AI Agent

Enhancing Energy and Spectral Efficiency in IoT-Cellular Networks via Active SIM-Equipped LEO Satellites

通过有源SIM增强的LEO卫星提升IoT蜂窝网络的能效和频谱效率

Rahman Saadat Yeganeh, Hamid Behroozi, Mohammad Javad Omidi, Mohammad Robat Mili, Eduard A. Jorswieck, Symeon Chatzinotas

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

AI总结 研究利用安装在卫星太阳能板背面的有源堆叠智能超表面（ASIM）结合速率分割多址（RSMA）和共生无线电网络，通过多顺序处理提升信道增益并抑制干扰，采用BCD-SCA、MA-CSAC和MCPPO三种优化方法，实现高能效和频谱效率。

CoCoSI: Collaborative Cognitive Map Construction for Spatial Intelligence

CoCoSI: 面向空间智能的协作认知地图构建

Yiming Zhang, Ruoxuan Cao, Zhihang Zhong

机构 * Shanghai Jiao Tong University（上海交通大学） ； Cornell University（康奈尔大学） 纠错

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

AI总结 提出一种即插即用的多智能体框架，通过协作构建结构化认知地图作为空间记忆，无需修改架构或额外训练即可增强预训练多模态大模型的空间理解能力。

Move Over, Prisoner's Dilemma: Colonel Blotto has arrived

让位吧，囚徒困境：Colonel Blotto 来了

Keith Paarporn, Jason R. Marden

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

AI总结 本文介绍 Colonel Blotto 博弈框架，综述关键分析与计算结果，并展示其在网络安全、网络防御和多智能体系统中的应用，重点探讨相互依赖的对抗目标、替代获胜规则和多智能体竞争环境三个研究方向。

Whispering Water: Materializing Human-AI Dialogue as Interactive Ripples

低语之水：将人机对话物化为交互式涟漪

Ruipeng Wang, Tawab Safi, Yunge Wen, Christina Cunningham, Hoi Ling Tang, Behnaz Farahi

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

AI总结 通过将语音情感转换为激发频率、语义内容输入多智能体LLM系统，以及用对数间距和Bark尺度映射分解合成语音为谐波分量，在物理水面上实现人机对话的物化。

Bounded by Risk, Not Capability: Quantifying AI Occupational Substitution Rates via a Tech-Risk Dual-Factor Model

受风险限制而非能力：通过技术-风险双因素模型量化AI职业替代率

Shuyao Gao, Minghao Huang

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

AI总结 本文通过技术-风险双因素模型量化AI职业替代率，揭示了职业替代并非瞬间发生，而是渐进过程，并指出算法概率无法涵盖专家受专业责任限制的'机构溢价'。

Comments 32 pages, 4 figures. v2: added link to the reproducibility repository (https://github.com/ShuyaoGao/bounded-risk-oai), updated author email, and updated several references

Decentralized End-to-End Multi-AAV Pursuit Using Predictive Spatio-Temporal Observation via Deep Reinforcement Learning

基于深度强化学习的去中心化端到端多无人艇追捕

Yude Li, Zhexuan Zhou, Huizhe Li, Yanke Sun, Yenan Wu, Yichen Lai, Yiming Wang, Youmin Gong, Jie Mei

机构 * School of Intelligence Science and Engineering（智能科学与工程学院） ； Guangdong Key Laboratory of Intelligent Morphing Mechanisms and Adaptive Robotics（广东省智能变形机制与自适应机器人重点实验室） ； Shenzhen Key Lab for Advanced Motion Control and Modern Automation Equipments（深圳先进运动控制与现代自动化设备重点实验室） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

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

AI总结 本文提出一种去中心化端到端多智能体强化学习框架，通过预测时空观测实现自主空中群体在复杂环境中的追捕，提升捕获效率和协同成功率。

Noncooperative Coordination via a Trading-based Auction

基于交易拍卖的非合作协调

Jaehan Im, Filippos Fotiadis, Daniel Delahaye, Ufuk Topcu, David Fridovich-Keil

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

AI总结 提出TACo算法，通过去中心化的交易拍卖机制使非合作智能体无需直接通信即可达成共识，保证有限步内收敛，并实现总成本最小化和公平资源分配。

Pathfinders in the Sky: Formal Decision-Making Models for Collaborative Air Traffic Control in Convective Weather

天空中的探路者：对流天气下协同空中交通管制的正式决策模型

Jimin Choi, Kartikeya Anand, Husni R. Idris, Huy T. Tran, Max Z. Li

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

AI总结 本文通过构建马尔可夫链和决策模型，研究对流天气下探路者操作的多智能体决策问题，分析系统稳态行为、飞行接受行为及探路者选择策略，并基于美国联邦航空管理局数据验证其实际意义。

