AI Agent

MR-TGN: A Meta-Role Temporal Graph Network for Team-Level Intent Prediction in Multi-Agent Systems

MR-TGN：用于多智能体系统中团队级意图预测的元角色时间图网络

Nagarani Brammanayagam, Devaprakash Muniraj

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

AI总结 针对多智能体系统集体意图预测难题，提出MR-TGN框架。它将智能体建模为动态图实体，用时间记忆机制编码交互行为，引入记忆增强元角色学习机制，无需明确角色标签，实验证明该框架能有效实现早期集体意图预测。

VPR-Evolve: Multi-Agent-Driven Algorithm Evolution for FPGA Place and Route

VPR-Evolve：用于FPGA布局布线的多智能体驱动算法进化

Qihang Wu, Taizun Jafri, Aman Arora, Vidya A. Chhabria

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

AI总结 研究针对CAD工具固定算法在不同电路设计效果不佳的问题，提出VPR-Evolve多智能体框架，通过进化VPR源代码优化布局布线。经实验，相比原始VPR和超参数调整基线，该框架在关键路径延迟、布线线长和工具运行时等方面有显著提升。

Energy Constrained Hierarchical Underwater Monitoring via Local Multi-Agent RAG

通过局部多智能体RAG实现能量受限的分层水下监测

Mohamed Amine Janati, Laurent Gautier, Stéphane Barbot

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

AI总结 针对海洋生物监测受能量等限制的问题，提出结合边缘传感与局部推理的低功耗水下监测架构，采用分层设计，利用特定嵌入、识别层及多智能体框架，经案例研究评估，实现低功耗连续传感与局部多模态智能结合，减少能耗与通信开销。

Comments Contains 25 pages, 11 figures. To be submitted to Elsevier Ocean Engineering

IDSTune: A Multi-Agent Collaborative Framework for Integrated Database System Tuning

IDSTune：一种用于集成数据库系统调优的多智能体协作框架

Yiyan Li, Guanli Liu, Renata Borovica-Gajic, Haoyang Li, Zihang Qiu, Xinmei Huang, Andreas Kipf, Cuiping Li, Hong Chen

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

AI总结 针对现有数据库调优方法未考虑组件相互依赖性及不足以处理多样工作负载等问题，提出IDSTune框架，通过大语言模型驱动多智能体协作联合优化多个配置组件，经实验验证其性能提升显著且调优速度快，适应性强。

Streaming Multi-Agent Autoregressive Diffusion Model with World State Registers

具有世界状态寄存器的流式多智能体自回归扩散模型

Sicheng Mo, Yuheng Li, Ziyang Leng, Krishna Kumar Singh, Bolei Zhou

机构 * University of California, Los Angeles（加利福尼亚大学洛杉矶分校） ； Adobe Research（Adobe研究院） 纠错

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

AI总结 研究多智能体交互世界模型共享状态维护难题，提出WorldWeaver模型，利用跨智能体世界状态寄存器及混合变压器设计，经双智能体我的世界视频生成实验验证，该模型能提升逻辑一致性与生成质量。

Comments Project page: https://vail-ucla.github.io/worldweaver/

ETPDesigner: Multi-Agent Orchestration for Interactive Multimodal Electronic Theater Program

ETPDesigner：用于交互式多模态电子剧院节目的多智能体编排

Mengtian Li, Xinru Guo, Xiaoru Lin, Xiao Rong, Zhifeng Xie, Chaofeng Chen

机构 * Shanghai University（上海大学） ； Shanghai Engineering Research Center of Motion Picture Special Effects（上海电影特效工程技术研究中心） ； Institute for Math and AI, Wuhan School of Artificial Intelligence, Wuhan University（武汉大学数学与人工智能研究院武汉人工智能学院） 纠错

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

AI总结 研究针对电子剧院节目设计难题，提出ETPDesigner多智能体框架，能从戏剧脚本合成高质量ETP，通过全局风格锚定机制保证一致性，还实现交互功能，经ETP-Pro基准测试验证了方法在多方面的优越性。

How network perturbations distort agreement trajectories in LTI multi-agent systems

网络扰动如何扭曲线性时不变多智能体系统中的一致性轨迹

Gal Barkai, Irinel-Constantin Morărescu

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

AI总结 研究网络扰动对线性时不变多智能体系统一致性轨迹的影响，通过建立拉普拉斯域准则等方法，揭示经典鲁棒同步存在漏洞，如同步到周期轨迹易被传输延迟破坏，d正则拓扑下传输扰动会使系统同步到新频率，强调需对网络参考生成器进行结构修改。

Comments 12 pages, 9 figures, submitted to IEEE for possible publication

On Optimal Event-Triggered Distributed Control for Stochastic Multi-Agent Systems via Reinforcement Learning

基于强化学习的随机多智能体系统最优事件触发分布式控制

Ziming Wang, Bingbing Li, Karl H. Johansson, Apostolos I. Rikos

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

AI总结 针对含随机不确定性的多智能体系统，提出基于强化学习的最优分布式控制算法，采用 actor-critic-identifier 结构，用低通滤波器和混合事件触发控制策略，经稳定性证明，在仿真中验证正确性并与非最优算法比较突出优势。

Laplacian Spectral Shaping for Non-Uniform Scaling Formation Control of Open Multi-Agent Systems

