AI Agent

SkyChain Intelligence: A Blockchain-Secured Multi-Agent DRL Framework for Low-Altitude Embodied Artificial Intelligence

SkyChain Intelligence：一种用于低空具身人工智能的区块链安全多智能体深度强化学习框架

Haoxiang Luo, Tianqi Jiang, Ruichen Zhang, Yinqiu Liu, Gang Sun, Hongfang Yu, Abbas Jamalipour, Dong In Kim

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

AI总结 针对低空具身AI代理在去中心化网络中面临的自主性、安全性和效率三难困境，提出SkyChain Intelligence框架，通过集成联盟区块链与多智能体深度强化学习，实现安全高效的分布式计算资源管理。

Deep Research in Physical Sciences: A Multi-Agent Framework and Comprehensive Benchmark

物理科学中的深度研究：多智能体框架与综合基准

Yigeng Jiang, Tengchao Yang, Taoyong Cui, Jiaxing Wan, Yuan Wang, Weida Wang, Zhiyu Liu, Chuyi Peng, Binzhao Luo, Maoli Gao, Huaihai Huang, Yuqianer Zeng, Ziyang Zheng, Dongchen Huang, Chao Chen, Zichao Liu, Weiping Shen, Shuchen Pu, Siyu Zhou, Runmin Ma, Yusong Hu, Fei Chao, Bo Zhang, Xiawu Zheng, Zifu Wang, Lei Bai, Yunqi Cai, Shufei Zhang

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

AI总结 提出PhySciBench基准评估LLM在物理科学中的深度研究能力，并开发DelveAgent多智能体框架，通过自适应规划、双粒度记忆和分层反思机制提升准确率并降低推理成本。

Comments v3: fix error and add data, codes publicly link on Abstract

Privacy-Preserving RAG via Multi-Agent Semantic Rewriting: Achieving Confidentiality Without Compromising Contextual Fidelity

基于多智能体语义重写的隐私保护检索增强生成：在不损害上下文保真度的情况下实现机密性

Yuanhe Zhao, Tianyu Zhang, Huafei Xing, Derek F. Wong, Jianbin Li, Tao Fang

机构 * School of Control and Computer Engineering, North China Electric Power University（华北电力大学控制与计算机工程学院） ； Department of Computer & Information Science & Engineering, University of Florida（佛罗里达大学计算机与信息科学与工程系） ； NLP2CT Lab, Department of Computer and Information Science, University of Macau（澳门大学计算机与信息科学系NLP2CT实验室） ； Institute of International Language Services Studies, Macau Millennium College（澳门千禧学院国际语言服务研究所） 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 提出多智能体框架，通过语义重写净化检索内容，在去除敏感标识的同时保留语义核心，显著降低隐私泄露并保持上下文保真度。

Comments This full manuscript contains 23 pages and has been formally accepted for publication in Information Processing & Management (Elsevier IPM). Tao Fang is the corresponding author

ASALT: Adaptive State Alignment for Lateral Transfer in Multi-agent Reinforcement Learning

ASALT: 多智能体强化学习中横向迁移的自适应状态对齐

Anurag Akula, Satheesh K. Perepu, Abhishek Sarkar, Kaushik Dey

机构 * Indian Institute of Technology Madras（印度理工学院马德拉斯学院） ； Ericsson Research（爱立信研究） 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ASALT方法，通过观测级和状态级适配器将目标域观测和全局状态映射到共享嵌入空间，解决源域与目标域状态空间维度不匹配问题，实现跨域知识迁移，在合作场景中提升样本效率和全局回报。

Comments Accepted at RLC 2026 conference

Automated Summarization of Software Documents: An LLM-based Multi-Agent Approach

软件文档的自动摘要：一种基于LLM的多智能体方法

Duc S. H. Nguyen, Minh T. Nguyen, Phuong T. Nguyen, Juri Di Rocco, Davide Di Ruscio

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

AI总结 提出基于大语言模型的多智能体系统Metagente，采用师生架构协作生成软件文档摘要，在真实数据集上优于基线方法，提升需求分析和技术文档的摘要效果。

Comments Paper has been accepted for publication with the Automated Software Engineering journal

