AI Agent

Delay-Aware Active Triangulation with Uncertainty-Driven Multi-Agent Reinforcement Learning for Counter-UAS

用于反无人机系统的基于不确定性驱动多智能体强化学习的延迟感知主动三角测量

Seungwook Lee, David Hyunchul Shim

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） 纠错

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

AI总结 针对反无人机系统中目标定位问题，提出延迟感知、不确定性驱动的多智能体强化学习框架。通过Dec-POMDP公式、控制比较及多源协方差传播等方法，实验表明该框架能有效提高三角测量有效性，降低RMSE，凸显循环记忆对延迟补偿的关键作用。

Comments Accepted to IROS 2026

Intercepting an Agile Target with Net-Carrying Drones using Competitive Multi-Agent Reinforcement Learning

使用竞争性多智能体强化学习，通过携带网的无人机拦截敏捷目标

Timothée Gavin, Murat Bronz

机构 * IAS, Thales LAS, Rungis, France（法国Thales LAS研究所） ； RIS, LAAS-CNRS Toulouse, France（法国CNRS实验室） 纠错

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

AI总结 研究用携带捕捉网的无人机团队拦截敏捷无人机的问题，采用带优先虚拟自我博弈的多智能体近端策略优化训练智能体，在高保真模拟器中用低级控制命令训练，结果表明该方案优于基线，且相关因素对追逃任务策略学习至关重要。

Journal ref 2026 International Conference on Unmanned Aircraft Systems (ICUAS), Jun 2026, Corfu, Greece

CogRad: A Cognitively-Inspired Multi-Agent Framework for Radiology Report Generation

CogRad：一种用于放射学报告生成的受认知启发的多智能体框架

Saif Ur Rehman Khan, Hasaan Maqsood, Sebastian Vollmer, Andreas Dengel, Muhammad Nabeel Asim

机构 * German Research Center for Artificial Intelligence（德国人工智能研究中心） ； Intelligentx GmbH（智能X有限公司） ； Department of Core Informatics, Graduate School of Informatics, Osaka Metropolitan University（大阪城市大学信息科学研究生院核心信息学系） 纠错

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

AI总结 提出受认知启发的多智能体框架CogRad，围绕放射科医生阅读过程的四个阶段构建报告生成，通过多智能体协作提升报告质量，在多个数据集上取得最佳成绩。

Swarm-Driven Multi-Agent Reasoning for Smart City Security

用于智慧城市安全的群体驱动多智能体推理

Saeid Jamshidi, Kawser Wazed Nafi, Carol Fung, Foutse Khomh

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

AI总结 研究智慧城市安全问题，提出基于大语言模型的多智能体方法TPSC-Sec，通过专门智能体分析并经威胁信息素群体共识机制聚合假设，还引入Adaptive Verified TPSC，实验表明该方法能实现高效安全推理。

MUTE: Return-Preserving Communication Unlearning for Efficient Multi-Agent Coordination

MUTE：用于高效多智能体协调的保留回报通信遗忘

Rui Zuo, Qinwei Huang, Mingyang Li, Zhenhang Zhang, Simon Khan, Qinru Qiu

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

AI总结 研究多智能体强化学习中智能体间通信问题，提出MUTE框架，将通信减少视为价值引导的机器遗忘问题，用注意力估计器量化反事实消息值，通过双目标机制实现通信稀疏化并保留原始联合策略回报。

SafeGuard: A Multi-Agent Perception-Reasoning Framework for Social-Risk AI-Generated Video Detection

SafeGuard：用于社会风险AI生成视频检测的多智能体感知-推理框架

Wenlin Wu, Sheng Zhou, Peipei Song, Wenhao Wang, Junbin Xiao, Xun Yang

机构 * University of Science and Technology of China（中国科学技术大学） ； King Abdullah University of Science and Technology（阿卜杜拉国王科技大学） ； Vast Intelligence Lab（旷视智能实验室） 纠错

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

AI总结 针对AI生成视频检测挑战，提出SafeGuard多智能体框架，通过感知求解器与验证器协作，引入SafeVid基准，实验证明其泛化性佳，提升检测准确率。

Comments Accepted to ECCV 2026, The code and dataset are publicly available at https://github.com/williamw99/SafeGuard

What LLM Agents Say When No One Is Watching: Social Structure and Latent Objective Emergence in Multi-Agent Debates

