AI Agent

Enabling tomorrow's planetary defence and space resource economy: Autonomous fleet-based asteroid rendezvous missions

赋能未来行星防御与空间资源经济：基于自主舰队的小行星交会任务

Stefania Soldini, Paul A. Abell, Daniel J. Scheeres, Yuichi Tsuda, Xiaoyu Fu, Nicolò Stronati, Hanjoon Shim, Sui Chen, Anirudh Chhabra, Ricardo Torres, Andrew Jones

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出英国应通过自主低成本小行星交会任务，加强近地天体探测、参与国际行星防御任务、发展自主交会与原位表征技术，并推动空间资源经济，以提升行星防御能力和战略优势。

Comments White paper submitted to the UK Space Agency's initiative "UK Space Frontiers 2035" this https URL https://www.gov.uk/government/publications/uk-space-frontiers-2035-astro-planetary-and-helio

A Visual Analytics System for Interactive Exploration of Historical Painter Cohorts

历史画家群体交互探索的可视分析系统

Yingping Yang, Guangtao You, Wenwen Li, Jiayi Chen, Yumeng Zhang, Yuxin Lei, Wei Zhang, Jiazhou Chen, Wei Chen

专题命中 规划决策 ：workflow(abstract)

AI总结 针对历史画家群体分析中特征非结构化、继承关系复杂和群体定义验证困难等问题，提出HPC-Vis系统，通过多尺度特征构建、继承关系重构和推荐模型，结合创新可视化设计，支持交互式探索。

High-level environmental sustainability guidelines for large accelerator facilities

大型加速器设施的高层级环境可持续性指南

Hannah Wakeling, Philip Burrows, Jim Clarke, Jo Colwell, Niko Neufeld, Ben Shepherd, Dwayne Spiteri, John Thomason

专题命中 规划决策 ：planning(abstract)

AI总结 本文针对未来大型加速器设施的设计、建造、运行和退役阶段，提出高层级环境可持续性指南，旨在通过嵌入创新减排技术降低环境影响。

Comments 55 pages, 1 figure. Living document, version 2

High-speed Flight in an Ergodic Forest

遍历森林中的高速飞行

Sertac Karaman, Emilio Frazzoli

专题命中 规划决策 ：planning(abstract)

AI总结 本文研究在仅已知障碍物生成过程统计特性的随机障碍物场中高速导航的理论基础，通过遍历性和渗流理论揭示了无限无碰撞轨迹存在的相变现象，并推导了临界速度的上下界。

Comments Manuscript submitted to the IEEE Transactions on Robotics

An efficient method for multiobjective optimal control and optimal control subject to integral constraints

多目标最优控制及积分约束下最优控制的高效方法

Ajeet Kumar, Alexander Vladimirsky

专题命中 规划决策 ：planning(abstract)

AI总结 提出一种基于扩展状态空间和增广Hamilton-Jacobi-Bellman PDE的高效数值方法，利用新维度上的因果性（特征曲线单调性）通过半拉格朗日推进法逼近不连续粘性解，解决多准则最优控制和积分约束下的单准则最优控制问题。

Comments The final version accepted by J. Comp. Math. : 41 pages, 14 figures. Since the previous version: typos fixed, formatting improved, one mistake in bibliography corrected

Journal ref Journal of Computational Mathematics 28/4: 517-551 (2010)

Efficient Fast Marching with Finsler metrics

高效快速行进法用于Finsler度量

Jean-Marie Mirebeau

专题命中 规划决策 ：planning(abstract)

AI总结 提出FM-ASR算法，通过算术平均构造局部模板，解决二维笛卡尔网格上Finsler度量下的逃逸时间问题，在精度与复杂度权衡上提升一个数量级以上。

Comments 37 pages, 13 figures

Aircraft Proximity Maps Based on Data-Driven Flow Modeling

基于数据驱动流量建模的飞机邻近图

Erwan Salaün, Maxime Gariel, Adan Vela, Eric Feron

专题命中 规划决策 ：planning(abstract)

AI总结 本文提出三维飞机邻近图，通过生成式流量模型预测空中交通密度、潜在冲突和异常点，以支持中长期流量管理决策。

Control Design along Trajectories with Sums of Squares Programming

基于平方和规划的轨迹控制设计

Anirudha Majumdar, Amir Ali Ahmadi, Russ Tedrake

专题命中 规划决策 ：planning(abstract)

AI总结 提出一种通过平方和规划最大化不变漏斗尺寸的控制设计方法，以形式化保证机器人控制任务的稳定性和安全性。

Robust self-triggered coordination with ternary controllers

基于三元控制器的鲁棒自触发协调

Claudio De Persis, Paolo Frasca

专题命中 规划决策 ：agent(abstract)

