AI Agent

StoryMI: Steerable Multi-Agent Therapeutic Dialogue Generation

StoryMI: 可控的多智能体治疗性对话生成

Qingyu Meng, Min Chen, Dingming Liu, Yifan Mo, Yue Su, Xin Sun, Koen Hindriks, Jiahuan Pei

机构 * Vrije Universiteit Amsterdam（弗里堡大学阿姆斯特丹分校） ； NII, Tokyo Institute of Technology（东京技术大学信息机构） 纠错

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

AI总结 提出StoryMI框架，通过多LLM智能体协作、情境故事基础和动态策略控制，生成符合动机性访谈标准的治疗性对话，并构建评估协议和数据集验证其有效性。

Comments ACL2026

MACReD: A Multi-Agent Collaborative Reasoning Framework for Reaction Diagram Parsing

MACReD：一种用于反应图解解析的多智能体协作推理框架

Chuang Tang, Chenhao Lin, Yin Xu, Hao Wang, Jinrui Zhou, Xin Li, Mingjun Xiao, Enhong Chen

机构 * University of Science ； Technology of China \& iFLYTEK Co., Ltd. Hefei China ； Technology of China \& iFLYTEK Co., Ltd. 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 提出MACReD分层多智能体框架，通过协调分子感知、箭头理解、文本提取和反应重建等专用智能体，在统一VLM引导架构下实现化学图解解析，在RxnScribe基准上达到最优性能。

Comments Preprint. Code is available at https://github.com/TC9905/MACReD

ClinicalAgents: Multi-Agent Orchestration for Clinical Decision Making with Dual-Memory

ClinicalAgents：具有双记忆的临床决策多智能体编排

Zhuohan Ge, Haoyang Li, Yubo Wang, Nicole Hu, Chen Jason Zhang, Qing Li

机构 * The Hong Kong Polytechnic University（香港理工大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） 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 提出ClinicalAgents多智能体框架，通过蒙特卡洛树搜索动态编排和双记忆架构模拟临床推理，显著提升诊断准确性和可解释性。

Comments Accepted to the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026)

Decoupled Intelligence: A Multi-Agent LLM Framework for Controllable Traffic Scenario Generation in SUMO

解耦智能：用于SUMO中可控交通场景生成的多智能体LLM框架

Shuyang Li, Ruimin Ke

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

AI总结 提出一种多智能体协作框架，通过解耦仿真流程为规划器、构建器、需求、运行器和分析器等专业角色，并由状态持久化编排器协调，实现SUMO中端到端交通仿真的自动化与可控性。

LegalGraphRAG: Multi-Agent Graph Retrieval-Augmented Generation for Reliable Legal Reasoning

LegalGraphRAG：面向可靠法律推理的多智能体图检索增强生成

Zerui Chen, Qinggang Zhang, Zhishang Xiang, Zhimin Wei, Linfeng Gao, Xiao Huang, Zhihong Zhang, Jinsong Su

机构 * School of Informatics, Xiamen University（厦门大学信息学院） ； Institute of Artificial Intelligence, Xiamen University（厦门大学人工智能研究院） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 提出LegalGraphRAG框架，通过分层法律图和多智能体系统（研究员、审计员、裁决员）实现可靠的法律推理，在准确性和可信度上超越现有GraphRAG基线。

Comments 30 pages, 18 figures, ACL 2026 Main Conference. Project page: https://github.com/XMUDeepLIT/LegalGraphRAG

HARP: Measuring Harm Amplification in Multi-Agent LLM Systems

HARP: 多智能体大语言模型系统中的危害放大测量

Md Hafizur Rahman, Zafaryab Haider, Tanzim Mahfuz, Prabuddha Chakraborty

机构 * Electrical and Computer Engineering University of Maine（电气与计算机工程大学缅因州大学） 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 提出HARP方法，通过比较清洁与扰动执行轨迹，量化多智能体LLM系统中局部扰动如何传播为全局危害，并在金融七智能体系统中验证了不同攻击和防御的效果。

Comments 39 pages, 12 figures, 12 tables, and 1 algorithm

AgensFlow: A Coordination-Policy Substrate for Multi-Agent Systems

AgensFlow：多智能体系统的协调策略基础

Nicole Koenigstein

机构 * Independent researcher（独立研究者） 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 提出AgensFlow框架，将多智能体协调视为在线策略学习问题，通过可学习路由优化协调流程，在分布式系统事件和安全咨询任务上验证了其优于固定管道基线。