Governed Shared Memory for Multi-Agent LLM Systems

面向多智能体LLM系统的受控共享内存

Yanki Margalit, Nurit Cohen-Inger, Erni Avram, Ran Taig, Oded Margalit

机构 * Ben-Gurion University of the Negev（内盖夫本-古里安大学） 纠错

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

AI总结 本文形式化多智能体LLM系统的舰队内存问题，提出四种故障模式，并设计显式系统级原语（范围检索、时间替代、溯源追踪、策略控制传播）在MemClaw中实现，通过ArgusFleet评估，发现长上下文检索不足以满足生产需求。

Safe and Generalizable Hierarchical Multi-Agent RL via Constraint Manifold Control

通过约束流形控制实现安全且可泛化的分层多智能体强化学习

Zihao Guo, Jianing Zhao, Ling Li, Hao Liang, Giuseppe Loianno, Yali Du

机构 * University of California, Berkeley（加州大学伯克利分校） ； The Alan Turing Institute（艾伦·图灵研究所） 纠错

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

AI总结 提出分层多智能体强化学习框架，低层通过约束流形强制执行硬安全约束，高层学习协调策略，实现理论安全保证、稳定训练和高效泛化。

Comments 10 pages

Emergent Coordination in Multi-Agent Language Models

多智能体语言模型中的涌现协调

Christoph Riedl

机构 * D’Amore-McKim School of Business（达莫-麦克金商学院） ； Khoury College of Computer Sciences（科里学院计算机科学学院） ； Network Science Institute（网络科学研究所） ； Northeastern University（东北大学） 纠错

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

AI总结 研究探讨多智能体系统是否形成更高层次结构，提出信息论框架通过数据驱动方法检测动态涌现，验证身份差异化与目标互补性，揭示交互模式与集体智慧原理的关联。

Journal ref International Conference on Learning Representations (ICLR 2026)

Multi-agent imitation learning with function approximation: Linear Markov games and beyond

具有函数逼近的多智能体模仿学习：线性马尔可夫博弈及其扩展

Luca Viano, Till Freihaut, Emanuele Nevali, Volkan Cevher, Matthieu Geist, Giorgia Ramponi

机构 * EPFL（苏黎世联邦理工学院） ； University of Zurich（苏黎世大学） 纠错

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

AI总结 本文首次理论分析线性马尔可夫博弈中的多智能体模仿学习，利用特征级集中性系数替代状态-动作级系数，并提出首个计算高效的交互式MAIL算法，样本复杂度仅依赖特征维度d。

Debate2Create: Robot Co-design via Multi-Agent LLM Debate

Debate2Create: 通过多智能体大语言模型辩论实现机器人协同设计

Kevin Qiu, Marek Cygan

机构 * University of Warsaw（华沙大学） 纠错

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

AI总结 提出Debate2Create框架，利用多智能体LLM辩论和物理评估迭代优化机器人的形态与奖励函数，在MuJoCo基准上取得显著性能提升。

SupplyNet: Supporting Visual Exploratory Learning in Supply Chain via Contextual Multi-Agent Simulation

SupplyNet: 通过上下文多智能体模拟支持供应链中的视觉探索式学习

Yanjia Li, Kelcy Kexin Han, Tianrui Hu, Yi-Fan Cao, Huamin Qu, Sicheng Song

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

AI总结 提出SupplyNet，一种基于上下文图的多智能体LLM框架的视觉模拟系统，通过交互式网络视图、分支时间线和任务分析控制台，支持供应链中的反事实探索、因果追踪和比较推理，提升用户参与度和理解。

Comments 25 pages, 7 figures

Multi-Agent LLM Governance for Safe Two-Timescale Reinforcement Learning in SDN-IoT Defense