AI总结 本文在混合动力系统框架下，结合三元控制器与自触发通信策略设计协调方案，证明有限时间收敛到一致状态邻域，并研究对时钟偏差、延迟和通信精度的鲁棒性，同时提出时变控制器和自触发“闲聊”协调两种变体。

Comments 13 pages (twocolumn format), 4 figures. Submitted for publication

An Incremental Sampling-based Algorithm for Stochastic Optimal Control

基于增量采样的随机最优控制算法

Vu Anh Huynh, Sertac Karaman, Emilio Frazzoli

专题命中 规划决策 ：planning(abstract)

AI总结 针对连续时间连续空间随机最优控制问题，提出增量马尔可夫决策过程（iMDP）算法，通过随机采样状态空间生成离散化序列并异步值迭代，以任意精度逼近最优策略。

Comments Part of the results have been submitted to the IEEE International Conference on Robotics and Automation (ICRA 2012). Minnesota, USA, May 2012

For the Grid and Through the Grid: The Role of Power Line Communications in the Smart Grid

面向电网与通过电网：电力线通信在智能电网中的作用

Stefano Galli, Anna Scaglione, Zhifang Wang

专题命中 规划决策 ：planning(abstract)

AI总结 本文通过综述PLC技术发展、智能电网应用场景及信道建模，论证PLC在智能电网中的适用性，并强调电网作为信息源与传输系统的双重角色。

Comments 26 pages, 6 figures, 2 tables

Modeling s-t Path Availability to Support Disaster Vulnerability Assessment of Network Infrastructure

建模 s-t 路径可用性以支持网络基础设施的灾难脆弱性评估

Timothy C. Matisziw, Alan T. Murray

专题命中 规划决策 ：planning(abstract)

AI总结 提出一种无需完全枚举所有 s-t 路径的模型约束结构，用于评估网络基础设施在灾难下的脆弱性，并展示其在基础设施规划中的应用。

Journal ref Matisziw, T.C. and A.T. Murray. 2009. Modeling s-t Path Availability to Support Disaster Vulnerability Assessment of Network Infrastructure. Computers & Operations Research. 36(1), 16-26

FutureWeaver: Planning Test-Time Compute for Multi-Agent Systems with Modularized Collaboration

FutureWeaver: 面向模块化协作的多智能体系统的测试时计算规划

Dongwon Jung, Peng Shi, Muhao Chen, Yi Zhang

机构 * University of California, Davis（加州大学戴维斯分校） ； University of Waterloo（滑铁卢大学） ； Greenshoe, Inc（Greenshoe公司） 纠错

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

AI总结 提出FutureWeaver框架，通过双层次规划架构和自诱导协作模块，在固定预算下优化多智能体系统的测试时计算分配，显著提升协作性能。

Multi-agent Path Planning and Network Flow

多智能体路径规划与网络流

Jingjin Yu, Steven M. LaValle

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

AI总结 将图上的多智能体路径规划问题归约到网络流问题，利用组合网络流算法和线性规划技术求解，并证明当目标置换不变时存在最长完成时间不超过 n+V-1 步的可行解路径集，给出 O(nVE) 时间算法，进一步研究时间和距离最优性及其帕累托最优结构。

Comments Corrected an inaccuracy on time optimal solution for average arrival time

Economy of Minds: Emerging Multi-Agent Intelligence with Economic Interactions

思维经济：具有经济交互的涌现多智能体智能

Zhenting Qi, Huangyuan Su, Ao Qu, Chenyu Wang, Yu Yao, Han Zheng, Kushal Chattopadhyay, Guowei Xu, Zihan Wang, Weirui Ye, Vijay Janapa Reddi, Ju Li, Paul Pu Liang, Himabindu Lakkaraju, Sham Kakade, Yilun Du

机构 * Harvard University（哈佛大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 受哈耶克经济理论启发，通过拍卖和财富积累的简单经济信号实现去中心化信用分配，使弱智能体群体涌现出多步推理策略，在五个智能体任务中超越强单体基线。

MAVEN-T: Reinforced Heterogeneous Distillation for Real-Time Multi-Agent Trajectory Prediction

MAVEN-T：用于实时多智能体轨迹预测的强化异构蒸馏

Wenchang Duan, Zhenguo Gao, Jinguo Xian, Yi Shi

机构 * School of Mathematical Sciences, Shanghai Jiao Tong University（上海交通大学数学科学学院） ； Bio-X Institutes, Key Laboratory for the Genetics of Developmental and Neuropsychiatric Disorders, Shanghai Jiao Tong University（上海交通大学Bio-X研究院、发育与神经精神疾病遗传学重点实验室） ； Shanghai Key Laboratory of Psychotic Disorders, Brain Science and Technology Research Center, Shanghai Jiao Tong University（上海精神疾病重点实验室、脑科学与技术研究中心，上海交通大学） 纠错