Comments 7 pages, 4 figures, 4 tables. Code and reproducible evaluations available at: https://github.com/Nicolepcx/AgensFlow

CircuitLM: A Multi-Agent LLM-Aided Design Framework for Generating Circuit Schematics from Natural Language Prompts

CircuitLM: 一种基于多智能体的大语言模型辅助设计框架，用于从自然语言提示生成电路原理图

Khandakar Shakib Al Hasan, Syed Rifat Raiyan, Hasin Mahtab Alvee, Wahid Sadik

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Department of Electrical and Electronic Engineering（电气与电子工程系） ； Islamic University of Technology（伊斯兰技术大学） 纠错

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

AI总结 提出CircuitLM多智能体流水线，通过嵌入驱动的组件知识库和五阶段流程，将自然语言提示转化为结构化的CircuitJSON原理图，并采用确定性电气规则检查和LLM作为评判的元评估器双重验证，解决大语言模型在电路设计中的幻觉和物理约束问题。

Comments Accepted at the 2026 IEEE International Conference on LLM-Aided Design (ICLAD), 10 pages, 8 figures, 6 tables

Colosseum: Auditing Collusion in Cooperative Multi-Agent Systems

Colosseum: 审计合作多智能体系统中的合谋行为

Mason Nakamura, Abhinav Kumar, Saswat Das, Sahar Abdelnabi, Saaduddin Mahmud, Ferdinando Fioretto, Shlomo Zilberstein, Eugene Bagdasarian

机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； University of Virginia（弗吉尼亚大学） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； MPI for Intelligent Systems, Tübingen（图宾根智能系统研究所） ； AI Center（人工智能中心） 纠错

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

AI总结 提出Colosseum框架，通过形式化决策框架和基于遗憾的度量审计LLM智能体在合作多智能体系统中的合谋行为，发现大多数模型存在新兴合谋倾向，并观察到“纸上合谋”现象。

TABX: A High-Throughput Sandbox Battle Simulator for Multi-Agent Reinforcement Learning

TABX：面向多智能体强化学习的高吞吐沙盒战斗模拟器

Hayeong Lee, JunHyeok Oh, Byung-Jun Lee

机构 * Department of Artificial Intelligence, Korea University, Seoul, Republic of Korea（韩国大学人工智能系） ； Gauss Labs Inc., Seoul, Republic of Korea（首尔Gauss实验室） 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 提出基于JAX的高吞吐沙盒模拟器TABX，通过可重构任务和硬件加速支持多智能体强化学习的高效研究与评估。

AI Agents with Decentralized Identifiers and Verifiable Credentials

具有去中心化标识符和可验证凭证的AI智能体

Sandro Rodriguez Garzon, Awid Vaziry, Enis Mert Kuzu, Dennis Enrique Gehrmann, Buse Varkan, Alexander Gaballa, Axel Küpper

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

AI总结 提出一种基于W3C去中心化标识符和可验证凭证的框架，使AI智能体在对话初期能够建立跨域信任关系，并实现原型系统验证其可行性。

Comments Accepted for presentation at the 18th International Conference on Agents and Artificial Intelligence 2026

Journal ref 18th International Conference on Agents and Artificial Intelligence (ICAART), 2026, volume 1, pp. 252-259

SwarmHarness: Skill-Based Task Routing via Decentralized Incentive-Aligned AI Agent Networks

SwarmHarness：通过去中心化激励对齐的AI智能体网络进行基于技能的任务路由

Edwin Jose

机构 * Department of Computer Science（计算机科学系） ； Western Michigan University（西部密歇根大学） 纠错

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

AI总结 提出SwarmHarness去中心化协议，通过DHT注册、效用函数路由和Shapley值激励，实现无中心化计算集群的自我组织与任务分配。

Roles with Rails: Contract-Preserving Role Evolution in Multi-Agent Structured Reasoning

角色与轨道：多智能体结构化推理中保持契约的角色演化

Ling-Yue Ge, Lan-Zhe Guo

机构 * National Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） 纠错

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

AI总结 提出SERO框架，通过契约保持的角色演化机制（信用引导检索、保护终端聚合器、条件验证器修复、上下文赌博机控制器）解决多智能体系统中角色漂移和契约破坏问题，在真实推理基准上验证有效性。

