AI Agent

Materealize: a multi-agent deliberation system for end-to-end material design and synthesis

Materealize: 一种用于端到端材料设计与合成的多智能体协商系统

Seongmin Kim, Jaehwan Choi, Kunik Jang, Junkil Park, Varinia Bernales, Alán Aspuru-Guzik, Yousung Jung

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

AI总结 Materealize通过多智能体协商系统实现端到端无机材料设计与合成，结合工具精度与推理整合，提升计算发现与实验实现的衔接。

Comments 30 pages main text, 8 main figures

Multi-Agent Constraint Factorization Reveals Latent Invariant Solution Structure

多智能体约束因子化揭示潜在不变解结构

Christopher Scofield

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

AI总结 本研究通过多智能体约束因子化揭示了潜在不变解结构，展示了在相同信息下多智能体系统提升问题解决性能的机制，并应用于文本对话系统。

Understanding Human-Multi-Agent Team Formation for Creative Work

理解创意工作的以人为本的多智能体团队形成

Hyunseung Lim, Dasom Choi, Sooyohn Nam, Bogoan Kim, Hwajung Hong

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

AI总结 本研究利用CrafTeam技术探针，探索如何通过自主团队运作和直接指挥代理来形成人类-多智能体团队以提高创意工作的协作效率。

Jingfang: An LLM-Based Multi-Agent System for Precise Medical Consultation and Syndrome Differentiation in Traditional Chinese Medicine

Jingfang: 一种基于大语言模型的多智能体系统，用于精准中医诊疗和辨证论治

Yehan Yang, Tianhao Ma, Ruotai Li, Xinhan Zheng, Guodong Shan

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Southeast University（东南大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 JingFang 是一种基于大语言模型的多智能体系统，旨在通过多智能体协作机制提升中医诊疗的准确性和个性化水平，尤其在辨证论治方面表现优异。

Multi-Agent Formation Navigation Using Diffusion-Based Trajectory Generation

基于扩散的多智能体编队导航

Hieu Do Quang, Chien Truong-Quoc, Quoc Van Tran

机构 * Department of Mechatronics, School of Mechanical Engineering, Hanoi University of Science and Technology（机械工程系，河内科学与技术大学） 纠错

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

AI总结 本文提出基于扩散模型的多智能体编队导航方法，通过生成领头者中点轨迹实现平滑运动，有效应对复杂环境中的编队控制问题。

Comments 8 pages, 3 figures, full version of a paper submitted to a conference

Fairness Driven Multi-Agent Path Finding Problem

基于公平性的多智能体路径寻找问题

Aditi Anand, Dildar Ali, Suman Banerjee

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

AI总结 本文提出基于公平性的多智能体路径寻找问题解决方案，针对理性与非理性智能体分别设计机制和启发式方法，确保激励相容与个体理性。

Comments This paper has been accepted in the 18th International Conference on Agents and Artificial Intelligence (ICCART 2026)

Adaptive Orchestration: Scalable Self-Evolving Multi-Agent Systems

自适应编排：可扩展的自进化多智能体系统

Sathish Sampath, Anuradha Baskaran

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

AI总结 本文提出了一种自进化多智能体系统，通过动态专家混合方法解决大规模自主代理的泛化-专业化困境，提升任务成功率并减少资源消耗。

Honesty-Aware Multi-Agent Framework for High-Fidelity Synthetic Data Generation in Digital Psychiatric Intake Doctor-Patient Interactions

面向数字精神科问诊医生-患者交互的诚实意识多智能体框架：高保真合成数据生成

Xinyuan Zhang, Zijian Wang, Chang Dao, Juexiao Zhou

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

AI总结 本研究提出一种多智能体框架，通过建模患者欺骗行为生成高保真合成数据，用于研究精神科评估中的诚实意识及训练适应性对话代理。

FICO: Finite-Horizon Closed-Loop Factorization for Unified Multi-Agent Path Finding

FICO：有限时间闭环因子分解用于统一多智能体路径寻找

Jiarui Li, Alessandro Zanardi, Federico Pecora, Runyu Zhang, Gioele Zardini

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

AI总结 FICO通过系统级建模和闭环设计，实现了多智能体路径寻找问题的高效解决，显著提升了计算效率和适应性。

DAO-Agent: Zero Knowledge-Verified Incentives for Decentralized Multi-Agent Coordination

