AI Agent

Grading the Narrators: An Isnad-Rijal Framework for Claim-Level Provenance in Multi-Agent Knowledge Systems

评估叙述者：多智能体知识系统中声明级来源的伊纳德-里贾尔框架

Ali Zahid Raja

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

AI总结 研究多智能体知识系统声明级来源问题，借鉴经典伊斯兰圣训科学方法，贡献形式映射、关系模式、决策矩阵等，对20000条声明评估，验证部分方法，也发现等级恢复循环部分失败及两次分析无定论。

Comments 25 pages. Code, data, and analysis: https://github.com/alizahidraja/isnad (v2.0.4). Software archived at doi:10.5281/zenodo.21216873

Spectral Dynamics of Semantic Drift in Clinical Multi-Agent Language Model Networks

临床多智能体语言模型网络中语义漂移的谱动力学

Amritesh Banerjee

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

AI总结 研究临床多智能体语言模型网络中语义漂移的谱动力学，通过映射多智能体通信不确定性轨迹到嵌入空间，揭示结构瓶颈危害。提出动态谱监测技术，经图拉普拉斯算子特征分解确保全局状态扩散，保障自主医疗诊断可靠性。

QFoldAgent: An Autonomous Quantum Optimization Multi-Agent System for Protein Structure Prediction

QFoldAgent：一种用于蛋白质结构预测的自主量子优化多智能体系统

Winson Chen, Yuqi Zhang, Sixu Chen, Nuo Xu, Qiang Guan, Caiwen Ding

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

AI总结 研究针对混合量子 - 经典蛋白质结构预测依赖惩罚权重问题，提出QFoldAgent多智能体框架，通过设计、VQE管道及反馈智能体协同优化。在两个数据集测试，该框架有效降低RMSD，提升结构有效性，减少失败情况。

Multi-agent DRL-based Lane Change Decision Model for Cooperative Platooning in Mixed Traffic

基于多智能体深度强化学习的车道变换决策模型：用于混合交通中协同规划

Zeyu Mu, Shangtong Zhang, B. Brian Park

机构 * University of Virginia（弗吉尼亚大学） ； Link Lab（链接实验室） ； Department of Systems and Information Engineering（系统与信息工程系） ； Department of Computer Science（计算机科学系） 纠错

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

AI总结 本文提出基于多智能体深度强化学习的车道变换决策模型，通过整合CNN-QMIX框架提升CAVs在混合交通中的协同编队效率，实验显示其在提升协同编队率方面表现优异。

Comments Under review at IEEE Transactions on Intelligent Transportation Systems

Asynchronous Fractional Multi-Agent Deep Reinforcement Learning for Age-Minimal Mobile Edge Computing

异步分数多智能体深度强化学习用于最小化移动边缘计算的时延

Lyudong Jin, Ming Tang, Jiayu Pan, Meng Zhang, Hao Wang

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

AI总结 本文提出异步分数多智能体深度强化学习框架，用于最小化移动边缘计算中的信息年龄，通过联合优化任务更新与卸载策略，实验显示平均信息年龄降低达50.6%。

Energy Constrained Hierarchical Underwater Monitoring via Local Multi-Agent RAG

通过局部多智能体RAG实现能量受限的分层水下监测

Mohamed Amine Janati, Laurent Gautier, Stéphane Barbot

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

AI总结 针对海洋生物监测受能量等限制的问题，提出结合边缘传感与局部推理的低功耗水下监测架构，采用分层设计，利用特定嵌入、识别层及多智能体框架，经案例研究评估，实现低功耗连续传感与局部多模态智能结合，减少能耗与通信开销。

Comments Contains 25 pages, 11 figures. To be submitted to Elsevier Ocean Engineering

Multi-Agent Reinforcement Learning for SLA-Aware Network Slicing in UAV-Enabled MEC

用于无人机支持的MEC中基于SLA感知的网络切片的多智能体强化学习

Mohammad Farhoudi, Zeinab Sasan, Masoud Shokrnezhad, Tarik Taleb

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

AI总结 研究无人机支持的MEC中保证SLA稳定性的问题，提出预测性多智能体强化学习框架，通过协调轨迹控制和资源分配维持SLA稳定，设计奖励函数，用MAPPO训练智能体，模拟表明该框架能显著提升SLA稳定性且保持性能优势。

MAGS-SLAM: Monocular Multi-Agent Gaussian Splatting SLAM for Geometrically and Photometrically Consistent Reconstruction

MAGS-SLAM：单目多智能体高斯点云SLAM用于几何和光度一致的重建

Zhihao Cao, Qi Shao, Shuhao Zhai, Jing Zhang, Anh Nguyen, Hesheng Wang, Baoru Huang