Comments 33 pages, 23 figures, 12 tables

CyberJurors: A Multi-Agent Simulation Task for E-Commerce Disputes Verdict

CyberJurors：电商纠纷裁决的多智能体模拟任务

Yanhui Sun, Wu Liu, Haifeng Ming, Xinru Wang, Hantao Yao, Yongdong Zhang

机构 * School of Information Science and Technology, University of Science and Technology of China（信息科学与技术学院，中国科学技术大学） 纠错

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

AI总结 针对电商纠纷裁决需要从冗余多轮多模态证据中提取关键线索并依据平台特定惯例决策的问题，提出多智能体框架CyberJurors，通过个体裁决链式思维和集体陪审共识裁决提升裁决质量，在包含6000真实案例的基准上超越现有方法。

Comments ICML 2026

Out of Sight, Not Out of Mind: Unveiling Latent Attack in Latent-based Multi-Agent Systems

眼不见，心不烦：揭示基于潜在的多智能体系统中的潜在攻击

Chenxi Wang, Ruiyang Huang, Jiayan Sun, Lei Wei, Yifan Wu

机构 * Southeast University（东南大学） ； Peking University（北京大学） 纠错

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

AI总结 研究潜在表示能否携带攻击信息，提出通过潜在干预激活攻击效果的框架，实验表明潜在攻击在清洁执行中显著降低任务性能，尤其影响智能体间KV缓存传递。

Comments 27 pages, 7 figures, 3 tables. Preprint

Defending LLM-based Multi-Agent Systems Against Cooperative Attacks with Sentence-Level Rectification

防御基于LLM的多智能体系统免受合作攻击：句子级纠正方法

Yaoyang Luo, Zhi Zheng, Ziwei Zhao, Tong Xu, Zhao Jielun, Wenjun Xue, Yong Chen, Enhong Chen

机构 * University of Science and Technology of China（中国科学技术大学） ； North Automatic Control Technology Institute（北自动控制技术研究所） ； Shenzhen Institute for Advanced Study, UESTC（深圳先进研究 institute, 中国科学技术大学） 纠错

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

AI总结 提出一种自适应合作攻击框架，并引入句子级可信度分析与纠正（STAR）防御框架，以识别和纠正多智能体通信中的误导信息，显著提升任务成功率。

Examining Agents' Bias Amplification versus Suppression in Multi-Agent Systems

审视多智能体系统中智能体的偏见放大与抑制

Zejian Eric Wu, Zhongyi Jiang, Yuan Zhuang, Paul Jen-Hwa Hu

机构 * Oregon State University（俄勒冈州立大学） ； Independent Researcher（独立研究者） ； Amazon（亚马逊） ； University of Utah（犹他大学） 纠错

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

AI总结 研究多智能体系统中个体偏见如何影响系统级公平性，提出FBS指标量化偏见变化，发现均匀暴露偏见时系统偏见甚至超过个体偏见之和。

TCP-MCP: Landscape-Guided Co-Evolution of Prompts and Communication Topologies for Multi-Agent Systems

TCP-MCP：面向多智能体系统的提示与通信拓扑的景观引导协同进化

Yi Ding, Zijie Xuan, Haowei Zhou, Zhenyu Ju, Xiaoxiao Dong, Jingwen Zhang, Xingyu Zhu, Leixin Sun, Haochi Zhang

机构 * National Institute of Metrology, China（中国计量科学研究院） ； University of California, Berkeley（加州大学伯克利分校） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； Nanjing University of Chinese Medicine（南京中医药大学） ； WEEX Exchange（WEEX交易所） ； National University of Singapore（新加坡国立大学） ； Wuhan University（武汉大学） ； Peking University（北京大学） 纠错

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

AI总结 提出TCP-MCP框架，通过协同进化智能体提示和通信拓扑，在任务性能、令牌成本和结构复杂度三个目标下实现多智能体系统的成本感知与任务自适应设计。

Long Live the Librarian! A Persistent Search Sub-Agent for Energy-Efficient Multi-Agent Software Engineering Systems

图书馆员万岁！面向节能多智能体软件工程系统的持久搜索子智能体

Seunghyuk Cho, Sunghyun Choi, Jaeseung Heo, Youngbin Choi, Saemi Moon, MoonJeong Park, Dongwoo Kim

机构 * Graduate School of Artificial Intelligence, POSTECH（POSTECH人工智能研究生院） ； Department of Computer Science and Engineering, POSTECH（POSTECH计算机科学与工程系） 纠错

