前康的文章

《Internet of Agents：构建异构智能体协同智能网络》——迈向“智能体互联网”的关键一步

随着大语言模型（LLM）能力的快速提升，基于 LLM 的自治智能体（Autonomous Agents）正在成为人工智能领域的重要研究方向。从 AutoGPT、MetaGPT 到各类 AI Agent 系统，研究者不断尝试让智能体具备自主规划、任务分解与协同执行能力。然而，现有...

5天前

① 研究背景在当前互联网域间路由系统中，BGP作为核心协议，其安全性长期受到路由劫持（hijack）、路由泄露（leak）等异常行为的威胁。尽管近年来RPKI、ROV等机制逐步部署，为路由验证提供了“可信锚点”，但实际网络环境却远比理想模型复杂。问题的关键在于：BGP是...

4周前 (04-20)

① 研究背景：从“策略学习”走向“影响建模” 在多智能体强化学习（MARL）中，一个几乎所有工作都默认但很少被真正刻画的问题是：智能体之间到底是如何相互影响的？论文开篇就明确指出：“理解智能体之间的相互影响对于有效学习策略至关重要”在MARL系统中，所有智能体都处在一个共...

1个月前 (04-07)

① 研究背景在多智能体系统（Multi-Agent Systems, MAS）中，如何实现高效协同一直是核心问题。从自动驾驶车队到分布式网络控制，再到你正在研究的跨域协同场景，本质上都面临一个共同挑战：多个异构智能体如何在复杂环境中做出协调一致的决策。然而现实世...

2个月前 (03-25)

① 研究背景：ROV之后，BGP真的安全吗？在过去十多年中，围绕 BGP（边界网关协议）安全的核心改进，主要集中在基于 RPKI 的 ROV（Route Origin Validation）机制。这一机制通过密码学信任链验证路由前缀的“起源合法性”，在一定程度上缓解了...

2个月前 (03-23)

①Introduction 多智能体强化学习一直被认为是强化学习中最复杂的一类问题。难点不仅在于每个智能体都要学策略，更在于多个智能体之间必须协同更新，才能提升整体收益。也正因此，这一领域长期依赖一些“折中方案”，比如集中训练、分布执行，通过引入全局信息来缓解训练难度。但...

2个月前 (03-20)

① 研究背景连续时间神经网络近年来逐渐成为深度学习中的重要研究方向。这类模型通常通过微分方程（Differential Equations）描述神经网络状态随时间的动态演化，能够在连续时间域上建模复杂系统，因此在时序建模、物理系统模拟以及不规则时间序列处理等任务...

2个月前 (03-18)

①研究背景：在多智能体系统（Multi-Agent Systems, MAS）中，通信是实现分布式控制和规划的关键要素。通过智能体之间的信息交换，可以将预测和决策过程分布到多个节点上，从而提高系统的可扩展性与预测能力。近年来，随着数据驱动控制方法的发展，越来越多研究尝试...

2个月前 (03-16)

深度解读：DFOH——一套检测伪造源 BGP 劫持的实时系统在互联网的底层路由体系中，边界网关协议（BGP）负责跨自治系统（AS）通告路由路径，是全球网络互联的“血脉”。然而，由于 BGP 本身缺乏强认证机制，攻击者可以通过篡改路由信息对流量进行劫持，导致服务中断、数据...

4个月前 (02-02)

打破传统边界，让 AI 更快更省能——PhyDNNs 正在重塑通信与智能终端未来！在智能设备与实时交互应用高速发展的今天，从增强现实 (AR) 到虚拟现实 (VR)，从智能驾驶到无人机，都对实时计算提出了前所未有的要求。然而，深度神经网络（DNN）传统的...

5个月前 (12-11)