Journal ref 2025 IEEE 28th International Conference on Intelligent Transportation Systems (ITSC)

Constricting Tubes for Prescribed-Time Safe Control

为指定时间安全控制设计的约束管

Darshan Gadginmath, Ahmed Allibhoy, Fabio Pasqualetti

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

AI总结 本文提出了一种约束控制屏障函数框架，用于具有输入约束的控制仿射系统指定时间控制。通过构造一个随时间变化的安全管，从包含初始条件的放松集缩小到目标集，确保在用户指定的截止时间内恢复。框架通过单个仿射约束每时间步，实现可扩展性。

Comments 8 pages, 6 figures

SSTQ:Privacy-Preserving Vector Quantization via Subsampled Stochastic TurboQuant

SSTQ：基于子采样随机 TurboQuant 的隐私保护向量量化

Adel Javanmard, David P. Woodruff, Vahab Mirrokni

机构 * University of Southern California（南加州大学） ； Google Research（谷歌研究院） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本研究针对分布式优化中隐私保护与通信成本的矛盾，提出 SSTQ 框架，实现了更优的均方误差缩放，在联邦学习任务中展现出良好效用与通信效率。

Comments 42 pages, 4 figures, 2 tables

Emergent Communication in Continuous Worlds: Self-Organisation of Conceptually Grounded Vocabularies at Scale

连续世界中的涌现通信：概念化词汇的大规模自组织

Jérôme Botoko Ekila, Lara Verheyen, Jens Nevens, Katrien Beuls, Paul Van Eecke

机构 * Artificial Intelligence Laboratory, Vrije Universiteit Brussel（自由大学布鲁塞尔人工智能实验室） ； Faculté d’informatique, Université de Namur（纳慕尔大学计算机学院） 纠错

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

AI总结 提出一种通用方法，使自主智能体群体通过局部通信涌现出指向环境中任意实体的语言约定，该方法在37个数据集上验证了可扩展性和鲁棒性。

Comments Accepted for publication in Transactions of the Association for Computational Linguistics (TACL)

LVLMs and Humans Ground Differently in Referential Communication

LVLMs与人类在指称交流中的基础不同

Peter Zeng, Weiling Li, Amie J. Paige, Zhengxiang Wang, Panagiotis Kaliosis, Dimitris Samaras, Gregory Zelinsky, Susan E. Brennan, Owen Rambow

机构 * Department of Computer Science（计算机科学系） ； Department of Psychology（心理学系） ； Department of Linguistics（语言学系） ； Institute for Advanced Computational Science（先进计算科学研究院） 纠错

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

AI总结 通过人类与AI配对的多轮指称交流实验，发现LVLMs无法像人类一样利用共同基础生成和解析指称表达，导致交流不畅。

Comments 27 pages, 16 figures

Interpretation as Linear Transformation: A Cognitive-Geometric Model of Concepts and Meaning

解释作为线性变换：概念与意义的认知几何模型

Chainarong Amornbunchornvej

机构 * National Electronics and Computer Technology Center（国家电子与计算机技术中心） 纠错

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

AI总结 提出一个几何框架，通过线性映射和向量空间建模异构智能体间的概念传递、动机与影响，揭示误解与概念消亡的结构条件，并给出领导力的可达性解释。

Comments The revised draft w.r.t. reviewer comments. The code is at https://github.com/DarkEyes/Cognitive-Geometry

Journal ref Minds and Machines, Volume 36, Issue 3, Article number 36, (2026)

TinyTroupe: An LLM-powered Multiagent Persona Simulation Toolkit

TinyTroupe：一个基于LLM的多智能体人物模拟工具包

Paulo Salem, Robert Sim, Christopher Olsen, Prerit Saxena, Rafael Barcelos, Yi Ding

机构 * Microsoft Corporation（微软公司） ； Dipeak Technology（迪佩克技术） 纠错

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

AI总结 针对现有LLM多智能体系统在细粒度人物模拟方面的不足，提出TinyTroupe工具包，支持详细人物定义和程序化控制，用于行为研究和社会模拟。

Comments 9 pages

In-Context Reinforcement Learning via Communicative World Models

通过通信世界模型进行上下文强化学习

Fernando Martinez-Lopez, Tao Li, Yingdong Lu, Juntao Chen

机构 * Department of Computer and Information Sciences, Fordham University（福特汉姆大学计算机与信息科学系） ； Department of Systems Engineering, City University of Hong Kong（香港城市大学系统工程系） ； IBM Research（IBM研究院） 纠错

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

AI总结 提出CORAL框架，通过将潜在表示学习与控制分离，利用信息代理预训练世界模型并生成通信消息，使控制代理实现零样本适应和样本效率提升。

Symbolic Attack Chain Generation from Atomic Red Team Techniques: An Empirical Study of Predicate Representation Granularity

