AI Agent

GAM-Agent: Game-Theoretic and Uncertainty-Aware Collaboration for Complex Visual Reasoning

GAM-Agent：面向复杂视觉推理的博弈论与感知不确定性感知协作框架

Jusheng Zhang, Yijia Fan, Wenjun Lin, Ruiqi Chen, Haoyi Jiang, Wenhao Chai, Jian Wang, Keze Wang

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

AI总结 该研究提出GAM-Agent博弈论多智能体框架，通过基础感知智能体与关键验证智能体的非零和博弈及不确定性感知协作，在四个视觉推理基准上显著提升了中小及强规模VLM的性能，为可靠可解释多模态推理提供了新路径。

Comments Accepted at NeurIPS 2025. Code available at https://github.com/jushengzhang/Gam-Agent

Mind Viruses: Self-Propagating Ideas in Multi-Agent LLM Systems

思维病毒：多智能体大语言模型系统中的自传播思想

Vassilis Papadopoulos, McNair Shah, Sam Zimmerman, Jack Lindsey

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

AI总结 本研究提出多智能体LLM系统中的思维病毒概念，构建其进化算法模型，发现其传播受宿主模型等因素影响，添加系统警告可免疫，为设计更稳健的多智能体系统提供依据。

Who Are You Explaining To? A Multi-Agent System for Audience-Aware XAI Narratives

你在向谁解释？面向受众感知的XAI叙事多智能体系统

Francesco Musicco, Danilo Danese, Giuseppe Fasano, Angela Lombardi, Alberto Carlo Maria Mancino, Tommaso Di Noia

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

AI总结 针对现有XAI叙事无法适配不同受众的问题，提出XstrAI多智能体框架，结合三类LLM智能体与修正循环，在糖尿病、中风风险预测任务中，其叙事适配性与保真度优于多数基线。

Beyond Cash Flows: A Multi-Agent AI Framework for Valuing Clinical-Stage, Cross-Border Biotechnology

超越现金流：用于临床阶段跨境生物技术估值的多智能体AI框架

Yuhan Fang

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

AI总结 本文针对临床阶段生物技术估值的现金流假设失效问题，提出多智能体AI框架，其含估值层、跨市场协调层与冲突融合机制，基于作者过往实践确立智能体投资系统设计原则。

Robust Multi-Agent Bandits with Heavy-Tailed Rewards and Information Asymmetry

具有重尾奖励和信息不对称的鲁棒多智能体多臂老虎机

Daphne Feng, Ricardo Parada, Lily Jiang, Sophia Yi, William Chang

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

AI总结 该研究针对重尾奖励和信息不对称的多智能体多臂老虎机问题，为三种信息不对称场景开发鲁棒分散式算法，通过实验验证了理论结果并阐明相关权衡。

Bandwidth-Efficient Multi-Agent Communication through Information Bottleneck and Vector Quantization

通过信息瓶颈和向量量化实现带宽高效的多智能体通信

Ahmad Farooq, Kamran Iqbal

机构 * Department of Electrical and Computer Engineering, University of Arkansas at Little Rock（电气与计算机工程系，阿肯色大学小岩分校） 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 本研究通过信息瓶颈与向量量化方法，实现多智能体通信的带宽高效优化，提升协调性能并减少带宽消耗。

Comments Accepted at IEEE ICRA 2026, Vienna, Austria. 8 pages, 4 figures, 4 tables. v2: replaces v1 with the accepted camera-ready version and corrects a typo in the bandwidth reduction (41.4% -> 71.4%) in the abstract, Sec. I, Fig. 2 caption, Sec. VI and Sec. VII. Sec. V-A and Table I (800 vs 2800 bits/episode) were already correct; no results or conclusions changed

