AI Agent

GRPO Does Not Close the Multi-Agent Coordination Gap

GRPO 并未缩小多智能体协调差距

Najmul Hasan, Prashanth BusiReddyGari

机构 * Department of Mathematics and Computer Science University of North Carolina at Pembroke（数学与计算机科学系北卡罗来纳大学帕克维尔分校） 纠错

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

AI总结 通过哲学家就餐问题测试大语言模型的多智能体协调能力，发现GRPO训练无法显著提升性能，瓶颈在于训练方法而非计算量。

Comments 15 pages, 15 figures

Representational Similarity and Model Behavior in Multi-Agent Interaction

多智能体交互中的表征相似性与模型行为

Yujin Potter, Seun Eisape, Shiyang Lai, Alexander Huth, James Evans, Been Kim, Jacob Eisenstein, Dawn Song, Alane Suhr

机构 * University of Washington（华盛顿大学） 纠错

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

AI总结 研究LLM对间的表征相似性对合作与创新的影响，发现高相似性促进合作但降低新颖性，且早期层相似性关联最强。

Comments ICML 2026

Beyond Goodhart's Law: A Dynamic Benchmark for Evaluating Compliance in Multi-Agent Systems

超越古德哈特定律：多智能体系统中合规性评估的动态基准

Yiyang Zhao, Zhuo Zhang, Qingxuan Le, Lizhen Qu, Zenglin Xu

机构 * Fudan University（复旦大学） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Monash University（莫纳什大学） 纠错

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

AI总结 针对多智能体系统在压力下可能违反安全规则的问题，提出MAC-Bench动态对抗基准，通过SERV流水线生成无污染场景，并引入CSR和MG指标评估前沿模型的合规性。

FineGen: A VLM-based Multi-Agent Framework for Fine-Grained Image-Text Dataset Construction

FineGen：基于VLM的多智能体框架用于细粒度图像-文本数据集构建

Chang Kong, Yuebing Li, Peng Mo, Haigang Zhang, Qiuming Luo

机构 * Shenzhen Polytechnic University（深圳职业技术大学） ； Institute of Applied Artificial Intelligence of the Guangdong-Hong Kong Macao Greater Bay Area（粤港澳大湾区应用人工智能研究所） ； Shenzhen University（深圳大学） 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FineGen框架，通过生成-验证-校正流水线和闭环反馈机制自动构建含硬负样本的细粒度数据集，在ImageNet上构建FineGen-100K，硬样本准确率提升14.4%。

Comments 15 pages, 2 figures, conference

MADRAG: Multi-Agent Debate with Retrieval-Augmented Generation for Training-Free Analytic Essay Scoring

MADRAG: 基于检索增强生成的多智能体辩论用于免训练分析性论文评分

Ali Keramati, Shiyuan Zhou, Sharad Mehrotra, Mark Warschauer

机构 * University of California, Irvine（加州大学尔湾分校） 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MADRAG框架，结合多智能体辩论与检索增强，通过倡导者、批评者和法官的交互以及检索示例校准，实现无需训练的论文评分，性能接近监督系统。

Comments 21 pages, 7 figures, 14 tables

Poor Man's Agentic Modeling: Simulating Large LLM-Agent Societies on a Laptop

简易智能体建模：在笔记本电脑上模拟大型大语言模型（LLM）智能体群体

Igor Itkin

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

AI总结 该研究提出用低成本拟合的低参数模型替代LLM智能体，可在笔记本电脑上模拟任意数量的LLM智能体群体，通过「交互顺序×记忆」分类法验证了该方法在多个LLM模拟上的有效性。

Comments 25 pages, 12 figures. Code and data at github.com/YehudaItkin/poor-mans-agentic-modeling; systematic review and pre-registration archived at Zenodo (doi:10.5281/zenodo.21198322, doi:10.5281/zenodo.21340310)

Unified Agent: Managing Interactions across Devices

统一智能体：管理跨设备交互

Xinshuang Liu, Runfa Blark Li, Shaoxiu Wei, Xin Lin, Truong Nguyen

机构 * University of California, San Diego（加利福尼亚大学圣迭戈分校） 纠错

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

AI总结 本文针对现有智能体跨设备交互场景的不足，提出带紧凑状态设计的统一智能体，构建对应基准数据集，其性能显著优于多种现有设计，且在不同MLLM设置下表现鲁棒。

Agentic Metaverse Services: A New As-a-Service Paradigm

智能体元宇宙服务：一种新的即服务范式

Xiaofei Xu, Quan Z. Sheng, Zhongjie Wang, Boualem Benatallah, Xiao Wang, Ruipeng Han