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

AI总结 提出MAVEN-T框架，通过高容量教师模型和紧凑学生模型的异构蒸馏，结合强化学习优化，实现实时多智能体轨迹预测，在多个数据集上达到高精度与低延迟。

SPOQ: Specialist Orchestrated Queuing for Multi-Agent Software Engineering

SPOQ: 面向多智能体软件工程的专家编排队列

Royce Carbowitz, Dheeraj Kumar

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

AI总结 提出SPOQ方法，通过基于波形的拓扑调度、双重验证门控和人类作为智能体集成，优化多智能体软件工程中的协调、质量控制和人类监督问题。

Comments 55 pages, 12 tables, 6 figures; includes longitudinal deployment study and open-weights replication

Delayed Repression and Emergent Instability in Adaptive Multi-Agent Systems

自适应多智能体系统中的延迟抑制与涌现不稳定性

Igor Itkin

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

AI总结 研究监管延迟如何导致原本稳定的多智能体系统失稳，通过延迟复制方程和强化学习实验揭示了反应性智能体对延迟信号的即时响应是失稳的关键因素。

Comments 32 pages, 13 figures, 2 appendices. v2: corrected network parameterization; central result re-anchored on reactive agents; added robustness sweeps; bibliography fixes; structural and language edits. Code: https://github.com/YehudaItkin/delayed-repression-instability

Automata-Conditioned Cooperative Multi-Agent Reinforcement Learning

自动机条件化协作多智能体强化学习

Beyazit Yalcinkaya, Marcell Vazquez-Chanlatte, Ameesh Shah, Hanna Krasowski, Sanjit A. Seshia

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Stanford University（斯坦福大学） 纠错

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

AI总结 提出自动机条件化协作多智能体强化学习框架，通过自动机分解团队目标为子任务，学习任务条件化的分散策略，实现最优任务分配和多步协调。

Chance-constrained Model Predictive Control for Multi-Agent Systems

多智能体系统的机会约束模型预测控制

Daniel Lyons, Jan-P. Calliess, Uwe D. Hanebeck

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

AI总结 针对多智能体系统的随机模型预测控制问题，提出一种基于概率边界的保守约束方法，在保证实时性的同时避免智能体间碰撞，并通过仿真验证其优于样本近似方法。

Comments 33 pages, 5 figures, revised version

FORGE: Multi-Agent Graduated Exploitation and Detection Engineering

FORGE：多智能体渐进式利用与检测工程

Farooq Shaikh

机构 * Dynatrace 纠错

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

AI总结 提出多智能体系统FORGE，通过渐进式利用深度桥接漏洞利用生成、优先级排序和检测规则工程三个孤立领域，在603个CVE上实现67.8%的端到端L1+利用，并生成低误报的Sigma和Snort检测规则。

Comments 18 pages, 4 figures, 3 tables. Accepted at the AgentCy Workshop at the 21st International Conference on Availability, Reliability and Security (ARES 2026). Keywords: Vulnerability assessment, Multi-agent systems, Exploit generation, Detection engineering, Risk prioritization

When Helping Hurts and How to Fix It: Multi-Agent Debate for Data Cleaning

当帮助有害时以及如何修复：多智能体辩论用于数据清洗

Chirag Parmar, Akshat Mehta, Henglin Wu, Jagadish Ramamurthy, Shweta Medhekar

机构 * Meta Platforms, Inc.（Meta公司） 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 研究多智能体辩论在数据清洗中的效果，发现其会降低生成性能但提升错误检测，通过推导辩论收益条件并采用对抗性分离的辩论配置，首次在生成任务上显著超越单智能体。

Comments 27 pages, 4 figures, 12 tables. Includes appendix with full experimental results, prompt templates, and dataset statistics

Traj-Evolve: A Self-Evolving Multi-Agent System for Patient Trajectory Modeling in Lung Cancer Early Detection

Traj-Evolve：用于肺癌早期检测中患者轨迹建模的自进化多智能体系统

Sihang Zeng, Matthew Thompson, Ruth Etzioni, Meliha Yetisgen

机构 * University of Washington（华盛顿大学） ； Fred Hutch Cancer Center（Fred Hutch癌症中心） ； Google（谷歌） 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Traj-Evolve，一种结合经验池和多智能体强化学习的自进化多智能体系统，通过检索相似患者和参数优化，在肺癌早期检测中优于9个强基线模型。

Shortest Path Set Induced Vertex Ordering and its Application to Distributed Distance Optimal Multi-agent Formation Path Planning