多智能体LLM治理：SDN-IoT防御中安全的两时间尺度强化学习

Saeid Jamshidi, Negar Shahabi, Foutse Khomh, Carol Fung, Mohammad Hamdaqa

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

AI总结 提出两时间尺度SDN-IoT防御方案，快时间尺度使用PPO智能体进行控制器感知的缓解，慢时间尺度使用多智能体LLM治理引擎生成可审计的策略更新，在保证安全约束下提升防御性能。

Policy Gradient with Self-Attention for Model-Free Distributed Nonlinear Multi-Agent Games

基于自注意力的策略梯度用于无模型分布式非线性多智能体博弈

Eduardo Sebastián, Maitrayee Keskar, Eeman Iqbal, Eduardo Montijano, Carlos Sagüés, Nikolay Atanasov

机构 * Department of Computer Science and Technology, University of Cambridge（计算机科学与技术系，剑桥大学） ； Department of Electrical and Computer Engineering, University of California San Diego（电气与计算机工程系，加州大学圣地亚哥分校） ； RoPeRt group, at DIIS - I3A, Universidad de Zaragoza（RoPeRt组，DIIS - I3A，阿拉贡大学） 纠错

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

AI总结 提出一种分布式策略结构，通过策略梯度学习，利用自注意力层处理时变通信拓扑，解决无模型非线性多智能体博弈问题，在多种场景中表现优异。

Comments The paper has been accepted and will be presented at IEEE/RSJ IROS 2026

Paying to Know: Micro-Transaction Markets for Verified Product Information in Agentic E-Commerce

付费知情：代理型电商中已验证产品信息的微交易市场

Filippos Ventirozos, Matthew Shardlow

机构 * Manchester Metropolitan University（曼彻斯特城市大学） 纠错

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

AI总结 提出代理型电商作为已验证信息的微交易市场，买家代理通过微支付逐步获取卖家与评论者提供的数据，以解决信息可信度瓶颈，并转化为具体NLP问题。

Comments 8 pages, 1 figure. Vision paper, under review

Varying Bundle Size Reactive Multi-Task Assignment using Selective Cost Estimation for Multi-Agent Systems

基于选择性成本估计的多智能体系统变束大小反应式多任务分配

Niklas Dahlquist, Shridhar Velhal, George Nikolakopoulos

机构 * Luleå University of Technology（吕勒奥理工大学） 纠错

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

AI总结 提出一种分布式两阶段多保真束生成框架，通过低保真启发式搜索束空间，仅对最有希望候选进行高保真路径规划，实现反应式多机器人任务分配，提高拍卖方法性能。

Comments Accepted for publication at the 23rd World Congress of the International Federation of Automatic Control (IFAC 2026)

Grading the Grader: Lessons from Evaluating an Agentic Data Analysis System

给评分者打分：评估智能数据分析系统的经验教训

Tian Zheng, Kai-Tai Hsu

机构 * Columbia University（哥伦比亚大学） 纠错

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

AI总结 针对智能数据分析系统输出复杂、难以评估的问题，提出三层人机评分级联（严格正则匹配、LLM宽松评分、基于片段的人工检查），在153个任务上实现100%精确率，宽松评分召回率97%，并通过迭代提示机制将评分成功率从36%提升至97%。

Welfarist Control Design -- How to fulfill the societal mandate in multi-agent control?

福利主义控制设计——如何在多智能体控制中实现社会使命？

Sophie Hall, Kai Zhang, Ilia Shilov, Heinrich H. Nax, Saverio Bolognani

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

AI总结 针对多智能体系统中稀缺资源分配问题，提出基于福利主义的控制设计范式，通过在线反馈优化、马尔可夫决策过程控制和模型预测控制三种方法，实现社会偏好的聚合与规范满足。

Emergent Relational Order in LLM Agent Societies: From Collective Affect to Authority Stratification

LLM智能体社会中的涌现关系秩序：从集体情感到权威分层

Zhiyuan Ji, Xinyu Chen, Ziqi Dai, Shiyun Tang, Chunyu Wei, Yueguo Chen

机构 * Renmin University of China（中国人民大学） ； Beihang University（北京航空航天大学） ； Minzu University of China（民族大学） 纠错