当无人注视时LLM智能体在说什么：多智能体辩论中的社会结构与潜在目标涌现

Arman Ghaffarizadeh, Danyal Mohaddes, Aliakbar Izadkhah, Shahriar Noroozizadeh

机构 * Independent Researcher（独立研究员） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 提出双通道辩论框架，研究社会结构（角色、受众、关系）如何导致LLM智能体在公开与私下（OTR）表达中产生系统性分歧，揭示潜在目标的涌现。

Reference-Governed Distributed Safe Gradient Flow for Safe Optimal Output Agreement of Multi-Agent Systems

参考调控的分布式安全梯度流用于多智能体系统的安全最优输出一致性

Zhanglin Shangguan, Wei Xiao, Bo Yang, Xinping Guan

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

AI总结 提出参考调控双层架构，上层通过一阶控制屏障函数约束梯度流，下层基于内模输出调节器构建动态安全裕度，实现非线性多智能体系统的安全最优输出一致性，避免高阶控制屏障函数的调参敏感和稳态偏移问题。

Simulation Based Reward Function Validation for Multi-Agent On Orbit Inspection

基于仿真的多智能体在轨检测奖励函数验证

Patrick Quinn, Bala Prenith Reddy Gopu, George M. Nehma, Madhur Tiwari

机构 * Department of Aerospace, Physics and Space Sciences（航空航天、物理与空间科学系） 纠错

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

AI总结 提出一种基于多智能体强化学习的广义奖励函数，通过分析在轨物体三维重建来优化检测任务，使智能体自主控制图像采集时机。

Comments 13 pages, 6 figures. This submission integrates a published correction made to the original manuscript. The DOIs for both the original manuscript as well as the correction are provided

Journal ref AIAA SCITECH 2026 Forum, AIAA Paper 2026-2042, 2026; Correction: AIAA SCITECH 2026 Forum, AIAA Paper 2026-2042.c1, 2026

Consensus-Breaking Global Hopf Bifurcation in Memory-Based Multi-Agent Systems

基于记忆的多智能体系统中的共识破坏全局Hopf分岔

Casey Maikalani Crane

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

AI总结 本文首次系统研究多智能体系统中对称共识破坏分岔为周期多共识的现象，利用等变扭转度分析三类记忆型延迟微分方程的全局Hopf分岔，揭示记忆使自组织智能体超越静态共识，并在无人机编队和资产市场等实际应用中验证理论。

Comments Doctoral Thesis. 279 pages, 40 figures. Chapter 5 is based in part on arXiv:2604.20740

Dynamic Scheduling for Flexible Manufacturing Systems Based on Multi-Agent Deep Reinforcement Learning and Petri Nets

基于多智能体深度强化学习与Petri网的柔性制造系统动态调度

Zhou He, Ning Li, Ruotian Liu, Liang Li, Carla Seatzu

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

AI总结 针对柔性制造系统中的动态事件，将调度问题建模为带时Petri网的马尔可夫决策过程，利用基可达图压缩状态空间，设计分层稠密奖励函数，并采用多智能体近端策略优化算法进行集中训练与分散执行，实验表明该方法有效处理动态事件且性能优于传统方法。

Distilling Collaborative Dynamics into Latent Space for Implicit Coordination in Decentralized Multi-Agent Manipulation

将协作动态蒸馏到潜在空间以实现分散式多智能体操作中的隐式协调

Chanyoung Park, Minsung Yoon, Andrew Jeong, Sung-eui Yoon

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） 纠错

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

AI总结 提出CLS-DP分散式多智能体框架，通过将多智能体动态蒸馏到潜在空间，在部分可观测下实现隐式协调，无需全局视图或通信，在RoboFactory任务中平均成功率38%，优于集中式基线20%。

Comments Accepted to IROS 2026 | Project Page: https://cosdeneb.github.io/cls-dp/

MMAO-Dyn: A Metabolic Multi-Agent Optimizer for Dynamic Optimization

MMAO-Dyn: 用于动态优化的代谢多智能体优化器

Jinliang Xu, Liping Ma

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

AI总结 提出MMAO-Dyn，通过将代谢多智能体优化器的核心代谢控制环映射到非平稳环境，实现动态优化，在18个场景的基准测试中平均离线误差为28.07，优于多种对比方法。

Minos: A Multi-Agent Collaborative Framework for Provenance-Based Backward Tracking

