AI Agent

An AI Co-Data-Scientist for Prioritizing Candidate Biomarkers from Wearable Sensor Data

AI协同数据科学家：从可穿戴传感器数据中优先筛选候选生物标志物

Yubin Kim, Salman Rahman, Samuel Schmidgall, Chunjong Park, A. Ali Heydari, Ahmed A. Metwally, Hong Yu, Xin Liu, Xuhai Xu, Yuzhe Yang, Hyeonhoon Lee, Hyewon Jeong, Kyungho Lim, MingYu Lu, Dongjae Lee, Theodora Pappa, Hanseul Cho, Maxwell A. Xu, Zhihan Zhang, Cynthia Breazeal, Tim Althoff, Petar Sirkovic, Ivor Rendulic, Annalisa Pawlosky, Nicolas Stroppa, Juraj Gottweis, Elahe Vedadi, Alan Karthikesalingam, Pushmeet Kohli, Mark Malhotra, Shwetak Patel, Samir Tulebaev, Hae Won Park, Vivek Natarajan, Hamid Palangi, Daniel McDuff

机构 * Google Research（谷歌研究） ； Massachusetts Institute of Technology（麻省理工学院） ； Google DeepMind（谷歌DeepMind） ； Seoul National University Hospital（首尔国立大学医院） ； Yonsei University College of Medicine（延世大学医学院） ； University of Washington（华盛顿大学） ； Korea University Guro Hospital（韩国大学Guro医院） ； Mass General Brigham（麻省总医院） ； Brigham and Women’s Hospital（哈佛医学院布莱尔妇女医院） ； Google Cloud AI（谷歌云AI） 纠错

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

AI总结 提出CoDaS系统，集成多智能体假设生成、统计分析和对抗验证，从可穿戴数据中优先筛选心理健康和代谢终点相关候选生物标志物，经临床验证与专家判断一致。

Evolving Many Worlds: Towards Open-Ended Discovery in Petri Dish NCA via Population-Based Training

演化多重世界：通过基于种群的训练在 Petri 培养皿 NCA 中实现开放式发现

Uljad Berdica, Jakob Foerster, Frank Hutter, Arber Zela

机构 * FLAIR, University of Oxford（奥克斯大学FLAIR实验室） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； University of Freiburg（弗赖堡大学） ； Prior Labs（Prior实验室） ； EPFL（瑞士联邦理工学院洛桑分校） 纠错

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

AI总结 提出 PBT-NCA 元进化算法，通过复合目标（历史行为新颖性与当代视觉多样性）演化 Petri 培养皿神经细胞自动机种群，自发产生持续涌现的生命现象，实现开放式演化。

Comments 10 pages, 12 figures

United Minds or Isolated Agents? Exploring Coordination of LLMs under Cognitive Load Theory

统一思维还是孤立代理？探索认知负荷理论下LLM的协调

HaoYang Shang, Xuan Liu, Zi Liang, Jie Zhang, Haibo Hu, Song Guo

机构 * Hong Kong University of Science and Technology（香港科技大学） ； University of California San Diego（加州大学圣地亚哥分校） ； Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 受认知负荷理论启发，提出CoThinker多智能体框架，通过智能体分工和结构化通信降低认知负荷，在复杂推理任务上提升性能，但在低负荷任务上协调开销占优。

Simulation of Language Evolution under Regulated Social Media Platforms: A Synergistic Approach of Large Language Models and Genetic Algorithms

受监管社交媒体平台下的语言演化模拟：大语言模型与遗传算法的协同方法

Jinyu Cai, Yusei Ishimizu, Mingyue Zhang, Munan Li, Jialong Li, Kenji Tei

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

AI总结 提出基于大语言模型的多智能体框架，结合遗传算法模拟用户语言策略在监管下的迭代演化，实验表明对话轮次增加可提升信息传递准确性和对话持续性。

Comments The manuscript has been accepted to IEEE Transactions on Computational Social Systems

Self-Driving Datasets: From 20 Million Papers to Nuanced Biomedical Knowledge at Scale