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

AI总结 针对多智能体系统中输出令牌冗余导致的高能耗问题，提出持久搜索子智能体Librarian，通过跟踪仓库搜索历史并抑制重复探索，减少输出令牌量，在SWE-Bench Verified上实现高达25%的GPU能耗降低且不损失任务性能。

Comments 19 pages, 4 figures, 12 tables

Agents that Matter: Optimizing Multi-Agent LLMs via Removal-Based Attribution

重要的智能体：通过基于移除的归因优化多智能体大语言模型

Mingyu Lu, Yushan Huang, Chris Lin, Su-In Lee

机构 * Paul G. Allen School of Computer Science & Engineering, University of Washington（华盛顿大学保罗·G·艾伦计算机科学与工程学院） 纠错

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

AI总结 提出一个基于合作博弈的归因框架，通过移除协议和模型替换来识别瓶颈智能体，从而优化多智能体系统性能并降低成本。

You Only Align Once: Propagating Cooperative Behaviors in Multi-Agent Systems through Seed Agents

你只需对齐一次：通过种子智能体在多智能体系统中传播合作行为

Nicole Hsing, Asuka Yuxi Zheng, Yi Zhao, Haoqin Tu, Jen-Tse Huang

机构 * Arcarae ； University of California, Santa Cruz（加州大学圣克鲁兹分校） ； Northwestern University（西北大学） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 本文提出对齐传播现象，通过种子智能体在自然语言交互中传播合作行为，在红黑游戏中将合作率从24.8%提升至62.2%，并零样本迁移至Sugarscape场景。

Heterogeneous Multi-Agent Modeling for Measurement and Network Analysis of the Data Service Market

数据服务市场的异构多智能体建模与测量及网络分析

Deyu Zhou, Yuwei Guo, Xudong Lu, Linhao Zhang, Wei Guo, Lizhen Cui

机构 * School of Software, Shandong University（山东大学软件学院） ； Joint SDU-NTU Centre for Artificial Intelligence Research (C-FAIR), Shandong University（山东大学人工智能联合研究中心） ； College of Intelligence and Computing, Tianjin University（天津大学智能与计算学院） 纠错

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

AI总结 本文提出一种基于异构多智能体建模的数据服务市场测量与网络分析方法，通过引入服务生态系统理论明确参与者与外部因素，基于价值创造对三级实体进行效用测量，并设计分析框架评估异构网络对效用的影响。

COOP$^2$: Defining, Observing, and Repairing Cooperation in LLM Multi-Agent Systems

COOP$^2$: 定义、观察和修复LLM多智能体系统中的合作

Hanqing Yang, Narjes Nourzad, Shiyu Chen, Marie Siew, Jingdi Chen, Carlee Joe-Wong

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Southern California（南加州大学） ； Singapore University of Technology and Design（新加坡科技设计大学） ； University of Arizona（亚利桑那大学） 纠错

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

AI总结 提出COOP$^2$框架，通过将高层合作动态与任务进度关联，定义可验证的合作任务，并开发COOP$^2$-Repair方法预测约束失败并引导修复，提升LLM多智能体系统的任务成功率和约束满足度。

Long-Term Mapping of the Douro River Plume with Multi-Agent Reinforcement Learning

基于多智能体强化学习的杜罗河羽流长期映射

Nicolò Dal Fabbro, Milad Mesbahi, Renato Mendes, João Borges de Sousa, George J. Pappas

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Faculdade de Engenharia da Universidade do Porto（波尔图大学工程学院） ； Laboratório de Sistemas e Tecnologia Subaquática (LSTS)（水下系统与技术实验室） ； Laboratório Associado de Energia, Transportes e Aeronáutica (LAETA)（能源、运输与航空联合实验室） 纠错

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

AI总结 提出一种能量与通信高效的多智能体强化学习方法，结合时空高斯过程回归与多头Q网络控制器，实现多艘自主水下航行器对杜罗河羽流的长期（多天）映射，在Delft3D模拟中优于基准方法，且增加智能体数量可提升精度与续航。

Comments Accepted at the 2026 IEEE International Conference on Robotics and Automation

MetaboT: An LLM-based Multi-Agent Frameworkfor Interactive Analysis of Mass SpectrometryMetabolomics Knowledge Graphs