Minos：一种基于溯源的反向追踪多智能体协作框架

Jiahui Wang, Zhenyuan Li, Zhengkai Wang, Xiangmin Shen, Fan Zhang

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

AI总结 提出多智能体框架Minos，利用LLM驱动推理进行基于溯源的反向追踪，通过分层上下文管理、检索增强推理和有限状态机协调四个智能体，有效缓解依赖爆炸，在5个数据集上平均召回率0.92、精确率0.64，攻击子图压缩49%。

Comments 20 pages,7 figures, accepted by ESORICS 2026

DataEvolver: Self-Evolving Multi-Agent Data Construction for Text-Rich Image Generation

DataEvolver: 面向文本丰富图像生成的自我进化多智能体数据构建

Siyu Yan, Yizhen Gao, Yilin Wang, Dongxing Mao, Alex Jinpeng Wang

机构 * Central South University（中南大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 提出DataEvolver，一种自我进化的多智能体框架，通过反馈驱动策略迭代优化数据构建，显著提升文本丰富图像生成质量。

A Novel Method for Differential-Algebraic Dynamic Model Discovery in Power Systems: An LLM-Based Multi-Agent Collaborative Framework

一种电力系统微分代数动态模型发现的新方法：基于LLM的多智能体协作框架

Xinming Wang, Fan Tang, Yingli Wei, Yakun He, Zhe Liu, Ping Jiang, Haoyu Wu, Zihan Guo, Chao Shen

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

AI总结 针对电力系统强非线性、多时间尺度耦合及黑箱控制逻辑导致的模型发现难题，提出基于大语言模型的多智能体协作框架，通过并行生成候选方程结构并联合恢复状态动态、代数约束和关键中间变量，在同步发电机和构网型逆变器案例中优于单智能体方法和传统符号回归。

GBC: Gradient-Based Connections for Optimizing Multi-Agent Systems

GBC：基于梯度的连接优化多智能体系统

Xiaocheng Yang, Abdulrahman Alrabah, Dilek Hakkani-Tür, Gokhan Tur

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

AI总结 提出GBC方法，通过将多智能体系统建模为计算图并引入基于梯度的连接权重，实现细粒度归因与优化，提升多智能体性能。

Comments 15 pages, 8 figures, accepted by SIGDIAL 2026 Long Papers

MMAO: A Metabolic Multi-Agent Optimizer with Endogenous Resource Allocation for Continuous and Discrete Optimization

MMAO：一种具有内源资源分配的代谢多智能体优化器，用于连续和离散优化

Jinliang Xu, Liping Ma

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

AI总结 提出代谢多智能体优化器（MMAO），通过私有一公共代谢资源循环实现内源自适应，无需手动调参，在CEC2017和TSPLIB上验证了其参数轻量、自校准的特性。

Comments 10

AdvancedShelLM: A Stateful Multi-Agent LLM Honeypot for SSH Deception

AdvancedShelLM：一种用于SSH欺骗的有状态多智能体LLM蜜罐

Muris Sladić, Eman Alibalić, Veronica Valeros, Carlos Catania, Sebastian Garcia

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

AI总结 提出AdvancedShelLM蜜罐，采用多智能体多LLM架构，通过Manager和Worker两个LLM代理提升命令理解、减少错误响应并增强欺骗性，实现永久文件系统以支持多攻击者同时观察变化文件，评估显示高通过率和有效欺骗。

Comments 18 pages

QueenBee Planner: Skill-Evolving Communication Topologies for Token-Efficient LLM Multi-Agent Systems

QueenBee Planner：面向Token高效LLM多智能体系统的技能演化通信拓扑

Congjia Tian, Yuhang Yao, Jiaming Cui

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

AI总结 提出QueenBee Planner框架，将智能体间通信拓扑视为可检索和自改进的设计技能，通过外部LLM规划器学习生成时间通信DAG，并利用执行轨迹蒸馏出设计规则，在固定工人池下实现通信结构的自我演化，降低消息数、模型调用和token成本。

Data Facts: A Metadata Schema for Structured Data Exchange in the NANDini Multi-Agent Ecosystem

数据事实：NANDINI多智能体生态系统中结构化数据交换的元数据模式

Jin Gao, Maria Gorskikh, Pradyumna Chari, Brittany Box, Mukul Kemla, Pratik Behera, Abhishek Mehta, Ramesh Raskar

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

AI总结 提出Data Facts元数据模式，通过轻量JSON和单指针解决多智能体生态中结构化数据交换问题，实现数据集身份、访问控制与完整性验证，实验证明准确率从35.2%提升至100%。

