圖書信息
內容簡介
對 arXiv cs.MA 分類的年度綜述，涵蓋 2025 年 9 月 至 2026 年 8 月 期間發表的研究。本卷基於對 132 篇論文 的細讀整理，組織為 37 章，按該領域的研究子方向描繪這一年的全貌。
全書框架（年度產出佔比）：
- 大語言模型驅動的多智能體任務推理與協同 (57.0%) — 本聚類聚焦利用大語言模型使自主智能體在多智能體環境中推理、協同並處理複雜動態任務。
- 社會仿真與生成式多智能體系統 (32.7%) — 本聚類處理面向社會、車輛與運營系統的生成式多智能體仿真的發展，利用提示與圖建模複雜交互。
- 合作式深度多智能體強化學習 (3.4%) — 本聚類聚焦推進合作式多智能體強化學習算法，關注聯合動作空間中的策略優化、獎勵設計與探索。
- 智能體工作流編排與工具整合 (2.2%) — 本聚類研究編排工作流、整合工具並在複雜信息豐富環境中改進決策過程的智能體系統。
- 博弈論多智能體學習與均衡分析 (1.6%) — 本聚類探索多智能體系統中的博弈論模型、納什均衡收斂與戰略交互，包括基於大語言模型的智能體與自博弈。
- 智能體系統的自適應記憶與集體智能 (1.1%) — 本聚類聚焦為長期與演化中的多智能體系統發展自適應記憶機制、協議與集體智能框架。
- 多模態數據整合與臨床多智能體應用 (0.8%) — 本聚類處理多智能體系統中異構多模態數據的整合，應用於醫療保健、可視化與實時決策支持。
- 去中心化優化與穩健多智能體架構 (0.4%) — 本聚類聚焦為受限與動態環境中的現實部署設計穩健的去中心化優化算法與多智能體架構。
- 安全、治理與風險感知的戰略協同 (0.4%) — 本聚類處理在受監管或高風險市場中運行的多智能體系統的安全約束、治理政策與風險感知戰略決策。
- 多智能體系統的基準測試與自動評估 (0.2%) — 本聚類聚焦發展基準、評估框架與自動測試方法，以評估多智能體系統的性能與失敗模式。
- 下一代多智能體系統的湧現範式與關鍵使能技術 (0.1%) — 本聚類探索多智能體系統中的湧現範式、關鍵使能技術與變革性轉變，包括聯邦學習與可解釋監管。
每個子方向均通過三章展開論述——它如何提出自己的問題、其關鍵結論的強度，以及它開放的爭論與前沿，從而讓讀者獲得該領域今年實際產出的可溯源圖景。