自主驾驶数据集：从2000万篇论文到大规模精细化生物医学知识

Haydn Jones, Yimeng Zeng, Alden Rose, Li S. Yifei, Yining Huang, Kaiwen Wu, Jiaming Liang, Maggie Ziyu Huan, Yoseph Barash, Cesar de la Fuente-Nunez, Osbert Bastani, Zachary Ives, Mark Yatskar, Jacob R. Gardner

机构 * Department of Computer and Information Science, University of Pennsylvania（宾夕法尼亚大学计算机与信息科学系） ； Department of Genetics, University of Pennsylvania（宾夕法尼亚大学遗传学系） ； Departments of Bioengineering and Chemical and Biomolecular Engineering, University of Pennsylvania（宾夕法尼亚大学生物工程与化学与生物分子工程系） 纠错

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

AI总结 本文提出通过PubMed自动生成结构化数据集，实现更大规模、更精细和更准确的生物医学知识，展示Starling系统在多个任务中生成大规模数据集并提升准确性。

A Distributionally Robust Reinforcement Learning Framework for Constrained Urban EV Dispatch

面向约束城市电动汽车调度的分布鲁棒强化学习框架

An Nguyen, Hoang Nguyen, Phuong Le, Hung Pham, Cuong Do, Laurent El Ghaoui

机构 * College of Engineering and Computer Science, VinUniversity, Hanoi, Vietnam（VinUniversity 工程与计算机科学学院，河内，越南） ； Center for Environmental Intelligence, VinUniversity, Hanoi, Vietnam（VinUniversity 环境智能中心，河内，越南） 纠错

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

AI总结 针对城市电动汽车调度中充电站和馈线容量约束及不确定需求，提出基于半马尔可夫决策过程与分布鲁棒软演员-评论家算法，通过图卷积编码器和滚动混合整数线性规划保证可行性，在纽约出租车数据仿真中实现最高净利润且零违规。

Comments 13 pages, 9 figures. Submitted to Neurocomputing

A Generalized Sinkhorn Algorithm for Mean-Field Schrödinger Bridge

平均场薛定谔桥的广义Sinkhorn算法

Asmaa Eldesoukey, Yongxin Chen, Abhishek Halder

机构 * Department of Aerospace Engineering, Iowa State University（爱荷华州立大学航空航天工程系） ； School of Aerospace Engineering, Georgia Institute of Technology（佐治亚理工学院航空航天工程学院） 纠错

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

AI总结 针对平均场薛定谔桥问题，提出广义Hopf-Cole变换并设计Sinkhorn型递归算法求解积分-偏微分方程组，在弱假设下证明收敛性，数值实验验证有效性。

Tacit Coordination of Large Language Models

大型语言模型的隐性协调

Ido Aharon, Emanuele La Malfa, Michael Wooldridge, Sarit Kraus

机构 * Department of Computer Science, Bar-Ilan University（巴伊兰大学计算机科学系） ； Department of Computer Science, University of Oxford（牛津大学计算机科学系） ； Institute for Decentralized AI (IDAI)（去中心化人工智能研究所） 纠错

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

AI总结 研究大型语言模型在多智能体无通信协调中的焦点涌现能力，通过博弈和搜救任务评估，发现模型在多数场景匹配或超越人类，但在数值常识和文化显著性任务中失败，并提出无学习策略改善协调。

Comments Code: https://github.com/EmanueleLM/focal-points

TERMS-Bench: Diagnosing LLM Negotiation Agents Beyond Deal Rate

TERMS-Bench: 在交易率之外评估大语言模型谈判代理

Erica Zhang, Fangzhao Zhang, Aneesh Pappu, Batu El, Jose Blanchet, Susan Athey, Jiashuo Liu, James Zou

机构 * Stanford School of Engineering（斯坦福大学工程学院） ； Stanford Department of Economics（斯坦福大学经济系） ； Stanford Graduate School of Business（斯坦福商学院） 纠错

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

AI总结 TERMS-Bench通过博弈论框架评估谈判代理，揭示其在交易率之外的性能差异，如盈余提取、线索使用和合规性。

Comments Project Site: https://terms-bench.github.io/

An Analysis of the Coordination Gap between Joint and Modular Learning for Job Shop Scheduling with Transportation Resources