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

AI总结 基于情感控制理论、社会认同理论和涂尔干集体情感，提出CAREB-MAS多智能体框架，通过长期模拟自发再现差序格局的五种核心现象，支持将差序格局解释为社会机制的结构敏感性涌现结果。

Comments Accepted to Findings of the Association for Computational Linguistics: ACL 2026. 37 pages

Theorist Toolbox: Tools for Agent Based LLM-assisted economic theory Research

理论家工具箱：基于智能体的LLM辅助经济理论研究工具

Moran Koren

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

AI总结 提出一种验证优先的经济理论LLM辅助协议，通过三种可重用方法（单次检查、对抗性证明-验证对、多智能体项目）在等级膨胀的Gans-Kominers特征模型上设计Groves/Pigouvian激励机制的实例验证。

From Task-Guided Conversational Graphs to Goal-Oriented Dialogue Runtimes

从任务引导的对话图到目标导向的对话运行时

Mariano Garralda-Barrio

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 提出目标导向对话运行时（GODR）设计模式，将目标、任务框架、生命周期状态等作为一等运行时对象，解决多目标中断对话中的连续性难题。

Comments 21 pages, 7 figure, 10 tables

Escaping the Self-Confirmation Trap: An Execute-Distill-Verify Paradigm for Agentic Experience Learning

逃离自我确认陷阱：一种用于智能体经验学习的执行-蒸馏-验证范式

Shiding Zhu, Yudi Qi, Yajie Wang, Jiaze Li, Chao Song, Yaorui Shi, Yibo Miao, Hanqi Gao, Kai Zhang

机构 * Zhejiang University（浙江大学） ； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Northwestern Polytechnical University（西北工业大学） ； University of Science and Technology of China（中国科学技术大学） ； Shanghai Jiaotong University（上海交通大学） 纠错

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

AI总结 提出EDV框架，通过多智能体并行执行、第三方蒸馏和共识验证，解决单智能体经验学习中的自我确认陷阱问题，在三个长时任务基准上取得一致提升。

Comments 28 pages, 11 figures

Sakana Fugu Technical Report

Sakana Fugu 技术报告

Yujin Tang, Edoardo Cetin, Jinglue Xu, Qi Sun, Stefan Nielsen, Vincent Richard, Haruto Goda, Iaroslav Tymchenko, Nhan Nguyen, Hyunin Lee, Mari Ashiga, Shashank Kotyan, So Kuroki, Tarin Clanuwat

机构 * Sakana AI 纠错

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

AI总结 提出Fugu系列协调模型，通过动态代理框架组合多个LLM专长，在多项基准上达到最优性能，并描述其训练范式。

When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments

当AI遇见金融（StockAgent）：基于大语言模型的模拟真实环境股票交易

Chong Zhang, Xinyi Liu, Zhongmou Zhang, Mingyu Jin, Lingyao Li, Zhenting Wang, Wenyue Hua, Dong Shu, Suiyuan Zhu, Xiaobo Jin, Sujian Li, Mengnan Du, Yongfeng Zhang

机构 * University of Liverpool（利物浦大学） ； Peking University（北京大学） ； Shanghai University of Finance（上海金融学院） ； Rutgers University（罗格斯大学） ； University of Michigan（密歇根大学） ； Northwestern University（西北大学） ； New York University（纽约大学） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； New Jersey Institute of Technology（新泽西理工学院） 纠错

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

AI总结 提出基于大语言模型的多智能体系统StockAgent，模拟真实股票交易环境，评估外部因素对交易行为的影响，并避免测试集泄露问题。

Comments 33 pages, 10 figures. Published in ACM Transactions on Intelligent Systems and Technology (TIST)

Beyond Bayer: Task-Optimal Sensor Co-Design for Robust Autonomous-Driving Segmentation

超越拜耳：面向鲁棒自动驾驶分割的任务最优传感器协同设计

Reeshad Khan, John Gauch

机构 * University Of Arkansas（阿肯色大学） 纠错

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

AI总结 提出可微RAW到任务流水线，学习光谱滤色器阵列权重提升分割mIoU，发现光学点扩散函数协同设计为负收益，噪声优化效果微弱，增大CFA块反而有害。

Subjective-Graph LLM Agents for Simulating Uncertainty in Classroom Social Perception