ForestBench: A Unified Graph Framework for Evaluating Multi-Agent Collaboration

ForestBench：用于评估多智能体协作的统一图框架

Guo Chen, Ziwen Li, Reed Li, Yu Lu, Haibo Shi, Bingbing Xu, Junjie Huang

机构 * Southwest University（西南大学） ； Tencent（腾讯） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） 纠错

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

AI总结 研究针对多智能体系统异构轨迹评估的问题，提出ForestBench框架，将MAS轨迹映射为统一协作图，筛选844个查询并预计算参考图，可快速评估MAS协作。

MasDrift: Benchmarking Authorization Preservation Across Multi-Agent Architectures

MasDrift：跨多智能体架构的授权保留基准测试

Zhuoning Xu, Xiucheng Zhang, Hanjun Luo, Yingbin Jin, Yinpeng Dong, Hanan Salam

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

AI总结 MasDrift是含600项任务的多智能体授权保留基准，对比不同架构的任务完成与授权表现，发现集中式架构完成率更高但未授权操作更多，两种防御方法各有优劣，揭示了多智能体设计的集中化权衡。

Comments preprint

ASCon: A Direction-Aware Reciprocal Agent--Step Contextualization Model for Failure Attribution in Multi-Agent Systems

ASCon：面向多智能体系统故障归因的方向感知互惠智能体-步骤上下文模型

Shuyu Jiang, Yue Ran, Kaiyu Xu, Xingshu Chen, Yi Zhang, Hao Ren, Rui Tang, Tianwei Zhang

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

AI总结 该研究针对多智能体系统故障归因中不同目标间证据依赖关注不足的问题，提出ASCon模型，通过方向感知图注意力等技术聚合轨迹证据，提升了故障智能体、步骤、模式的检测性能及域外归因能力。

RankFormer: A Propose-then-Select Transformer for Multi-Agent Multimodal Trajectory Prediction

自发现意图感知变换器用于多模态车辆轨迹预测

Diyi Liu, Zihan Niu, Tu Xu, Xingchen Zhang, Lishan Sun

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

AI总结 本文提出一种基于Transformer的多模态车辆轨迹预测模型，通过分离空间模块和轨迹生成模块提升预测性能，并通过预测残差偏移学习有序轨迹。

Comments 11 pages, 5 figures

MAP-Graph: Provenance-Aware Shared Memory for Multi-Agent Workflows

MAP-Graph：面向多智能体工作流的溯源感知共享内存

Yiqi Wang, Zihao Yan, Jiaqi Zhang, Zhangkai Wu, Mingkai Zheng, Zequn Sun, Yanming Zhu, Taotao Cai

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

AI总结 MAP-Graph是面向多智能体工作流的溯源感知共享内存层，通过类型化执行图追踪谱系并结合风险敏感门控，在2700个合成任务的基准测试中取得优异性能，可作为操作控制信号保障智能体工作流的安全与效率。

Automating and Scaling Behavioral Scientific Research on AI Agents

自动化与规模化针对AI智能体的行为科学研究

Soo Yong Lee, Jongha Lee, Jaewan Chun, Hyunjin Hwang, Fanchen Bu, Ziv Ben-Zion, Taekwan Kim, Denny Borsboom, Jaemin Yoo, Kijung Shin

机构 * KAIST（韩国科学技术院） ； Yale（耶鲁大学） ； University of Haifa（海法大学） ； UCL（伦敦大学学院） ； UvA（阿姆斯特丹大学） ； SNU（首尔大学） 纠错