带运输资源的作业车间调度中联合学习与模块化学习协调差距分析

Moritz Link, Jonathan Hoss, Noah Klarmann

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

AI总结 通过资源稀缺性和时间主导性分析，量化联合训练与模块化训练在带运输资源的作业车间调度中的性能差距，发现联合训练在多数情况下更优，但在瓶颈环境下差距缩小。

Comments Supported by the Chips Joint Undertaking and its members, including top-up funding by National Authorities, within the Cynergy4MIE project (Grant Agreement No. 101140226). This work has been submitted to the IEEE for possible publication

Large Language Model Agents Are Not Always Faithful Self-Evolvers

大型语言模型代理并非总是忠实的自我进化者

Weixiang Zhao, Yingshuo Wang, Yichen Zhang, Yang Deng, Yanyan Zhao, Wanxiang Che, Bing Qin, Ting Liu

机构 * 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(abstract)；multi-agent(abstract)；分类 cs.CL

AI总结 本研究首次系统调查自我进化LLM代理的经验忠实性，通过因果干预发现代理依赖原始经验但常忽略或误解浓缩经验，并分析其成因。

Comments ICML 2026

Continual Quadruped Robots Coordination via Semantic Skill Discovery

通过语义技能发现实现持续四足机器人协调

Daoqing Wang, Yuchen Xiao, Weixuan Huang, Zhilong Zhang, Shenghua Wan, Meng Li, Lei Yuan, Yang Yu

机构 * National Key Laboratory of Novel Software Technology, Nanjing University, Nanjing, China（新型软件技术国家重点实验室，南京大学，南京，中国） ； School of Artificial Intelligence, Nanjing University, Nanjing, China（人工智能学院，南京大学，南京，中国） ； Polixir Technologies, Nanjing, China（南京极智科技有限公司） 纠错

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

AI总结 提出Conquer框架，通过语义技能库实现多四足机器人在持续学习任务中的协调，避免灾难性遗忘，最终平均成功率95.6%。

Comments 22 pages, 8 figures, 11 tables. Project page: https://conquer-project.pages.dev/

Learn to Match: Two-Sided Matching with Temporally Extended Feedback

学会匹配：具有时间扩展反馈的双边匹配

Haijing Zong, Yancheng Liang, Boyang Zhou, Natasha Jaques

机构 * Department of Economics, University of Washington（华盛顿大学经济系） ； Paul G. Allen School of Computer Science & Engineering, University of Washington（华盛顿大学保罗·G·艾伦计算机科学与工程学院） 纠错

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

AI总结 提出一个具有时间扩展反馈的双边匹配框架，将其建模为部分可观测马尔可夫博弈，并基于多智能体强化学习构建Learn2Match基准，实验表明独立PPO优于bandit基线，但存在信息摩擦损失。

A Survey on Large Language Model-Based Game Agents

基于大语言模型的游戏智能体综述

Sihao Hu, Tiansheng Huang, Gaowen Liu, Ramana Rao Kompella, Fatih Ilhan, Selim Furkan Tekin, Yichang Xu, Zachary Yahn, Ling Liu

机构 * Georgia Institute of Technology USA（佐治亚理工学院美国分校） ； Cisco Research USA（思科研究美国分公司） 纠错

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

AI总结 综述基于大语言模型的游戏智能体，提出统一参考架构，从单智能体（记忆、推理、感知-行动接口）和多智能体（通信协议、组织模型）层面总结研究，并建立挑战导向的分类法连接六种游戏类型与智能体需求。

Comments ACM Computing Surveys, 2026

High entropy leads to symmetry-equivariant policies in Dec-POMDPs

高熵导致 Dec-POMDP 中的对称等变策略

Johannes Forkel, Constantin Ruhdorfer, Michael Beukman, Andreas Bulling, Jakob Foerster

机构 * FLAIR, Department of Engineering Science, University of Oxford（奥德赛实验室，工程科学系，牛津大学） ； Collaborative Artificial Intelligence, University of Stuttgart（协同人工智能，斯图加特大学） 纠错