机构 * ETH Zurich（苏黎世联邦理工学院） ； Harbin Engineering University（哈尔滨工程大学） ； University of Liverpool（利物浦大学） ； University of Macau（澳门大学） ； University of Ottawa（多伦多大学） ； Wuhan University（武汉大学） ； Imperial College London（伦敦帝国学院） 纠错

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

AI总结 MAGS-SLAM通过单目视觉实现多智能体高斯点云SLAM，无需RGB-D传感器即可完成几何和光度一致的场景重建，实验表明其跟踪精度和渲染质量可与现有RGB-D方法媲美。

QuantHarness: Price-Driven Multi-Agent LLMs for High-Frequency Trading

QuantHarness：用于高频交易的价格驱动多智能体大语言模型

Fei Xiong, Xiang Zhang, Aosong Feng, Siqi Sun, Chenyu You

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

AI总结 研究针对高频交易需求，引入QuantHarness多智能体LLM框架，将交易分解为四个智能体，利用结构化信号与LLM推理结合，经多金融工具实验验证，该框架在多指标上优于基线方法，为高频金融市场实时决策提供可行路径。

A Vocabulary for Multi-Agent Automated Research Systems

多智能体自动研究系统的词汇表

Bardiya Akhbari

机构 * Amazon AGI（亚马逊通用人工智能） 纠错

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

AI总结 介绍多智能体自动研究系统词汇表，规定智能体、操作等多方面内容，将结构设计问题转化为可测试选择，使评估器成系统组件，还区分生成性品味和评估性品味，并在自动研究系统上实例化说明其涵盖多种不同结构设计。

Comments 22 pages, 4 figures, 3 tables

A Comparative Study of MCP and A2A for Inter-Agent Coordination in LLM-Based Systems

基于大语言模型的系统中用于智能体间协调的MCP和A2A的比较研究

Ionut Predoaia, Tuong Manh Vu, Konstantinos Barmpis, Dimitris Kolovos, Antonio García-Domínguez

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

AI总结 本文从多智能体系统工程角度，以涉及基于大语言模型智能体的协调场景，比较MCP和A2A协议。针对多项要求评估同一软件工程任务的两种多智能体实现，发现MCP协调复杂度低，A2A支持更丰富，但都有特点，为智能体间协调协议设计提供了经验和权衡要点。

Comments 18 pages

Coordinated Networking for On-Device Agent-Augmented Real-Time Communication

用于设备上代理增强实时通信的协调网络

Goodsol Lee, Juheon Yi, Jinglu Wang, Haowen Xu, Saewoong Bahk, Yan Lu

机构 * Seoul National University（首尔国立大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 研究设备上代理增强实时通信中的网络挑战，设计HFS框架，采用应用引导的多流传输方法，实现高视频质量和低代理响应延迟，相比基线，视频质量提高1.5倍，代理响应时间减少31%。

Comments Accepted to USENIX NSDI 2027

Constitutional governance for societies of AI agents in the built environment: a research agenda

建筑环境中人工智能代理社会的宪法治理：一项研究议程

Ali Ghoroghi

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

AI总结 本文针对建筑环境中人工智能代理社会的治理提出研究议程，围绕深度不确定性下改造的机制设计、建筑运营中代理的物理信息验证、冲击下城市基础设施的抗脆弱协调三个问题，借鉴多代理系统研究成果，阐述基础、识别问题并概述相关要求。

Comments 23 pages, 2 figures. Supplementary material is included in the same PDF

Artificial Intelligence for Mathematical Reasoning: An Integrated Survey of Language Models, Neuro-symbolic Systems, and Verified Discovery

人工智能数学推理：语言模型、神经符号系统与验证发现的综合综述

Syed Rifat Raiyan, Mohsinul Kabir, Hasan Mahmud, Md Kamrul Hasan, Sophia Ananiadou

机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Cambridge（剑桥大学） ； University of Toronto（多伦多大学） 纠错

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

AI总结 本文综述了数学推理领域从早期规则系统到当代推理模型、多智能体系统及验证发现工作流的演变，沿非正式推理、形式推理、数学发现及推理技术四轴组织，并评估了基准测试、失败模式及未来方向。

Comments Under review, 47 pages, 14 figures, 22 tables

Commitment To Cooperation With Self-Negotiated Contracts

通过自我协商合同实现合作承诺

Tim Wyse, Kaitlin Bustos, Yulia Volkova, Max Kleiman-Weiner

机构 * University of Washington（华盛顿大学） 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 研究人工智能代理在多智能体世界中的合作问题，借鉴法律制度和契约，通过在时空博弈\CT中研究基于大型语言模型的代理使用不同合同表示，发现自我协商合同可改善合作结果。