DAO-Agent: 零知识验证的去中心化多智能体协调激励机制

Yihan Xia, Taotao Wang, Wenxin Xu, Shengli Zhang

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

AI总结 DAO-Agent通过零知识证明和混合架构，在去中心化环境中实现可审计的多智能体协调与公平激励分配，显著降低链上计算成本。

Comments 10 pages, 1 figure

A Multi-Agent Retrieval-Augmented Framework for Work-in-Progress Predictio

一种用于工作进行中预测的多智能体检索增强框架

Yousef Mehrdad Bibalan, Behrouz Far, Mohammad Moshirpour, Bahareh Ghiyasian

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

AI总结 本文提出一种多智能体检索增强框架，用于提升工作进行中预测的准确性，通过结合RAG和协同推理，在两个基准数据集上取得优于传统方法的性能。

Comments 15th International Conference on Digital Image Processing and Pattern Recognition (DPPR 2025), December 20 ~ 21, 2025, Sydney, Australia

Mapis: A Knowledge-Graph Grounded Multi-Agent Framework for Evidence-Based PCOS Diagnosis

Mapis：一种基于知识图谱的多智能体框架，用于基于证据的多囊卵巢综合征诊断

Zanxiang He, Meng Li, Liyun Shi, Weiye Daia, Liming Nie

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

AI总结 Mapis是一种基于知识图谱的多智能体框架，专门用于基于指南的多囊卵巢综合征诊断，通过结构化协作流程和全面的知识图谱提升诊断准确性。

A Knowledge-Based Language Model: Deducing Grammatical Knowledge in a Multi-Agent Language Acquisition Simulation

基于知识的语言模型：多智能体语言习得模拟中的语法知识推导

David Ph. Shakouri, Crit Cremers, Niels O. Schiller

机构 * Leiden University Centre for Linguistics (LUCL), Leiden University, the Netherlands（莱顿大学语言学中心（LUCL）、莱顿大学、荷兰） ； Leiden Institute for Brain and Cognition (LIBC), Leiden University, the Netherlands（莱顿脑与认知研究所（LIBC）、莱顿大学、荷兰） ； City University of Hong Kong (CityU), Hong Kong（香港城市大学（CityU）、香港） 纠错

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

AI总结 MODOMA系统通过多智能体模拟实现了基于知识的语言模型，展示了儿童智能体在不同示例数据下习得语法类别的能力。

Comments 23 pages, 7 figures, 11 tables. Related work: arXiv:2503.18702. This is the peer-reviewed publisher's version, downloadable from: https://www.clinjournal.org/clinj/article/view/193

Journal ref Computational Linguistics in the Netherlands Journal, 14, 167-189 (2025)

HiveMind: Contribution-Guided Online Prompt Optimization of LLM Multi-Agent Systems

HiveMind: 基于贡献的LLM多智能体系统的在线提示优化

Yihan Xia, Taotao Wang, Shengli Zhang, Zhangyuhua Weng, Bin Cao, Soung Chang Liew

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

AI总结 HiveMind通过基于贡献的在线提示优化，提升LLM多智能体协作效率，利用DAG-Shapley算法显著降低LLM调用成本，同时保持归因准确性。

Comments This paper was accepted to AAAI2026

Multi-Agent Reinforcement Learning and Real-Time Decision-Making in Robotic Soccer for Virtual Environments

多智能体强化学习与虚拟环境中的实时决策在机器人足球中的应用

Aya Taourirte, Md Sohag Mia

机构 * Nanjing University of Information Science and Technology（南京信息工程大学） 纠错

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

AI总结 本文提出了一种统一的多智能体强化学习框架，通过分层强化学习和均值场理论，提升了机器人足球中的实时决策与协作性能。

Decentralized Multi-Agent System with Trust-Aware Communication

去中心化多智能体系统与信任感知通信

Yepeng Ding, Ahmed Twabi, Junwei Yu, Lingfeng Zhang, Tohru Kondo, Hiroyuki Sato

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

AI总结 本文提出了一种基于区块链的去中心化多智能体系统，通过信任感知通信协议解决传统集中式系统中的信任、可扩展性和抗审查问题。

Transforming Monolithic Foundation Models into Embodied Multi-Agent Architectures for Human-Robot Collaboration

将单体基础模型转化为具身体验的多智能体架构以实现人机协作

Nan Sun, Bo Mao, Yongchang Li, Chenxu Wang, Di Guo, Huaping Liu

机构 * Department of Computer Science and Technology, Tsinghua University（计算机科学与技术系，清华大学） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications（人工智能学院，北京邮电大学） 纠错

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

AI总结 InteractGen通过分解机器人智能为多个智能体，提升服务机器人在人类环境中的自主性和协作能力。

Comments 21 pages, 16 figures, 4 tables

Augmented Runtime Collaboration for Self-Organizing Multi-Agent Systems: A Hybrid Bi-Criteria Routing Approach