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

AI总结 证明在 Dec-POMDP 中，足够高的熵正则化可确保策略梯度收敛到对称等变联合策略，并通过实验发现高熵系数能提升跨种子交叉对战的回报。

Don't Make the LLM Read the Graph: Make the Graph Think

不要让大语言模型读图：让图思考

Yuqi Sun, Tianqin Meng, George Liu, Yashraj Panwar, Lakshya Chaudhry, Munasib Ilham, Aman Chadha

机构 * Mindoverflow ； University of Waterloo（多伦多大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Foothill College（foothill学院） ； Purdue University（普渡大学） ； University of Wisconsin（威斯康星大学） ； Apple（苹果公司） 纠错

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

AI总结 通过3000多次对照实验，研究显式信念图在合作多智能体推理中是否提升LLM性能，发现集成架构决定图的价值，识别出“规划者违抗”现象，并证明图深度收益递减。

Comments main body has 9 pages, 4 figures, under review for COLM 2026 conference

Can Agents Distinguish Visually Hard-to-Separate Diseases in a Zero-Shot Setting? A Pilot Study

智能体能否在零样本设置中区分视觉上难以分离的疾病？一项初步研究

Zihao Zhao, Frederik Hauke, Juliana De Castilhos, Sven Nebelung, Daniel Truhn

机构 * Department of Diagnostic and Interventional Radiology, University Hospital Aachen, 52074 Aachen, Germany（诊断与介入放射科，亚琛大学医院，德国亚琛，52074） 纠错

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

AI总结 本研究探索多模态大语言模型智能体在零样本下区分视觉混淆疾病（如黑色素瘤与不典型痣、肺水肿与肺炎）的能力，提出基于对比裁决的多智能体框架，在皮肤镜数据上准确率提升11个百分点，但总体性能仍不足临床部署。

Comments Code available at https://github.com/TruhnLab/Contrastive-Agent-Reasoning. Accepted by MICCAI 2026

Self-Configurable Mesh-Networks for Scalable Distributed Submodular Bandit Optimization

可自我配置的网格网络用于可扩展的分布式子模带提优化

Zirui Xu, Vasileios Tzoumas

机构 * Department of Aerospace Engineering, University of Michigan（航空航天工程系，密歇根大学） 纠错

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

AI总结 本文提出了一种可自我配置的网格网络方法，通过限制信息中继和消息大小，实现分布式子模带提优化的可扩展性和接近最优性。

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。

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, Miao Pan

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。

Large-Market Discipline in Combinatorial Double Auctions: No Assembly, Bundle Selection, and Complementarities

组合双向拍卖中的大市场约束：无组合、束选择与互补性

Konstantinos E. Zachariadis, Yongxin Yang

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

AI总结 针对存在无组合约束的商品束市场，构建组合买方出价双向拍卖，证明其继承大市场约束特性，模拟显示无组合是有限市场关键摩擦。

Comments 67 pages, 8 figures, 6 tables

Deep reinforcement learning with spatial and temporal awareness for active boundary control of buoyancy-driven convection

具有时空感知能力的深度强化学习用于浮力驱动对流的主动边界控制

Giorgio Maria Cavallazzi, Miguel Pérez Cuadrado, Alfredo Pinelli

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

AI总结 针对深度强化学习在热对流控制中产生的退化驱动问题，提出结合卷积策略网络、GRU记忆、离策略训练和动作平滑约束的框架，成功实现细胞合并并降低努塞尔数，并在双扩散对流中自适应发现行波驱动。

Projecting onto the unit dual quaternion set

投影到单位对偶四元数集合

Ziyang Li, Chunfeng Cui, Jiaxin Xie

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

AI总结 本文针对实际应用中常用的$2^R$-范数，系统研究向单位对偶四元数集合的投影问题，识别不同情况并通过数值实验验证了所提算法的有效性。

Comments to appear in Journal of Global Optimization

Sampling-Based Coordination-Informed Multi-Objective Multi-Robot Reinforcement Learning