MetaboT：基于LLM的多智能体框架，用于质谱代谢组学知识图谱的交互式分析

Madina Bekbergenova, Lucas Pradi, Benjamin Navet, Emma Tysinger, Franck Michel, Matthieu Feraud, Yousouf Taghzouti, Yan Zhou Chen, Olivier Kirchhoffer, Florence Mehl, Martin Legrand, Tao Jiang, Marco Pagni, Soha Hassoun, Jean-Luc Wolfender, Wout Bittremieux, Fabien Gandon, Louis-Félix Nothias

机构 * Department of Computer Science, University of Antwerp（安特卫普大学计算机科学系） ； Massachusetts Institute of Technology（麻省理工学院） ； Department of Computer Science, Tufts University（塔夫茨大学计算机科学系） ； Swiss Institute of Bioinformatics (SIB), Lausanne, Switzerland（瑞士生物信息学研究所（SIB），洛桑，瑞士） ； Department of Chemical and Biological Engineering, Tufts University（塔夫茨大学化学与生物工程系） 纠错

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

AI总结 提出MetaboT，一个基于大语言模型的多智能体框架，通过模块化架构将自然语言问题转化为SPARQL查询，降低代谢组学知识图谱的使用门槛。

Journal ref 33rd annual international conference on Intelligent Systems for Molecular Biology (ISMB 2025) / 24th Annual Conference of the European Conference on Computational Biology (ECCB 2025), Jul 2025, Liverpool, United Kingdom

Adaptive Multimodal Agents-Based Framework for Automatic Workflow Execution

基于自适应多智能体框架的自动工作流执行

Susanna Cifani, Mario Luca Bernardi, Marta Cimitile

机构 * Sapienza University of Rome（罗马萨皮恩扎大学） ； Department of Engineering University of Sannio（萨尼奥大学工程系） ； Faculty of Jurisprudence Unitelma Sapienza University（法理学院萨皮恩扎大学） 纠错

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

AI总结 提出一种多模态多智能体框架，通过离线构建拓扑知识库和在线自适应检索增强生成与闭环协作验证，实现自动工作流执行。

Comments Copyright 2026 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses. Accepted for publication at the 2026 IEEE International Conference on Evolving and Adaptive Intelligent Systems (EAIS 2026)

Automated Synthesis of Lyapunov Functions for Multi-Agent Systems under Jointly Connected Topology

联合连通拓扑下多智能体系统Lyapunov函数的自动综合

Shuyuan Zhang, Lei Wang, Qing-Guo Wang

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

AI总结 针对联合连通拓扑下的多智能体系统，通过自动综合多项式Lyapunov函数并利用平方和分解，提出分布式非线性控制协议以实现一阶和二阶系统的一致性验证。

Agentic Literacy Debt: A Structural Problem the AI Literacy Field Has Not Yet Named

代理素养债务：AI素养领域尚未命名的结构性问题

Rohith Nama

机构 * Rohith Nama（罗希思·纳马） 纠错

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

AI总结 本文提出“代理素养债务”概念，指出自主AI代理大规模部署时，用户因缺乏监督能力而面临累积性社会赤字，并从医疗、金融等案例论证其结构性本质。

Journal ref AI & Ethics, 2026

DIG to Heal: Scaling General-purpose Agent Collaboration via Explainable Dynamic Decision Paths

DIG to Heal: 通过可解释的动态决策路径扩展通用智能体协作

Hanqing Yang, Hyungwoo Lee, Yuhang Yao, Zhiwei Liu, Kay Liu, Jingdi Chen, Carlee Joe-Wong

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Arizona（亚利桑那大学） ； Zoom ； Salesforce ； Amazon（亚马逊） 纠错

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

AI总结 提出动态交互图（DIG）框架，将通用LLM智能体的涌现协作建模为时变因果网络，首次实现协作过程的可观察、可解释与实时纠错。

Exploring the impact of multi-agent wealth exchange model on inequality reduction

探索多智能体财富交换模型对不平等减少的影响

Suchismita Banerjee

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

AI总结 通过将二元交换模型推广到多智能体同时交互，研究多智能体财富交换对不平等减少的影响，发现随着智能体数量增加，财富分布从指数分布演变为近似均匀分布，不平等指标单调下降。

Comments 11 pages, 6 figures, 2 tables

Journal ref Physica A: Statistical Mechanics and its Applications, Volume 693, 1 July 2026, 131553