SwarmResearch：編排編碼代理以實現更佳的探索
SwarmResearch 是一個新型的多代理框架，透過 Shepherd Agent 在不同的 git 分支中協調多個 Search Agent。它克服了單一代理系統容易收斂於次優解的傾向，實現了更高層次的探索。
Search
Tag: #multi-agent-systems81 results
用於可靠自主代理的新型運行時治理框架
本研究介紹了一種使用五種執行檔位的離散時間控制系統，旨在確保單一及多代理網路實體系統的安全性與穩定性。該框架提供了形式化的安全保證，並顯著提升了機器人組裝環境中的異常檢測能力。
HyPOLE：超屬性引導的多代理強化學習框架
HyPOLE 是一個利用超屬性（hyperproperties）與 HyperLTL 時序邏輯來引導部分可觀測環境下多代理強化學習（MARL）的新框架。它整合了集中式訓練與分散式執行（CTDE）技術，以合成穩健的分散式策略。
去中心化多代理協作網路的新架構
本研究提出了一種用於點對點代理網路的分層架構，使異質代理能夠發現彼此、建立信任並在複雜任務上進行合作。它解決了語義宣告傳播和可驗證身份治理等關鍵挑戰。
Stanford 的 DeLM 將多代理任務成本降低 50%
Stanford 研究人員推出了 DeLM，這是一個去中心化的框架，允許 AI 代理透過共享知識庫直接協調，無需中央協調器。與傳統的集中式多代理系統相比，這種方法減少了通訊瓶頸並降低了 50% 的推理成本。
衡量 AI 代理之間的信任機制
這項研究提出了一種行為框架，透過合作任務中的成本驗證來衡量 AI 代理之間的信任。研究顯示，Claude Opus 和 GPT-5.1 等前沿模型展現出獨特的信任形成與恢復模式，直接影響系統的整體效率。
Arbor：作為自主代理認知層的樹狀搜尋框架
Arbor 是一個全新的多代理框架，利用結構化樹狀搜尋作為共享工作記憶，以優化自主代理的效能。透過協調器與評論家代理的架構，該系統在複雜的推論任務中取得了顯著的效能提升。
Floatboat 推出基於行事曆驅動工作流的「主動式代理作業系統」
Floatboat 推出了一款主動式代理作業系統，透過整合行事曆來自動化會議摘要、後續跟進與文件整理工作。該平台具備名為 FloatIM 的協作介面，讓多個 AI 代理能像團隊成員一樣協同作業。
PACT：優化多代理系統的通訊效率
PACT (Protocolized Action-state Communication and Transmission) 為多代理系統 (MAS) 引入了一種結構化的代理間通訊方法。透過將原始輸出轉換為精簡的動作狀態記錄，它能在維持或提升任務效能的同時，顯著降低 Token 使用量。
LeanMarathon：用於可靠 AI 自動形式化的多代理框架
LeanMarathon 是一個旨在解決 Lean 中長程數學自動形式化挑戰的多代理系統。透過使用演進藍圖與平行 CI 門控證明回合，它成功在無錯誤的情況下形式化了複雜的研究級定理。