基于采样的协调感知多目标多机器人强化学习

Antonio Marino, Esteban Restrepo, Soon-jo Chung, Paolo Robuffo Giordano, Claudio Pacchierotti

机构 * University of Cambridge（剑桥大学） ； CNRS, Univ Rennes, Inria, IRISA（法国国家科学研究中心、雷恩大学、法国国家信息与自动化研究所、IRISA） ； California Institute of Technology（加州理工学院） 纠错

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

AI总结 提出CIMORL框架，通过分布式权重预测、特权专家训练和采样变体（CIMORL-TS/MPPI），在合作与对抗场景中实现Pareto最优解，超体积提升21.2%。

Comments 20 pages, 11 figures, 4 tables

Anytime Plug-and-Play Control with Contract-Based Distributed MPC

基于契约的分布式模型预测控制的随时即插即用控制

Sabrina Bodmer, Danilo Saccani, Melanie N. Zeilinger, Andrea Carron

机构 * Institute for Dynamic Systems and Control, ETH Zurich（动态系统与控制研究所，苏黎世联邦理工学院） ； Institute of Mechanical Engineering, École Polytechnique Fédérale de Lausanne（机械工程研究所，洛桑联邦理工学院） 纠错

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

AI总结 研究多移动机器人应用中通信拓扑时变问题，提出基于局部通信的分布式控制算法，靠距离邻居定义和预测轨迹契约，有效支持智能体随时加入或离开，保证避碰和约束满足。

Asynchronous Distributed Bandit Submodular Maximization under Heterogeneous Communication Delays

异步分布式带宽子模最大化在异构通信延迟下的研究

Pranjal Sharma, Zirui Xu, Vasileios Tzoumas

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

AI总结 本文研究了在异构通信延迟下异步分布式多智能体带宽子模最大化问题，提出了一种异步协调算法，证明了其在通信延迟和时钟偏差下的近似保证。

Optimization-Guided Diffusion for Interactive Scene Generation

基于优化的扩散生成交互场景

Shihao Li, Naisheng Ye, Tianyu Li, Kashyap Chitta, Tuo An, Peng Su, Boyang Wang, Haiou Liu, Chen Lv, Hongyang Li

机构 * Beijing Institute of Technology（北京理工大学） ； OpenDriveLab at The University of Hong Kong（香港大学OpenDriveLab） ； Nanyang Technological University（南洋理工大学） ； NVIDIA Research（英伟达研究院） ； Yinwang Intelligent Tech. Co. Ltd.（银网智能科技有限公司） 纠错

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

AI总结 本文提出OMEGA框架，通过优化引导扩散过程生成符合物理和行为约束的多智能体驾驶场景，提升生成场景的真实性和可控性。

HJ-Gauss: A Monte-Carlo HJ Reachability Scheme

HJ-Gauss: 一种蒙特卡洛HJ可达性方案

Lekan Molu, Venkatraman Renganathan, Namhoon Cho

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

AI总结 本文提出了一种基于局部PDE线性化的方法，通过冻结系数采样方案解决高维系统中经典网格基HJ求解器内存消耗大的问题，实现了存储和网格无关的算法，适用于高维可达性分析。

Reinforcement Learning for Freeway Lane-Change Regulation via Connected Vehicles

基于网联车辆的高速公路车道变更调控强化学习方法

Ke Sun, Huan Yu

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

AI总结 针对低自动驾驶渗透率下车道变更控制适用性受限的问题，提出基于多智能体强化学习的网联车辆高速公路车道变更调控框架，可提升交通效率并保障安全。

Dynamics and Convergences for Markov Coevolutionary Opinion Formation Games in Dynamic Social Networks

动态社交网络中马尔可夫协同进化意见形成博弈的动力学与收敛性

Po-An Chen, Chi-Jen Lu, Chuang-Chieh Lin, Jim Shi, Chih-Chieh Hung

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

AI总结 研究动态社交网络中K-NN马尔可夫博弈的收敛性，整合多智能体强化学习和在线学习技术，分析乐观梯度上升算法在一般和马尔可夫博弈中的收敛情况，得出较弱意义上收敛到近似纳什均衡的结果。