AI Agent

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)

"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。

Emergence of Biased Consensus in Multi-Agent LLM Debates

多智能体LLM辩论中偏向性共识的涌现

Maya Okawa

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LLM辩论中集体偏向性共识的涌现问题，提出物理启发的社会动力学分析框架，经实验验证其相变规律，发现智能体异质性可抑制该现象，且见解可推广至投资等现实决策任务。

Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026). 23 pages, 12 figures

D-MUTRA: DLT-based MUTual Remote Attestation for Multi-Agent Systems

D-MUTRA：面向多智能体系统的基于分布式账本（DLT）的相互远程证明

Adam Zahir, Vincent Lefebvre, Mark Angoustures, Milan Groshev, Carlos J. Bernardos

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

AI总结 针对多智能体系统传统远程证明的局限，本文提出基于区块链的D-MUTRA框架，实现智能体间的持续相互证明，可检测恶意软件修改，且扩展时开销可忽略。

Mutate to Bypass: Autonomous Endpoint Evasion via Knowledge-Driven Multi-Agent Orchestration

变异规避：基于知识驱动多智能体编排的自主端点规避

Weifeng Yuan, Wenbo Guo, Qingyun Du, Jun Chen, Feng Dong, Haoyu Wang, Yang Liu

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

AI总结 研究针对商用EDR系统的自动化弹性评估难题，提出AutoBypass多智能体框架，经实验可高比例绕过多款商用EDR，还能提升开源模型的规避成功率。

HIERA: Hierarchical Multi-Agent Relevance Assessment for Content Discovery Systems

HIERA：面向内容发现系统的分层多智能体相关性评估框架

Pritom Saha Akash, Phanideep Gampa, Chao Shen, Ying Chen, Sheikh Muhammad Sarwar

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

AI总结 该研究针对内容发现系统人工标注的问题，提出分层多智能体相关性评估框架HIERA，通过四个专用智能体的分层协调，在五个数据集上较11个基线方法取得显著性能提升。

BANDMAS: Causality-Inspired Semantic Packet Scheduling for Bandwidth-Efficient Multi-Agent Collaboration

BANDMAS：面向带宽高效多智能体协作的因果启发式语义分组调度

Jiangwen Dong, Wanyu Lin

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协作中通信流量大、开销高的问题，提出BANDMAS框架，通过因果启发式语义分组调度减少应用层流量，在三类数据集上实现了显著的流量降低并取得最优任务指标。

MAPLE-Guard: Memory-Aware Link Enforcement Against Memory-Link Poisoning in Multi-Agent Systems

MAPLE-Guard：多智能体系统中针对内存链接投毒的内存感知链接执行防御机制

Wenjun Xiong, Yijin Zhou, Jiaqian Wang, Shangding Gu, Bo Tang, Zhiyu Li, Feiyu Xiong, Ying Wen, Muning Wen

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

AI总结 MAPLE-Guard通过在多智能体系统内存生命周期的关键环节设置防御关卡，大幅降低内存链接投毒攻击的成功率，提升多智能体防御成功率，填补了现有防御的空白。

Comments 27 pages, 14 figures, 9 tables. Includes examples that may be misleading or harmful. Code: https://github.com/xiong-wenjun/MAPLE-Guard

From Monoliths to Swarms: A Study of Attack Surface Evolution in the Transition to Multi-Agent Web Systems

从单体到群体：多智能体Web系统转型中的攻击面演化研究

Yashaswi Malla, Sandra Siby

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

AI总结 本文针对从单智能体到多智能体Web系统转型的安全问题，提出MAS攻击向量分类法，构建WebMASLab测试平台，发现新型电话环路攻击对多数前沿多智能体模型威胁显著，提示防御通用性有限，揭示多智能体架构的新型安全风险。

PhysAgent: A Multi-Agent Framework for Reliable Remote Heart Rate Estimation

PhysAgent：用于可靠远程心率估计的多智能体框架

Yehui Yang, Bo Zhao, Junzhe Cao, Hui Ma, Yue Sun, Wenjin Wang, Zitong Yu

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

AI总结 PhysAgent是一种推理时多智能体候选验证框架，以多个基础rPPG估计器输出为待验证生理假设，结合Qwen3-VL-4B多模态大语言模型推理与确定性融合，提升远程心率估计的稳定性与可靠性。

Resilient Consensus-Based Target Tracking under False Data Injection Attacks in Multi-Agent Networks

多智能体网络中针对虚假数据注入攻击的弹性共识型目标跟踪

Amir Ahmad Ghods, Mohammadreza Doostmohammadian

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

AI总结 本研究针对多智能体网络的虚假数据注入攻击，提出整合近常速度模型与饱和滤波的共识估计算法，搭配动态检测隔离机制，提升了分布式目标跟踪的精度与弹性。

Multi-Agent Reinforcement Learning for Base Station Placement in TDOA-Based Localization

基于TDOA定位的基站部署多智能体强化学习方法

Bastian Perner, Pratik Gajanan Raut, Maximilian Lübke, Norman Franchi

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

AI总结 针对TDOA定位的基站部署问题，提出射线追踪辅助的MARL框架，在校园数据集上训练PPO智能体，其定位精度与传统GDOP方法相当，可选择性降低定位误差。

Comments to be published in conference proceedings of IEEE PIMRC 2026

AgentRadio: Passive Awareness for Long-Horizon Multi-Agent Collaboration

AgentRadio：面向长 horizon 多智能体协作的被动感知机制

Xinxing Ren, Qianbo Zang, Ziyan Wang, Caelum Forder, Suman Deb, Peter Carroll, Zekun Guo

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

AI总结 针对现有多智能体系统仅能在阶段间交换信息的局限，提出异步消息传递层 AgentRadio，使编码智能体保持被动感知，在 SWE-Atlas QnA 基准上多智能体任务解决率显著优于单个智能体及 Opus 4.8 版 Claude Code。

Before Agents Speak: Pre-hoc Failure Risk Inference in Multi-Agent Systems

智能体交流前：多智能体系统中的事前失败风险推断

Shi Lin, Chenpei Wang, Peng Qian, Dezhang Kong, Minghao Li, Yufeng Li, Xun Wang

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

AI总结 本研究针对多智能体系统中幻觉级联失败的问题，提出事前风险推断框架HalluProp，通过建模内在幻觉风险与传播机制实现早期诊断，性能优于事后方法，可提升系统可靠性。

Cooperative Multi-UAV Navigation in Complex Environments via Systematic Multi-Agent Deep Reinforcement Learning

通过系统多智能体深度强化学习实现复杂环境下的多无人机协同导航

Yu Su, Nabil Aouf

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

AI总结 针对复杂环境下多无人机协同导航面临的问题，提出多智能体深度强化学习框架，通过协同探索等方法解决，含感知、示范缓冲区和课程调度机制，能抽象特征实现跨场景转移，经仿真验证有良好性能。

Comments 13 pages, 7 figures