What Can I Edit? Open-Ended Strategy Discovery and the Emotion Editability Landscape

我能编辑什么？开放式策略发现与情感可编辑性景观

Qing Li, Zeyu Dong, Yin Cui, Chuan Yan, Xiaojiang Peng

机构 * School of Artificial Intelligence, Shenzhen Technology University（深圳技术大学人工智能学院） ； School of Innovation Design, Shenzhen Technology University（深圳技术大学创新设计学院） ； Stanford University（斯坦福大学） 纠错

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

AI总结 研究情感图像编辑，EmoScope多智能体框架将任务转变为‘能编辑什么’，先发现可编辑空间，再平衡内容与情感，通过情感条件作用的可供性推理选择策略，在大规模评估中受青睐，还指出相关指标盲点及优势变化情况。

A funny companion: Distinct neural responses to AI- versus human-attributed humor

一个有趣的伙伴：对人工智能与人类归因幽默的不同神经反应

Xiaohui Rao, Hanlin Wu, Zhenguang G. Cai

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

AI总结 研究人们对AI与人类归因幽默的神经反应，用EEG对比处理双关语及对照的方式，发现AI归因幽默使N400效应减弱、LPP增强，个体差异影响神经反应，凸显大脑对新幽默源的适应及幽默在人机互动中的作用。

SimBEV2X: A Large-Scale Dataset and Data Generation Tool for Multi-Task Vehicle-to-Everything Cooperative Perception

SimBEV2X：用于多任务车联网协同感知的大规模数据集与数据生成工具

Goodarz Mehr, Sepideh Gohari, Montasir Abbas, Azim Eskandarian

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

AI总结 研究针对V2X协同感知算法发展受限问题，介绍基于CARLA模拟器的SimBEV2X数据生成工具及数据集，通过它建立基线并提出CoBEVFusion架构，实现上下文感知多智能体特征聚合，性能优越。

Comments Submitted to IEEE for review

Mwando: Leveraging AI to Preserve and Teach shiKomori

Mwando：利用人工智能保护和教授希科莫里语

Naira Abdou Mohamed, Haidar Nassur Said Ali, Mohamed Hazra, Naoufal Mohamed Soibira, Roushnaty Ali Yamani

机构 * CP2BM Lab - Hassan II University（哈桑二世大学CP2BM实验室） ； Ibn Tofail University（伊本·图法伊勒大学） ； Sciences Po Grenoble（格勒诺布尔政治学院） 纠错

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

AI总结 研究旨在利用人工智能保护和教授希科莫里语，通过构建知识库和采用多智能体架构实现。对500个查询评估显示在词汇和语法方面性能良好，定性研究展示了能力与局限，为低资源语言开发教育工具提供蓝图。

AIR-BENCH Live: An Evolving Safety Benchmark for Foundation Models

AIR-BENCH Live：基础模型不断演进的安全基准测试

Rohan Naphade, Minzhou Pan, Bo Li

机构 * Virtue AI（美德人工智能公司） ； Carnegie Mellon University（卡内基梅隆大学） ； Northeastern University（东北大学） ； University of Chicago（芝加哥大学） ； University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 研究针对基础模型安全基准测试随模型和法规发展而不足的问题，提出AIR-BENCH Live，通过自动化更新管道和多智能体算法更新提示，扩展了基准测试风险数量，评估模型发现安全范围广等结果，使其能随领域发展。

Comments 11 pages, 7 figures, 3 tables

Chart Deception in Vision-Language Models: From Vulnerability to Mitigation

视觉语言模型中的图表欺骗：从漏洞到缓解

Ridwan Mahbub, Mohammed Saidul Islam, Md Tahmid Rahman Laskar, Mizanur Rahman, Mir Tafseer Nayeem, Enamul Hoque

机构 * York University（约克大学） ； University of Alberta（阿尔伯塔大学） 纠错

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

AI总结 研究视觉语言模型对图表欺骗的鲁棒性，引入VisDeception基准和欺骗分数，发现模型易受影响，提出推理时多智能体缓解框架，揭示可靠性差距，确立相关评估及推理方向以开发更可信的视觉分析VLM。

A Self-Evolving Default Action for Cooperative Tasks with Continuous Action Space

具有连续动作空间的合作任务的自进化默认动作

Shuangyao Huang

机构 * XJTLU（西交利物浦大学） 纠错

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

AI总结 研究连续动作空间合作任务中反事实信用分配难题，提出SAFE框架，利用自进化默认动作构建反事实基线，解决偏差和收敛问题，实验证明其性能优于现有模型。

Graph Feedback Controls Consensus and Clique Formation in Open-Weight Language-Model Populations