用于开放多智能体系统非均匀缩放编队控制的拉普拉斯谱整形

Tao He, Gangshan Jing

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

AI总结 研究开放多智能体系统非均匀缩放编队控制问题，开发分布式协议调整拉普拉斯矩阵部分权重，能在动态拓扑变化下保留期望编队谱，具有更稀疏传感图、无需预定义层次结构和支持领导者重新分配等优势，经理论分析和模拟验证有效。

MAGiSt3R: Multi-Agent Feed-forward 3D Reconstruction from Monocular RGB Videos

MAGiSt3R：基于单目RGB视频的多智能体前馈3D重建

Ziren Gong, Xiaohan Li, Fabio Tosi, Ninghui Xu, Stefano Mattoccia, Jianfei Cai, Matteo Poggi

机构 * University of Bologna（博洛尼亚大学） ； The University of Hong Kong（香港大学） ； Southeast University（东南大学） ； Monash University（莫纳什大学） 纠错

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

AI总结 研究基于单目RGB视频的多智能体3D重建问题，核心方法是用3R家族前馈模型和MAGMA合并模型，并进行姿态图优化，主要贡献是在合成和真实数据集上验证该框架相比现有方法有更高重建和相机跟踪精度。

COLMAR: Cooperative View Policy Learning for Multi-Agent Active 3D Reconstruction

COLMAR：用于多智能体主动3D重建的协作视图策略学习

Phu Pham, Damon Conover, Aniket Bera

机构 * Purdue University（普渡大学） ； DEVCOM Army Research Laboratory（陆军研究实验室） 纠错

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

AI总结 研究多智能体主动3D重建中协调效率低的问题，提出COLMAR框架，将视点分配作为共享策略优化，用参数共享PPO训练，结合3DGS重建，实验表明相比基线在传感预算匹配时重建精度和覆盖率显著提升。

Comments 8 pages, 5 figures, IROS 2026

JW-ASTClaw: A Generalizable Multi-Agent Framework for Autonomous Solar Telescope and Its Implementation within Chinese Meridian Project

JW-ASTClaw：一种用于自主太阳望远镜的通用多智能体框架及其在中国子午工程中的实现

Li-Yue Tong, Jia-Ben Lin, Yuan-Yong Deng, Ying-Zi Sun, Ming-Fu Shao, Hui Wang, Chen Yang

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

AI总结 研究将大语言模型驱动的自主控制系统部署在太阳望远镜上，采用多智能体框架及解耦三层架构，通过感知智能体编码专业知识，经中央推理引擎处理，实现实时自适应调度，跨季节验证效果良好，提升了观测等多方面能力。

Comments 17 pages, 6 figures,

Multi-Agent Reinforcement Learning for C-V2X RAT Selection

用于蜂窝车联网无线接入技术选择的多智能体强化学习

Moritz Schaffenroth, Uwe Kölbel, Heike Lepke, Alexander Prinz, Alfred Höß

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

AI总结 研究蜂窝车联网无线接入技术选择决策问题，用多智能体强化学习算法MAPPO解决，与五个基线比较。在城市场景及通信用例中评估，结果显示按时交付率提高，训练时间减半，表明自适应通信策略有益，多智能体建模可解决决策问题。

Understanding Implicit Trust Errors in Core Carrier Networks through Multi-Agent Flaw Discovery and Analysis

通过多智能体缺陷发现与分析理解核心承载网络中的隐式信任错误

Ziyu Lin, Ziting Wang, Xinfeng Li, Wei Dong, XiaoFeng Wang

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

AI总结 研究蜂窝核心网络向云原生部署过渡时出现的隐式信任错误问题，设计iFinder多智能体系统，通过总结已知缺陷形成检测模式来发现新漏洞，运行该系统发现多个未知漏洞，确认了会话劫持等问题。

Comments To appear in the 35th USENIX Security Symposium (USENIX Security 2026)

A Distributionally Robust Multi-agent Reinforcement Learning Framework for Intelligent Intersection Control

一种用于智能交叉口控制的分布鲁棒多智能体强化学习框架

Shuwei Pei, Joran Borger, Arda Kosay, Bayu Jayawardhana, Muhammed O. Sayin, Saeed Ahmed

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

AI总结 研究针对多智能体强化学习在交通信号控制中应对不利情况能力不足的问题，提出集成自适应上下文博弈最坏情况估计器的分布鲁棒框架，经实验验证其能提升鲁棒性和效率，且策略有零样本泛化能力。

EvoOMG: An Evolution-Oriented Multi-Agent Guidance Framework for Heterogeneous Legacy-and-MLO Wi-Fi Networks

EvoOMG：一种面向异构传统与MLO Wi-Fi网络的基于进化的多智能体引导框架

Junjie Wu, Lingjian Zhou, Zerui Shao, Yi Zou, Tianrui Li, Yi Zhang, Ziyuan Yang

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

AI总结 针对Wi-Fi 7/8多链路操作导致的传统与MLO STA共存下吞吐量优化难题，提出EvoOMG框架。该框架将问题转化为多智能体决策问题，通过自回归设计生成引导，相比其他基线方法，在NS-3评估中取得更好性能。

CILC: Cryptographically-secure Inter-agent Loop Closure Candidate Detection for Multi-Agent Collaborative SLAM

CILC：用于多智能体协作SLAM的加密安全的智能体间闭环候选检测

Andrew Fishberg, Yixuan Jia, Jonathan P. How

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 研究多智能体协作SLAM中智能体间闭环候选检测问题，提出CILC系统，利用安全多方计算仅对隐私敏感且计算量轻的GD相似性比较步骤进行加密处理，在模拟和硬件实验中验证其能保持实时性、通信可行并减轻信息泄露。

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。