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

AI总结 研究人员开发AEROBAT多智能体系统，自动化AI智能体行为科学研究流程，经实验验证其可生成测试假设、开展大量对照实验与模拟，能补充拓展人工研究。

Comments preprint

MEGA: Self-Evolving Agent Optimization Infrastructure via Wisdom Graph

MEGA：基于智慧图的自进化智能体优化基础设施

Jung Hwan Lee, Kyu Ho Lee, Gwang Hoon Yoo

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

AI总结 MEGA是一种自进化智能体优化基础设施，通过三层架构实现智慧积累、组合推理与自进化，可系统性优化异构智能体系统，将优化与知识进化融为一体。

Comments 29 pages, 10 figures. Technical report

Coordinating the Unknown Lipschitz Constant in Multiplayer Bandits

协调多人老虎机中的未知利普希茨常数

Ricardo Parada, Chenzhang Zhao, William Chang

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

AI总结 针对连续动作空间中利普希茨常数未知的协作多智能体老虎机问题，设计适配三种信息结构的算法，证明共享奖励或可观测动作可免费达成离散化一致性，否则通过抖动量化估计值达成且不增加悔的主阶成本。

TRIBE: Predicting Team Performance via Communication Behavior Ensembles

TRIBE：通过通信行为集成预测团队绩效

Ali Jalal-Kamali, Nikolos Gurney, David V. Pynadath, Fred Morstatter

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

AI总结 该研究提出与领域无关的TRIBE方法，通过通信模式可在任务早期预测团队绩效，经四数据集测试、与Llama对比及流程优化，实现性能提升与加速，还揭示了AI智能体对团队行为的影响。

Resolving Envy by Adding Goods with Bounded Supply: A Type-Count Dichotomy and Two-Agent Hardness

通过添加有限供应的商品来消除嫉妒：类型计数二分法与两智能体的难解性

Chuang-Chieh Lin, Guillaume Fertin, Po-An Chen, Stéphane Vialette, Géraldine Jean, Emile Benoist, Colin Cleveland

专题命中 多智能体 ：agent(title)

AI总结 该研究针对有限供应下通过添加商品消除嫉妒（EEAG）问题，建立了二元加性估值的类型计数二分法，证明其在两类型等情形下的NP完全性，明确了难解性的两类出现场景。

Partially Observable Learning for Multi-Platform Dispatch Optimization

面向多平台调度优化的部分可观测学习

Fengming Yao, Man Luo

机构 * University of Exeter（埃克塞特大学） 纠错

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

AI总结 本文针对多平台即时配送调度的部分可观测问题，提出POLO框架，通过建模平台-网格智能体、注意力策略表示与反事实奖励塑形，在多场景下实现优于基线的调度性能

Comments 11 pages, 8 figures, 8 tables

Traffic Co-Simulation Framework Empowered by Infrastructure Camera Sensing and Reinforcement Learning

Talha Azfar, Kaicong Huang, Andrew Tracy, Sandra Misiewicz, Chenxi Liu, Ruimin Ke

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

Journal ref Journal of Intelligent Transportation Systems, 2025

An Asynchronous Triggered MAC Protocol for Underwater Acoustic Networks

用于水下声网络的异步触发MAC协议

Bingwen Huangfu, Jiani Guo, Shanshan Song, Nan Sun, Jun Liu

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

AI总结 针对水下声网络MAC协议同步开销大、调度灵活性不足的问题，提出异步触发MAC（AT-MAC），采用异步可变时隙与增强多智能体深度强化学习，结合负载感知公平性机制，提升了信道利用率与公平性。

Complexity of Local Observation Consistency in Discrete-Event Systems

离散事件系统中局部观测一致性的复杂性

Tomáš Masopust

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

AI总结 本文研究离散事件系统中局部观测一致性（LOC）与局部重标注观测一致性（LROC）的复杂性，证明非确定性被控对象下二者为PSpace完全问题，确定性被控对象下可多项式时间判定，为相关控制应用提供理论依据。

Scaling Laws for Majority-based Opinion Dynamics in the Presence of Stubborn Agents

存在固执智能体时基于多数意见动态的标度律

Luke Meredith, Arpan Mukhopadhyay

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

AI总结 该研究探究多智能体系统中固执智能体对意见动态的影响，基于2k-选择规则，发现达到稳态的时间随固执智能体比例存在尖锐相变，边界区域混合时间为多项式级。