交互的新流程。

Journal ref https://aclanthology.org/2024.eamt-1.27/

Swarm-Based Inertial Methods for Optimization

基于群体的惯性方法用于优化

Qiyu Wu, Kunhui Luan, Qi Wang

专题命中 多智能体 ：agent(abstract)

AI总结 本文提出了一种基于群体的惯性方法(SBIMs)，通过耦合耗散惯性动力系统实现全局优化，结合梯度和Hessian信息改进阻尼机制，证明了能量耗散定律并验证了算法在凸和非凸问题中的高效性。