主观图LLM智能体用于模拟课堂社会感知中的不确定性

Jinming Yang, Xinyu Jiang, Xinshan Jiao, Xinping Zhang

机构 * Complex Lab, School of Computer Science and Engineering（复杂实验室，计算机科学与工程学院） ； University of Electronic Science and Technology of China（电子科学与技术大学） ； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； School of Health and Medical Technology, Chengdu Neusoft University（成都新软大学健康与医疗技术学院） 纠错

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

AI总结 提出基于主观图和可信度通信的多智能体框架，模拟课堂中学术地位的持久扭曲，在12个班级482名学生数据上验证，排名误差从0.066增至0.124。

Degeneracy-Aware Resilient Resource Allocation in Cell-Free Cache-Aided MU-MIMO Networks

无小区缓存辅助多用户MIMO网络中的退化感知弹性资源分配

Sayanti Ghosh, Indrakshi Dey, Nicola Marchetti

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

AI总结 针对无小区缓存辅助MU-MIMO网络中的多种攻击，提出基于退化感知的弹性框架，包含四种脆弱性模式和三种攻击感知结构度量，并建立五个理论结果，仿真显示收敛速度比分布式ADMM等方法快1.8-3倍。

Comments 13 pages, 19 figures, IEEE Transactions on Communications (TCOM)

Multiplayer Reach-Avoid Differential Games with Defender-Side Information Delay

多人追逃微分博弈中的防御方信息延迟

Zehua Zhao, Rui Yan, Jianping He, Xiaoming Duan

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

AI总结 研究多防御者与攻击者在平面内以有界速度运动、防御者观测存在恒定时间延迟的追逃博弈，推导延迟攻击区域的显式解析特征并证明其凸性，提出基于凸优化的捕获点计算及最优策略，证明子博弈完美纳什均衡，并推广至多防御者及多人场景。

Female-RHINO: A Real-Time Scanner-Integrated Framework for Automated Quantitative Uterine MRI Analysis and Structured Reporting

Female-RHINO：一种用于自动定量子宫MRI分析和结构化报告的实时扫描仪集成框架

Deepak Bhatia, Saad Ahmad, Smiti Tripathy, Maria Camila Bustos Vivas, Lieselotte Kratzsch, Anika Knupfer, Jordina Aviles Verdera, Susanne Schulz-Heise, Matthias May, Jana Hutter

机构 * Radiologisches Institut, Universitätsklinikum Erlangen（埃朗根大学医院放射学研究所） ； School of Biomedical Engineering and Imaging, KCL（KCL生物医学工程与成像学院） ； Institute for Information Processing, Leibniz University Hannover（汉诺威莱布尼茨大学信息处理研究所） ； CAIMed, L3S research institute（CAIMed，L3S研究机构） 纠错

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

AI总结 提出Female-RHINO框架，集成MRI扫描仪和深度学习，实现实时自动定量子宫MRI分析及结构化报告，在500+多中心数据集上验证，处理时间<70秒。

Asymptotic Stability of Conservative Convex-Combination Dynamics on Multilayer Graphs

动态图上异步平均

Hsin-Lun Li

专题命中 多智能体 ：agent(abstract)

AI总结 研究动态社交网络中异步更新的一致性模型，通过选择性邻域收缩机制实现几乎必然的一致性，扩展了时间变化图和异步更新的经典共识理论。

Comments 17 pages, 4 figures

Persuasion and Optimal Stopping

说服与最优停止

Andrew Koh, Sivakorn Sanguanmoo, Weijie Zhong

专题命中 多智能体 ：agent(abstract)

AI总结 针对一般偏好下的最优停止问题，提出基于对偶的一阶方法，将动态说服简化为半静态规划，通过强对偶和近必要一阶条件得到乘子增强收益的凹化，并应用于动态二元说服和动态线性说服。