深度分析
SceneConductor：多代理協調式單圖像 3D 場景生成框架與幾何感知布局預測
單張照片要自動產出完整的 3D 室內場景，必須同時推斷物件幾何、空間佈局與環境光源。SceneConductor 以三階段多代理管弦方式運作：先從影像擷取遮罩並建立粗糙物件模型與布局；再結合點雲資料構建地板、牆面與材質等環境骨架；最後由規劃代理偵測不一致，指派專家代理進行局部修正。
多代理協調
深度分析
以 JSON 為核心的 LLM 參數化 POMDP 框架：實現可審計的遊戲世界記憶
本研究提出以單一協調代理人管理LLM驅動的遊戲世界，將世界狀態以JSON樹形結構保存，並透過計畫‑差異‑驗證‑套用流程確保變更有效。此框架在實驗部署中示範了多代理協調、記憶注入與可審計的狀態提交，預示未來可支援多人NPC與強化學習環境和更高的敘事一致性。
深度分析
SMAC‑Talk：結合自然語言的星際爭霸多代理協調基準與 Qwen3.5 系列實驗分析
隨著大型語言模型與其他AI代理共存，研究團隊推出SMAC‑Talk，將星際爭霸多代理挑戰改為自然語言觀測與通信，保留分散控制、部分可觀測與長期決策等特性，並加入欺騙訊息測試。實驗發現模型規模與內部推理深度顯著提升協調表現。為未來多代理 LLM 研究提供基礎。
速報
ACMM：以回饋迴路驅動的AI程式碼成熟度模型
背景：AI輔助程式設計廣泛採用但多數停留在提示與審查。方法：提出六層的AI程式碼成熟度模型（ACMM），以回饋迴路拓撲定義每一層，並以KubeStellar Console與Hive作為實證。結果：測試與回饋基礎設施被驗證為系統智慧的核心，能顯著提升處理與修復效能。
深度分析
HearthNet：邊緣多代理協調平台實現智慧家庭語音控制
隨著使用者期待以自然語言控制智慧家庭，現有方案易因裝置失效而中斷。研究提出 HearthNet，於家庭中樞部署角色專精 LLM 代理，透過 MQTT、Git 共享狀態與授權租約協調裝置。系統實證顯示可解決語意模糊、衝突追蹤與未授權指令問題，提升本地化可靠性。
深度分析
策略性單一文化：大型語言模型在協調遊戲中的行為與多樣性分析
隨著 AI 代理在多代理環境中日益增多，協調成為關鍵挑戰。本研究以協調遊戲實驗區分基礎相似度與策略性單一文化，發現大型語言模型呈現高度基礎相似度，且會因協調激勵調整行為，但在需要多樣性以獲獎勵時，表現不及人類，顯示其在多樣化協調情境仍有提升空間。