基于Atomic Red Team技术的符号化攻击链生成：谓词表示粒度的实证研究

Ramya Varunsegar

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

AI总结 本研究对比九类与五类谓词粒度的AALM，发现粒度对攻击链有效性影响小，81.3%结果一致，高粒度仅提升规划论证的内部结构分辨率。

A Machine Learning Surrogate for Component Criticality Ranking in Interdependent Power-Communication Networks

一种用于相互依赖的电力通信网络中组件关键性排序的机器学习代理模型

Sohini Roy, Xheni Hylviu

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

AI总结 研究相互依赖的电力通信网络中组件关键性排序问题，基于改进隐含相互依赖模型开发机器学习代理模型，能从结构特征预测故障严重性并排序，在IEEE 118母线系统上表现良好，支持两阶段工作流程。

Comments Accepted for publication in 2026 IEEE International Conference on Communications, Control, and Computing Technologies for Smart Grids (SmartGridComm): Workshop on Cyber-Physical Power System Resilience: Challenges and Emerging Solutions

Time-varying Mixing Matrix Design for Energy-efficient Decentralized Federated Learning

用于节能分散式联邦学习的时变混合矩阵设计

Xusheng Zhang, Tuan Nguyen, Ting He

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 研究针对无线网络中分散式联邦学习，设计混合矩阵以最小化节点最大能耗。基于新收敛定理提出多阶段设计框架，权衡能耗与收敛速度，平衡节点能耗，经真实数据评估验证了该方案结合稀疏与密集矩阵优势的有效性。

Distributed Dynamic Associative Memory via Online Convex Optimization

通过在线凸优化实现分布式动态关联记忆

Bowen Wang, Matteo Zecchin, Osvaldo Simeone

机构 * Department of Engineering, King’s College London（伦敦国王学院工程系） ； Communication Systems Department, EURECOM（EURECOM通信系统部） ； Institute for Intelligent Networked Systems (INSI) at Northeastern University London（伦敦东北大学智能网络系统研究所） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 研究将关联记忆扩展到多智能体及时变数据流场景的分布式动态关联记忆问题，提出基于树的分布式在线梯度下降算法DDAM-TOGD，推导其性能保证并引入优化策略，实验证明该框架在动态分布式环境中有更高准确性和鲁棒性。

Model-Native Computing Architecture: Envisioning Future System Architecture Through the Lens of Computer Architecture

模型原生计算架构：通过计算机架构的视角展望未来系统架构

Hai Lin, Hoilam Pao, Shaoxiong Zhan, Hai-Tao Zheng

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Pengcheng Laboratory, Shenzhen, China（深圳鹏城实验室） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.AI

AI总结 本文通过类比计算机架构，提出模型原生计算的概念，并设计了一个六层智能计算架构模型（ICAM），以统一解决大语言模型在系统层面面临的缓存、上下文、调度等问题。

Towards a unified user modeling language for engineering human centered AI systems

面向工程化以人为中心的AI系统的统一用户建模语言

Aaron Conrardy, Alfredo Capozucca, Jordi Cabot

专题命中 多智能体 ：agent(abstract)；分类 cs.SE

AI总结 提出统一用户建模语言，整合现有方法，在低代码平台上实现，并用于自动适配对话代理。

Comments Accepted at the Third Workshop on Engineering Interactive Systems Embedding AI Technologies (EISEAIT workshop at EICS 2025)

Reward hacking in physical reinforcement learning revealed by turbulent drag reduction

减阻还是奖励黑客？赚取其奖励的循环多智能体强化学习

Giorgio Maria Cavallazzi, Miguel Pérez-Cuadrado, Alfredo Pinelli

机构 * School of Science and Technology, Department of Engineering, City St. George’s, University of London（伦敦大学科学与技术学院，工程系，圣乔治学院） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 针对壁湍流减阻控制中强化学习奖励与设计目标偏离的问题，提出可微投影、循环策略和真实壁面功率奖励的修正方案，在诚实核算下实现17%的保守减阻。

Near-Optimal Regret for Distributed Adversarial Bandits: A Black-Box Approach

分布式对抗性赌博机问题的近最优遗憾：一种黑盒方法

Hao Qiu, Mengxiao Zhang, Nicolò Cesa-Bianchi

机构 * University of Iowa（爱荷华大学） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 针对分布式对抗性赌博机问题，提出基于延迟反馈黑盒归约的算法，实现遗憾上界显著改进，并给出匹配下界，证明问题难度分解为通信代价和赌博机代价。