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

AI总结 该研究提出智能体元宇宙服务（AMServ）与元宇宙环境下的智能体即服务（Meta-AaaS）新范式，概述其特征、原理、应用实例，指出发展趋势，将推动AI时代新兴服务产业发展。

Comments 11 pages, 5 figures; Accepted at the 2026 IEEE International Conference on Web Services (ICWS 2026); Corresponding author: Prof. Xiaofei Xu

AgentRiskBOM: A Risk-Scoping Security Bill of Materials for Agentic AI Systems

AgentRiskBOM：面向智能体AI系统的风险范围安全物料清单

Srimonti Dutta, Akshata Kishore Moharir

机构 * WAI USA Research Labs（WAI美国研究实验室） ； WAI USA（WAI美国） 纠错

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

AI总结 提出AgentRiskBOM，一种扩展SBOM/AIBOM/MLBOM的安全物料清单，通过添加运行时权限字段（自主性、工具权限、内存、凭证范围等）来填补智能体AI系统的能力透明度缺口，并在13个开源智能体上验证其覆盖率和检测能力。

Comments Accepted at IEEE International Conference on Cybersecurity and AI-Based Systems (Cyber-AI 2026)

Agentic Discovery of Non-Canonical Antimicrobial Peptides with AMPGAN v3

AMPGAN v3 的非经典抗菌肽智能发现

Jay Jung, Xiaohan Zhang, Shenghan Song, Mahmoud Sayedahmed, Chijian Xiang, Yunong Xu, Ahmed AbdelKhalek, Severin T. Schneebeli, Matthew J. Wargo, Jianing Li, Safwan Wshah

机构 * University of Vermont（弗吉尼亚大学） ； Larner College of Medicine, University of Vermont（弗吉尼亚大学医学学院） ； Purdue University（普渡大学） ； Department of Comparative Pathobiology（比较病理科部门） ； Department of Horticulture and Landscape Architecture（园艺与景观建筑部门） ； Department of Industrial and Molecular Pharmaceutics（工业与分子药学部门） 纠错

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

AI总结 提出 AMPGAN v3，一种多目标条件 GAN，扩展生成词汇至 D-氨基酸和末端修饰，通过双判别器提升稳定性，体外验证显示对革兰氏阳性菌有活性，并引入 PepCraft 多智能体框架用于端到端发现。

Comments Presented at the GenBio Workshop, ICML 2026

Autonomous Incident Resolution at Hyperscale: An Agentic AI Architecture for Network Operations

超大规模下的自主事件解决：面向网络运维的智能体AI架构

Arun Malik

机构 * Arun Malik 纠错

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

AI总结 提出一种多智能体编排框架，通过分层分解、技能调用、知识编码和渐进自主，在超大规模云网络中实现90%以上常见事件的自主解决，并保障安全。

Comments 7 pages, 6 figures

Consensusability of Continuous-Time Multi-Agent Systems With Unbounded Heterogeneous Constant Delays: A Signed Laplacian Perspective

具有无界异构常时滞的连续时间多智能体系统的一致性能力：符号拉普拉斯视角

Yue Song, Mengqi Xue, Jiazuo Hou, Yuxi Lu, Qi Liu

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

AI总结 该研究结合频域分析与代数图论，构建符号拉普拉斯算子，推导时滞下连续时间多智能体系统的一致性条件，为时滞一致性机制提供新视角。

Comments 9 pages, 4 figures

Journal ref IEEE Transactions on Automatic Control, 2026

Multi-Agent Reinforcement Learning for Joint Handover Management and Power Allocation in Multi-Orbit Satellite Networks

面向多轨道卫星网络中联合切换管理与功率分配的多智能体强化学习

Yassine Afif, Ashutosh Balakrishnan, Philippe Martins, Mohammed Almekhlafi, Antoine Lesage-Landry, Gunes Karabulut Kurt

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

AI总结 针对多轨道卫星网络的联合切换管理与功率分配问题，提出结合MAPPO与TarMAC的多智能体强化学习策略，在保证接近贪心方案吞吐量的同时大幅减少切换次数，性能优于仅低轨方案与保守停留策略。

Submodular Policy Learning for Distributed Task Allocation in Open Multi-Agent Systems

开放多智能体系统中分布式任务分配的次模策略学习

Jing Liu, Luca Ballotta, Yangyang Yang, Fangfei Li, Yang Tang, Ruggero Carli

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

AI总结 本文针对开放多智能体系统分布式任务分配问题，提出SubMAPL方法，通过划分多线性扩展解决次模函数松弛与分类策略不匹配问题，在多智能体覆盖任务上性能优于基线方法。

