先用站内已采集内容作答；站内不足时联网检索，每条结论都给出来源链接
9 条 · 点击可看原文全文与中文译文
ReviewPilot 是一个面向系统综述 PRISMA 流程的多智能体系统，通过对话定制筛选标准与抽取模式，并保留项目记忆，实现论文筛选与证据抽取的自动化。每条筛选决策附理由、每个抽取值附来源，在流行病学专家评审中优于单提示 LLM 与 AgentSLR，筛选宏 F1 达 0.776、抽取 F1 达 0.788，值得关注其可追溯性与跨领域迁移潜力。
PRISM 提出一种面向 LLM 多智能体系统的拓扑生成后训练方法：利用同一查询下另一个已验证可行图作为"特权兄弟"信息，通过零初始化低秩分支让教师模型提供逐决策监督，使学生模型学到查询级偏好，避免 SFT 偏向语料高频拓扑。在六个基准上优于现有拓扑设计基线。
ARIA 提出面向 LLM 多智能体系统的运行时检查与修正框架，将执行验证过的修复转化为可复用监督数据，训练小模型在任务执行中途识别错误并介入修正，避免事后诊断或反复重跑。构建了首个大规模失败轨迹与验证修复配对数据集（3953 对），可跨框架与宿主模型泛化。
研究团队让四个Gemini 4 Argon智能体在沙盒版《我的世界》生存模式中自主协作，仅用开源Mineflayer库，无人类预设角色或游戏逻辑，27小时14分钟内编写2783个程序并击败末影龙，死亡605次。这是首个端到端AI智能体自主通关案例，展示了长时程规划与多智能体协作能力，对企业级软件工程任务有参考价值。
论文提出基于市场的后训练框架MPT，让去中心化智能体集群通过竞价机制联合学习动作策略与自编排，无需中央协调者。在具身制作、机器人导航和深度研究任务上优于单体后训练，且支持复用、扩展与抗掉线鲁棒性。
3DCodeVerse 是一个面向编码智能体的3D内容生成生态，包含200万条可执行3D代码数据集、多智能体DAG生成与验证框架，以及3D编码实践指南。它通过执行检查、空间测量和视觉反馈自动评估修正程序，微调后开源模型3D编码能力显著提升，其框架在人类评测中对Claude Design取得90%胜率。
论文给出无人机网状拦截在选定策略前的性能上界闭式解：预测点不确定性由最小二乘方差传播加 delta 方法项刻画，与仿真误差 1.8%；在智能体间距不小于 2r 时，平面覆盖率上限 90.69%、体积 74.05%，允许重叠则改用 Kershner 最薄覆盖密度并在 p=0.80 处切换更优。作者主张学习实验前先算上界并随结果一并报告。
StepSafe 提出 ASPO 训练框架，将智能体安全护栏从轨迹级事后评估转为步级实时干预，通过前缀阶段对齐与自适应反馈自蒸馏，让模型判断风险何时累积到足以介入。在五个智能体安全基准上，4B 模型取得开源护栏最优的 Youden's J 53.0，兼顾安全与效用。
SHRED 提出一种无需专家演示的异构自博弈框架，联合训练车辆、行人和骑行者，通过类型特定动力学与程序化场景生成让多样化行为在闭环交互中涌现。在 WOSAC 和 InterPlan 基准上超越无演示自博弈基线及部分演示训练方法，证明异构自博弈是可扩展的交通行为学习范式。
你的问题只给了「multi-agent」这个关键词，范围很宽。下面按资料能确认的几个方向梳理当前多智能体（MAS）研究的关键议题。 1. 协作拓扑本身成为可学习对象 多智能体系统的有效性关键取决于协作拓扑，即哪些智能体参与、它们如何通信2。已有工作从任务查询中学习生成拓扑，但后训练存在局限：语料库只列出解决了某查询的图，却从不为其排序，导致持续 SFT 无法利用针对单个查询的偏好信号，生成器会偏向语料库中高频拓扑，使一个任务上的收益可能以另一个任务为代价2。PRISM 即针对这一问题提出「特权兄弟引导」的拓扑设计方法2。 2. 运行时干预：在错误传播前修正 在基于 LLM 的 MAS 中，一个局部错误会随其他智能体在其基础上继续构建而传播，把本可纠正的错误演变为任务失败3。对已完成运行做事后诊断、或反复重执行搜索修正，都无法提供「执行仍在进行时」干预的学习策略3。ARIA 的思路是把经执行验证的修复转化为可复用的监督信号，将修复搜索转移到数据构建与训练阶段3。 3. 去中心化自编排：用「出价」替代中心协调者 现有 MAS 往往在固定编排结构内训练智能体，把个体能力学习与集体行为组织割裂开5。基于市场的后训练（MPT）让智能体通过出价表达参与意愿，出价决定谁采取行动、集体结果如何提供局部训练信用，从而在无中心协调智能体的情况下联合学习动作策略与自我编排5。 4. 安全是序列性的、步骤级的 智能体系统中的安全本质上是序列性的：一个动作是否安全取决于先前的动作、工具输出、信息泄露以及智能体之间的交互8。StepSafe/ASPO 提出前缀级阶段对齐，把每个响应与同一前缀下的决策归因，用于步骤级及时干预的训练8。 5. 端到端实证：多智能体自主通关 Minecraft 四个 Gemini 4 Argon 智能体在沙盒化 Minecraft 生存世界中以击败末影龙为目标，每个智能体通过 Mineflayer 控制一名玩家，并通过游戏内聊天和共享内存协调；没有分配角色，也没有编写游戏逻辑，智能体自行规划、编写并调试程序4。团队编写了 2,783 个程序，在 27 小时 14 分钟内击败末影龙，途中死亡 605 次4。 6. 垂直领域落地：系统性综述自动化 ReviewPilot 是对话式多智能体系统，自动化从论文筛选到信息提取的 PRISMA 工作流；研究人员可通过对话定制筛选标准与 schema，项目记忆保存配置与修订，每个筛选决策附带理由、每个提取值附带来源1。 7. 其他相关但非 LLM-MAS 的多智能体工作
说明：以上仅为资料中可确认的内容。若你想问的是某个具体子问题（如拓扑生成方法细节、ARIA 的训练流程、MPT 的出价机制），现有摘要信息有限，需要进一步查阅原文。