最短路径集诱导的顶点排序及其在分布式距离最优多智能体编队路径规划中的应用

Jingjin Yu

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

AI总结 针对无向图中不可区分智能体移动到任意目标编队的距离最优路径规划问题，提出一种基于最短路径集诱导顶点排序的集中式算法，并首次实现分布式调度，同时保证相同的收敛时间。

Comments Extended the earlier version to 8 Pages, complete with literature review. One additional section on a distributed scheduling algorithm is added

StepFinder: A Temporal Semantic Framework for Failure Attribution in Multi-Agent Systems

StepFinder：多智能体系统中故障归因的时间语义框架

Taiyu Zhu, Yifan Wu, Weilin Jin, Ying Li, Gang Huang

机构 * 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StepFinder框架，通过将执行日志编码为时间语义序列并利用时序建模与注意力模块，高效准确地定位多智能体系统中的故障根因步骤。

Comments 12 pages, 5 figures. Accepted by KDD 2026

Validation-Gated Multi-Agent Governance for Online Adaptation of Thermal-Hydraulic Surrogate Models under Operating-Regime Shift

验证门控多智能体治理：运行工况迁移下热工水力代理模型的在线自适应

Doyeong Lim, Seungyoon Lee, In Cheol Bang

机构 * Department of Nuclear Engineering, Ulsan National Institute of Science and Technology (UNIST)（核工程系，乌山国立科学技术研究所（UNIST）） 纠错

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

AI总结 针对离线训练模型在运行工况迁移时性能退化问题，提出验证门控多智能体治理框架，通过角色分离的智能体协作与确定性门控机制实现可审计的在线自适应，在实验热工水力数据上将平均绝对误差降低19%。

The Deliberative Illusion: Diagnosing Factual Attrition and Stance Homogenization in Multi-Agent LLM Deliberation

深思幻觉：诊断多智能体LLM讨论中的事实损耗与立场同质化

Herun Wan, Jiaying Wu, Minnan Luo, Fanxiao Li, Ningnan Wang, Nancy F. Chen, Min-Yen Kan

机构 * Xi’an Jiaotong University（西安交通大学） ； National University of Singapore（新加坡国立大学） ； Yunnan University（云南大学） ； Agency for Science, Technology and Research (A*STAR), Singapore（新加坡科技研究局（A*STAR）） 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DelibTrace框架，通过分解原子事实并追踪其存留，发现多智能体LLM讨论中高达72%的关键事实丢失，导致立场同质化，揭示了“同意越多、知道越少”的风险。

MetaWorld: Scaling Multi-Agent Video World Model from Single-view Video Data

MetaWorld: 从单视角视频数据扩展多智能体视频世界模型

Teng Hu, Mingchun Lu, Yating Wang, Jiangning Zhang, Jinkun Hao, Ye Pan, Ran Yi, Lizhuang Ma, Dacheng Tao

机构 * Shanghai Jiao Tong University（上海交通大学） ； Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 提出MetaWorld框架，通过单目世界状态展开、主体感知世界生成器和世界状态对齐机制，从单视角视频构建多智能体视频世界模型，解决数据稀缺和世界状态对齐问题。

Margin Play: A Multi-Agent System For Public Policy Analysis In The Brazilian Equatorial Margin

边际博弈：巴西赤道边缘地区公共政策分析的多智能体系统

Antonio de Sousa Leitão Filho, Fabrício Saul Lima, Selby Mykael Lima dos Santos, Rejani Bandeira Vieira Sousa, Luís Jorge Mesquita de Jesus, Dennys Correia da Silva, Allan Kardec Duailibe Barros Filho

机构 * Aia Context ； Universidade Federal do Maranhão — UFMA（佛罗里达州立大学马纳汉分校） ； Universidade Estadual de Campinas — UNICAMP（坎皮纳斯州立大学） 纠错

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

AI总结 针对巴西赤道边缘地区石油勘探对马拉尼昂州福利影响的问题，提出基于多智能体强化学习（MARL）的仿真系统Margin Play，通过CTDE范式和BRO-MARL训练六个智能体，发现福利增益取决于制度安排，MA-Prospero配置可显著提升福利并降低环境负债。

The Ringelmann Effect in Multi-Agent LLM Systems: A Scaling Law for Effective Team Size

多智能体大语言模型系统中的林格曼效应：有效团队规模的缩放定律

Blaž Bertalanič, Carolina Fortuna

机构 * Jozef Stefan Institute（乔泽夫·斯蒂芬研究所） 纠错

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

AI总结 本文推导出两参数缩放定律 $R(N) = N_\text{eff}/N = 1/(1+c(N-1)N^{-\beta})$，将多智能体LLM系统分为三种渐近状态，并通过44个实验单元验证了该定律，发现密集辩论无法增加答案多样性，噪声安慰剂可模拟自我修正效果，且仅异构团队能突破硬上限。

Comments 41 pages, 9 figures, 20 tables