开放权重语言模型群体中的图反馈控制共识与团形成

Samer Saab, Chaouki Abdallah

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

AI总结 研究开放权重语言模型群体中惯例形成，通过命名游戏协议，利用受限首令牌分数构建状态相似性图，对比不同路由方式在多模型网格中的表现，发现保留历史有助于趋向共识，相关特征可用于诊断。

Comments Revised and expanded version with additional matched routing controls, population-composition experiments, consensus-persistence analyses, task-grounded evaluations, and expanded reproducibility details

From Context to Skills: Can Language Models Learn from Context Skillfully?

从上下文到技能：语言模型能否从上下文中熟练学习？

Shuzheng Si, Haozhe Zhao, Yu Lei, Qingyi Wang, Dingwei Chen, Zhitong Wang, Zhenhailong Wang, Kangyang Luo, Zheng Wang, Gang Chen, Fanchao Qi, Minjia Zhang, Maosong Sun

机构 * THU（清华大学） ； DeepLang AI ； UIUC（伊利诺伊大学香槟分校） ； FDU（福建大学） ； CUHK（香港中文大学） 纠错

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

AI总结 提出Ctx2Skill框架，通过多智能体自博弈和跨时间回放机制，自动从上下文中发现、提炼和选择技能，提升语言模型在复杂上下文中的学习能力。

Consistent Opponent Modeling in Imperfect-Information Games

不完全信息博弈中的一致对手建模

Sam Ganzfried

机构 * Ganzfried Research（甘兹弗里德研究） 纠错

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

AI总结 针对不完全信息博弈中现有对手建模方法无法保证收敛到对手真实策略的问题，提出一种基于序列形式博弈表示和投影梯度下降的凸优化算法，实现高效且一致的对手建模。

Decentralised Consensus Learning Networks: SME Rotation Without Centralised Reward

去中心化共识学习网络：无需集中奖励的主题专家轮换

Florin Neagu

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

AI总结 研究提出去中心化多智能体学习框架，智能体通过加权社会共识更新信念，信任依同伴一致性推断的能力分配。经多场景模拟运行评估，发现SME轮换具多种特性，高维时知识集中于单个智能体，解释为去中心化学习的涌现属性。

Algorithms for Equilibria in Concurrent Stopping Games

并发停止博弈中的均衡算法

Léonard Brice, Thomas A. Henzinger, K. S. Thejaswini

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

AI总结 研究并发停止博弈中均衡算法，通过放宽精确性考虑近似约束存在问题，给出指数时间算法并证明其\(\PSPACE\)-难下界，还通过转向极端风险敏感均衡，证明其约束存在问题在并发博弈中是\(\NP\)-完全的。

SHARE: Towards Head-Mounted AR with User-Centric SLAM in Shared Human-Robot Workspaces

SHARE：在共享人机工作空间中实现以用户为中心的头戴式AR与SLAM

Tianyuan Du, Tianyi Hu, Hanting Ye, Maria Gorlatova

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

AI总结 研究针对共享人机工作空间中现有多智能体SLAM系统忽略异构智能体不同延迟要求的问题，设计实现SHARE系统。该系统以用户为中心，构建体验模型并调整传输优先级，利用视觉特征冗余降低延迟，实际部署效果良好，提升了用户感知。

Comments 28 pages, 15 figures, 1 table

Child-Oriented AIGC Video Risk Reviewing: A Benchmark and Knowledge-Supported Iterative Reasoning Framework

面向儿童的AIGC视频风险审查：一个基准和知识支持的迭代推理框架

Lewen Mi, Manyi Li, Yuling Sun, Yufan Zhang, Yuxin Shi, Yulong Bian, Xiangxian Li, Juan Liu

机构 * Shandong University（山东大学） ； Fudan University（复旦大学） ； Beijing Jiaotong University（北京交通大学） 纠错

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

AI总结 研究面向儿童的AIGC视频审查问题，构建CAVSR基准和分层风险分类法，提出结合多智能体协作与知识经验的QVRS-E框架，实验证明该方法能增强儿童相关风险审查，产生更可靠报告。

Robustness and Centrality in Markov-switching Networks

马尔可夫切换共识网络中的鲁棒性与领导力

Sarah H. Cen, Vaibhav Srivastava, Naomi Ehrich Leonard

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

AI总结 研究马尔可夫切换图下多智能体系统在连续和离散时间中的鲁棒性，推导稳态协方差表达式，并扩展静态图的鲁棒性概念到切换图场景。

Comments An extended version of an earlier IEEE CDC paper