XAI-Guided Conservative Decentralized Execution for Offline Multi-Agent Network Slicing

面向离线多智能体网络切片的可解释人工智能引导保守式分散执行

Eslam Eldeeb, Hatim Chergui, Merouane Debbah

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

AI总结 该研究针对离线多智能体网络切片的资源分配问题，提出XAI引导的保守式分散执行方法，实现零资源冲突，降低信令开销与88%的有效推理延迟。

PSPACE-Completeness of Multi-Agent Path Finding for Large Agents

大智能体的多智能体路径寻路问题的PSPACE完全性

Maichi Zhang, Naoyuki Kamiyama, Kanae Yoshiwatari

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

AI总结 本文针对大智能体的多智能体路径寻路（LA-MAPF）问题，通过多项式时间归约从受限滑动令牌证明其为PSPACE完全，强化了该问题为NP难的已有结论。

Do LLMs Beat Nash? Testing Decentralized Coordination in Self-Play Multi-Agent Games

大型语言模型智能体能胜过纳什（均衡）吗？测试自玩多智能体游戏中的去中心化协调

Deborah Sinishaw, Qile Zhu, Edwin Meriaux, Gregory Dudek

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

AI总结 该研究测试无通信时LLM智能体能否超越纳什均衡，构建无通信博弈基准发现部分前沿托管模型可超越纳什，开放权重模型收益有限且无法迁移至多智能体团队。

Comments 5 pages, 5 figures. Submitted to the 2026 IEEE MIT Undergraduate Research Technology Conference (URTC)

Distance-Based Formation Control with Prescribed Performance for Higher-Order Multi-Agent Systems

高阶多智能体系统的具有指定性能的基于距离的编队控制

Janina Schaa, Maria Charitidou, Dimos Dimarogonas, Thomas Berger

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

AI总结 针对相对阶大于1的未知非线性多智能体系统，提出分布式无模型控制律，实现基于距离的编队控制，保证误差满足指定约束且信号有界，通过仿真验证了方法有效性。

"Pharos Night: Crown Pursuit": An AI-Native Deck-Building and Tactical Arena Game Design Based on Multi-Agent Systems

《Pharos Night：皇冠追逐》：一款基于多智能体系统的原生AI卡组构建与战术竞技场游戏设计

Ting-Chen Hsu, Jueyao Liu, Yanzi Zhou, Jiangxu Lin, Haoyu Xu, Yuwen Liu, Yanjia Liu, Bangjing Xu

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

AI总结 该研究设计了基于多智能体系统的原生AI卡组构建与战术竞技场游戏《Pharos Night：皇冠追逐》，利用大语言模型实现核心功能，小规模试玩显示其能提供有策略性的游戏体验，也暴露出相关挑战，展现了多智能体生成式AI在游戏设计中的潜力。

Comments Accepted to 2026 Annual Symposium on Computer-Human Interaction in Play (CHI Play)

Scalable Multi-Agent Maze Traversal with Local Communication

带局部通信的可扩展多智能体迷宫遍历

Julian Rau, Jahir Argote-Gerald, Grace McFassel, Genki Miyauchi, Paul Trodden, Roderich Groß

机构 * Technical University of Darmstadt（达姆施塔特工业大学） ； The University of Sheffield（谢菲尔德大学） ； University of Bristol（布里斯托尔大学） 纠错

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

AI总结 针对通信受限的未知迷宫环境，提出基于局部通信与主从机制的分布式多智能体遍历算法，其性能接近最优全知策略，且在多智能体场景下优于朴素基线。

Comments This manuscript has been accepted for publication in the proceedings of the World Symposium on the Algorithmic Foundations of Robotics (WAFR 2026), to be published by Springer in the Springer Proceedings in Advanced Robotics (SPAR) series

Multi-Agent Target-Existence Verification and Learned Mask Geometry Refinement: Winning Report of the MeViS-Text Track at the 8th LSVOS Challenge 2026

多智能体目标存在性验证与学习型掩码几何优化：2026年第8届LSVOS挑战赛MeViS-Text赛道获胜报告

Jungyoon Lee, Gyuil Lim, Doeon Kim, Seong-heum Kim

机构 * Soongsil University（崇实大学） 纠错

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

AI总结 本研究提出SSUPER方案，通过多智能体审计解耦存在性验证、StyleRefiner优化掩码几何，获2026年LSVOS挑战赛MeViS-Text赛道冠军，最终得分0.9081339614。