增强型运行时协作用于自组织多智能体系统：一种混合双标准路由方法

Qingwen Yang, Feiyu Qu, Tiezheng Guo, Yanyi Liu, Yingyou Wen

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

AI总结 本文提出BiRouter，一种混合双标准路由方法，用于自组织多智能体系统，通过平衡重要性和连续性指标提升任务路由性能和鲁棒性。

Comments Accepted at The 40th Annual AAAI Conference on Artificial Intelligence

Design and Evaluation of a Multi-Agent Perception System for Autonomous Flying Networks

自主飞行网络多智能体感知系统的設計與評估

Diogo Ferreira, Pedro Ribeiro, André Coelho, Rui Campos

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

AI总结 本文提出多智能体感知系统MAPS，利用多模态大语言模型和代理AI，实现自主飞行网络中用户感知与服务需求的自动识别与规范生成。

MAPF-HD: Multi-Agent Path Finding in High-Density Environments

MAPF-HD：高密度环境中的多智能体路径规划

Hiroya Makino, Seigo Ito

机构 * Toyota Central R&D Labs., Inc.（丰田中央研究实验室） 纠错

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

AI总结 本研究提出MAPF-HD框架，通过分阶段无智能体交换方法高效解决高密度环境下的多智能体路径规划问题。

Comments 9 pages, 12 figures

MARPF: Multi-Agent and Multi-Rack Path Finding

MARPF：多智能体和多层路径寻找

Hiroya Makino, Yoshihiro Ohama, Seigo Ito

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

AI总结 本研究提出MARPF方法，通过整数线性规划解决多智能体在无通道环境中运输货架的问题，优化路径以避免碰撞并重新定位障碍物。

Comments 7 pages, 10 figures, IROS 2024

Be My Eyes: Extending Large Language Models to New Modalities Through Multi-Agent Collaboration

Be My Eyes: 通过多智能体协作扩展大型语言模型到新模态

James Y. Huang, Sheng Zhang, Qianchu Liu, Guanghui Qin, Tinghui Zhu, Tristan Naumann, Muhao Chen, Hoifung Poon

机构 * University of Southern California（南加州大学） ； Microsoft Research（微软研究院） ； University of California, Davis（加州大学戴维斯分校） 纠错

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

AI总结 BeMyEyes通过多智能体协作扩展LLMs到多模态推理，利用高效VLMs与强大LLMs的互补优势，实现轻量级开源解决方案。

AutoMAS: A Generic Multi-Agent System for Algorithm Self-Adaptation in Wireless Networks

AutoMAS：一种通用的多智能体系统，用于无线网络中的算法自适应

Dingli Yuan, Jingchen Peng, Jie Fan, Boxiang Ren, Lu Yang, Peng Liu

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

AI总结 AutoMAS通过多智能体系统实现无线网络中算法的自适应优化，提升复杂任务处理的准确性和鲁棒性。

MDG: Masked Denoising Generation for Multi-Agent Behavior Modeling in Traffic Environments

MDG：面向交通环境多智能体行为建模的遮蔽去噪生成

Zhiyu Huang, Zewei Zhou, Tianhui Cai, Yun Zhang, Jiaqi Ma

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 MDG通过遮蔽去噪生成方法，实现高效可控的多智能体轨迹生成，适用于自动驾驶和交通模拟中的行为建模。

LLM-based Multi-Agent System for Simulating Strategic and Goal-Oriented Data Marketplaces

Jun Sashihara, Yukihisa Fujita, Kota Nakamura, Masahiro Kuwahara, Teruaki Hayashi

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

Comments 10 pages, 12 figures

GraphMASAL: A Graph-based Multi-Agent System for Adaptive Learning

Biqing Zeng, Mengquan Liu, Zongwei Zhen

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

Comments 9 pages, 3 figures,submitted to AAMAS 2026

Multi-Agent Reinforcement Learning for Deadlock Handling among Autonomous Mobile Robots

Marcel Müller

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

Comments for associated repositories, see https://github.com/Nerozud/dl_reference_models and https://github.com/Nerozud/FTS_simpel

CREA: A Collaborative Multi-Agent Framework for Creative Image Editing and Generation

Kavana Venkatesh, Connor Dunlop, Pinar Yanardag

机构 * Virginia Tech（弗吉尼亚理工学院） 纠错

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

Comments Published at NeurIPS'25 Main Conference

Inference of Altruism and Intrinsic Rewards in Multi-Agent Systems

Victor Villin, Christos Dimitrakakis

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

Comments EWRL18 (2025)

ABIDES-MARL: A Multi-Agent Reinforcement Learning Environment for Endogenous Price Formation and Execution in a Limit Order Book

Patrick Cheridito, Jean-Loup Dupret, Zhexin Wu

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