Comments 10 pages, 4 figures

Control Barrier Function only Formation Tracking in Multi-Agent Systems

多智能体系统中仅基于控制屏障函数的编队跟踪

S. Saharsh, Pushpak Jagtap

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

AI总结 提出一种实时控制框架，通过二次优化中的单一控制屏障函数约束实现异构非线性多智能体系统的编队跟踪，无需手动调参或单独标称控制器。

Comments 9 pages, 2 figures

Bridging the Post-discharge Gap: A Traceable Multi-agent Framework for Safe and Continuous Care

弥合出院后鸿沟：用于安全持续护理的可追溯多智能体框架

Runwei Guan, Yi Zhou, Heyi Lin, Jinjing Zhu, Mingyuan Hou, Yang Yang, Fang Yuan, Xiaohong Lin, Shaofeng Liang, Xuming Hu, Tao Li, Tianbin Zhao, Yutao Yue, Zhiyuan Wang, Hui Xiong

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

AI总结 提出Healink框架，通过记忆增强的多智能体架构和约束检索生成，实现基于处方的可追溯出院后随访，在回顾性和盲评中优于医生基线。

Comments 23 pages, 10 figures

EvoFlock: evolved inverse design of multi-agent motion

EvoFlock：多智能体运动的进化逆向设计

Craig Reynolds

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

AI总结 提出一种基于遗传算法的逆向设计方法，通过用户定义的目标函数自动优化多智能体运动模型的参数，实现期望的群体行为。

Comments To appear in the Proceedings of Artificial Life 2026

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

Cooperative-ORCA*: Real-Time Proactive Deadlock Avoidance for Continuous-Space Multi-Agent Navigation

Cooperative-ORCA*: 连续空间多智能体导航的实时主动死锁避免

Junfeng Wu, Jiaqi Chen, Hongkun Lyu, Kevin Zheng, Andy Li

机构 * Monash University（墨尔本大学） 纠错

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

AI总结 提出C-ORCA*算法，通过整合智能体完整空间轨迹和依赖关系主动预防死锁，避免后处理开销，在求解率、运行时间和流时间上显著超越现有方法。

RAPID: A Reproducible Multi-Agent Pipeline for Interpretable Disaster Damage Assessment from Satellite and Street-View Imagery

RAPID：一种可复现的多智能体管道，用于从卫星和街景图像中进行可解释的灾害损害评估

Yifan Yang, Wenjing Gong, Kaili Zhang, Lei Zou, Zhengzhong Tu, Hao Li, Zongrong Li, Xinyue Ye

机构 * National University of Singapore（新加坡国立大学） ； The University of Alabama（阿拉巴马大学） 纠错

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

AI总结 提出RAPID，一种可复现的多智能体管道，无需任务特定微调即可实现零样本灾害损害评估，通过跨视图理解、图像恢复和结构化识别生成可解释的评估报告，在多种灾害中达到0.92的分类准确率。

Comments 12 pages, 8 figures

SIGMA: Skill-Incidence Graphs for Compositional Multi-Agent Design

SIGMA: 用于组合式多智能体设计的技能-关联图

Kun Zeng, Yu Huo, Siyu Zhang, Yuecheng Zhuo, Yuquan Lu, Haoyue Liu, Siyue Chen, Xiaoying Tang

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

AI总结 提出SIGMA框架，通过技能-智能体关联图将智能体构建为可复用技能的任务条件组合，并解码通信拓扑，在六个基准测试中优于基线方法，并展现出对未见技能库的鲁棒性。

Comments EMNLP2026

Differentially Private Consensus for Time-Delay Multi-agent Systems

时滞多智能体系统的差分隐私一致性

Mingyu Wang, Xiaofeng Zong, Jimin Wang, Ji-Feng Zhang

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

AI总结 针对具有通信时滞的离散多智能体系统，提出基于拉普拉斯噪声的隐私机制，利用差分预解函数法和反步法实现均方弱/强一致性和几乎必然强一致性，并给出显式灵敏度界和参数设计以达成ε^⋆-差分隐私。

Comments 19 pages, 4 figures

MIDSim: Simulating Multi-Channel Information Diffusion in Social Media with LLM-Powered Multi-Agent System

MIDSim: 基于LLM多智能体系统的社交媒体多渠道信息扩散模拟

Lexi Liu, Qi Cao, Yuanhao Liu, Huawei Shen, Xueqi Cheng

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

AI总结 提出LLM驱动的多智能体系统，联合建模社交与算法曝光流，模拟多渠道信息扩散，在三个真实数据集上优于基线。