A Frequency-Space Terahertz Transceiver Chip for Multi-Agent Communications and Spatial Awareness

面向多智能体通信与空间感知的频域太赫兹收发芯片

Xiaoyue Xia, Zhicheng Lin, Hao Guo, Siran Wang, Jingyuan Zhang, Xinyu Fang, Ka Fai Chan, Shum Kam Man, Geng-Bo Wu, Chi Hou Chan

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

AI总结 该研究开发了一款208-258GHz的65nm CMOS太赫兹收发芯片，通过异质漏波超表面实现频率控制波束扫描，支持多智能体通信与空间感知，为太赫兹具身智能网络提供可扩展硬件平台。

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。

Uplink-Completion-Triggered Edge-GPU Inference for Multi-Agent Cooperative Perception

上行完成触发的边缘GPU多智能体协同感知推理

Sai Xu, Yanan Du, Chong Tang, Gaojie Chen

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

AI总结 本文提出释放触发通信计算耦合（RTCC）方法，在物理GPU上实现多智能体协同感知DNN的上行完成触发推理，可降低检测延迟且保持检测性能。

Per-Shipment Multi-Agent Reinforcement Learning for Intermodal Freight Routing Under Hurricane Disruption

飓风中断下的分货多智能体强化学习联运货运路径规划

Aliza Sharmin, Xudong Wang, Mustafa Can Camur, Xueping Li

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

AI总结 针对飓风破坏下的联运货运路径规划问题，研究将其建模为Dec-POMDP，训练IPPO并与启发式方法对比，发现IPPO在吞吐量和交付率上占优，在需求激增时优势更显著，MAPPO则存在队列不匹配的局限性。

M$^3$Prune: Hierarchical Collaborative Pruning for Efficient Multi-Modal Multi-Agent Retrieval-Augmented Generation

M³Prune：面向高效多模态多智能体检索增强生成的分层协同剪枝

Taolin Zhang, Weizi shao, Zijie Zhou, Chen Chen, Daiyang Yu, Tingyuan Hu, Chengyu Wang, Xiaofeng He

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

AI总结 M³Prune是优化多模态多智能体检索增强生成的分层协同剪枝框架，通过剪枝冗余通信边提升性能与token效率，实验中优于单智能体及多智能体基准系统。

Comments Accepted by ACM MM2026

Certifying Collective Reasoning in Multi-Agent Systems via Koopman Spectral Analysis

基于Koopman谱分析的多智能体系统集体推理验证

Nuzhat Khan, Indrakshi Dey

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

AI总结 本文提出基于Koopman算子理论的框架，通过分析多智能体集体的Koopman转移算子谱，实现对其推理收敛时间、派系及决策的可验证，在注意力共识模型上验证了方法的有效性，且运行高效。

PRIMAL3: Pathfinding via Reinforcement and Imitation Multi-Agent Learning - Leveraging LaCAM3

PRIMAL3：基于强化学习与模仿的多智能体路径规划——利用LaCAM3

Chengyang He, Tanishq Duhan, Gadiel Sznaier Camps, Fangyuan Wang, Yuhong Cao, Jiankai Sun, Ge Sun, Mac Schwager, Guillaume Sartoretti

机构 * National University of Singapore（新加坡国立大学） ； Stanford University（斯坦福大学） ； 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)

AI总结 PRIMAL3是整合强化学习、LaCAM3等的超大规模多智能体路径规划框架，性能优于现有基线，可扩展至10万智能体，能部署于物理机器人系统

Comments Under Review

Responsibility in Multi-Agent Sequential Decision-Making: Comparing Human Judgments to Formal Models of Causal Attribution

多智能体序贯决策中的责任归属：人类判断与因果归因形式模型的比较

Nripsuta Ani Saxena, Stelios Triantafyllou, Goran Radanović

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

AI总结 本研究对比了多智能体序贯决策中责任归因的形式模型与人类判断的契合度，通过大规模调查和Goofspiel实验识别出影响人类责任判断的关键因素。

SABRE: A Multi-Agent Approach for Selecting Out-of-Distribution Detectors Under a Budget

SABRE：预算约束下选择分布外检测器的多智能体方法

Mary Wisell, Salimeh Sekeh

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

AI总结 SABRE是一种多智能体方法，可在预算约束下针对视觉-语言模型的分布外检测，自动选择各领域最优检测器，解决固定检测器跨领域失效的问题，实现可靠检测。