Latent Cache Flow: Model-to-Model Communication Without Text

潜在缓存流：无需文本的模型间通信

Maximillian Rossi, Prajwal Raghunath, Eugene Wu

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） 纠错

专题命中 多智能体 ：agent(abstract)；分类 cs.LG

AI总结 提出潜在缓存流（LCF）方法，通过联合翻译和压缩键值缓存实现高效模型间通信，在上下文不同场景下比基于文本的通信准确率提高23%、速度提升8.5倍。

Comments 6 pages, 5 figures

InterSAGE: The Secure and Verifiable Interoperability Protocol for An Internet of Agents

InterSAGE：面向智能体互联网的安全可互操作且可验证的协议

Zhenhua Zou, Sheng Guo, Qiuyang Zhan, Lepeng Zhao, Shuo Li, Zhuotao Liu

专题命中 多智能体 ：agent(abstract)

AI总结 针对现有智能体互操作协议缺失安全底层的问题，提出InterSAGE四层协议套件，补充MCP等通信协议，经对比验证其为首个统一实现四大安全特性的架构。

Comments 35 pages, 4 figures, 7 tables. Positioning paper

Fair Team Contracts

公平团队合同

Matteo Castiglioni, Junjie Chen, Yingkai Li

专题命中 多智能体 ：agent(abstract)

AI总结 本文研究了在公平性约束下设计收益最优的团队合同问题，提出了基于加法和子模成功函数的高效算法，并展示了公平合同在收益上的优势。

Spatial community structure impedes language amalgamation in a population-based iterated learning model

空间社区结构阻碍基于种群的迭代学习模型中的语言融合

George Sains, Conor Houghton, Seth Bullock

专题命中 多智能体 ：agent(abstract)

AI总结 该研究基于迭代学习模型，发现少量社区间通信可实现种群语言收敛，但空间嵌入的社区结构会阻碍全局语言融合。

Comments 8 pages, 7 figures, published in Artificial Life 2023

Journal ref isal (2023) 54

Emergent Learner Agency in Implicit Human-AI Collaboration: How Supportive and Contrarian AI Personas Reshape Interaction

隐式人机协作中新兴的学习者能动性：支持性和逆向性人工智能角色如何重塑互动

Yueqiao Jin, Roberto Martinez-Maldonado, Dragan Gašević, Xibin Han, Lixiang Yan

专题命中 多智能体 ：agentic(abstract)

AI总结 研究探讨支持性和逆向性AI角色对隐式人机创意协作中学习者能动性等方面的影响，通过让大学生分组完成任务并分析话语等，发现逆向性AI虽激发批判性但降低满意度，教育设计需平衡挑战与情感氛围。

From Non-Rigid to Rigid: Safe Acquisition of Rigid Communication Graphs under Limited Sensing

从非刚性到刚性：有限感知条件下安全获取刚性通信图

S. Saharsh, Vedhas Talnikar, Pushpak Jagtap

机构 * Indian Institute of Science（印度科学研究所） 纠错

专题命中 多智能体 ：agent(abstract)

AI总结 研究在有限感知下获取刚性通信图的问题，提出基于分布式二次优化的方法，为异构非线性多机器人系统开发计算精简的控制器，通过仿真和硬件实验验证，能在有限传感下实现刚性通信图且跟随代理无需全局绝对位置。

Comments 18 pages, 7 Figures, 2 Tables

DECIS: Dual-Evidence Corrective Verification for Interpretable Strabismus Diagnostic Decision-Making

MAGIS：基于证据的多智能体推理用于可解释的斜视临床决策

Xikai Tang, Yifan Wang, Jiafan Zhuang, Li Luo, Jinming Guo, Xiaoling Xie, Jiacheng Liu, Peiwei Wei, Lihao Zhong, Xiaoli Kang, Jie Cen, Guangqiang Yin, Kunliang Qiu, Ce Zheng, Zhun Fan

机构 * School of Information and Software Engineering, University of Electronic Science and Technology of China（电子科技大学信息与软件工程学院） ； Shenzhen Institute for Advanced Study, University of Electronic Science and Technology of China（电子科技大学深圳高等研究院） ； Joint Shantou International Eye Center of Shantou University and The Chinese University of Hong Kong（汕头大学·香港中文大学联合汕头国际眼科中心） ； School of Artificial Intelligence, Guangzhou City Polytechnic（广州城市职业学院人工智能学院） ； Medical College, Shantou University（汕头大学医学院） ； College of Engineering, Shantou University（汕头大学工学院） ； Department of Ophthalmology, Xinhua Hospital Affiliated to Shanghai Jiaotong University School of Medicine（上海交通大学医学院附属新华医院眼科） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

专题命中 多智能体 ：planning(abstract)

AI总结 提出MAGIS框架，通过多智能体协作、双重证据约束上下文和基于证据的纠正验证机制，将斜视诊断从黑箱生成转变为结构化推理，在细粒度斜视基准上将加权F1分数从72.0%提升至91.3%，并显著提高诊断报告的临床可靠性。