多代理增强学习（MARL）中有效的沟通协议对于促进合作和提高团队绩效至关重要。为了利用沟通，许多以前的作品建议将本地信息压缩到一条消息中，并将其广播给所有可及的代理。但是，这种简单的消息传递机制可能无法为个体代理提供足够，关键和相关的信息，尤其是在严重带宽有限的方案中 ...
机间通信的各种应用正在上升。无论是用于自动驾驶车辆还是所有物品的互联网，机器都比以往任何时候都更加连接，以提高其完成给定任务的性能。尽管在传统的通信中，目标通常是在新兴任务范式下重建基础信息，但沟通的目的是使接收端能够做出更明智的决定或更精确的估计/计算 ...
生成模型和机器学习有望在MOF中加速材料，以捕获二氧化碳捕获和收集水，但面临着巨大的挑战，可以在确保合成性的同时导航巨大的化学空间。在这里，我们提出了MOFGEN，这是一种包含互连剂的代理AI系统：一种大型语言模型，该模型提出了新型MOF组成，一种扩散模型，一种生成晶体结构的扩散模型，优化和过滤候选者的量子机械剂，以及同步 - 及可及性剂，并以专家规则和机器学习为指导。经过对所有实验报告的MOF和 ...
检索增强的生成（RAG）系统已在诸如问答和多转化对话等应用中显示出很大的好处。但是，传统的抹布方法在利用静态知识基础的同时，经常忽略正在进行的对话中动态历史信息的潜力。为了弥合这一差距，我们介绍了DH-RAG，这是一种动态的历史上下文驱动的检索型生成方法，用于多转向对话 ...
投机解码（SD）通过使用较小的草稿模型来预测多个 Token ，从而加速了大语言模型，然后通过较大的目标模型并行验证。但是，草案模型的有限容量通常需要基于树的采样来提高预测准确性，在每个步骤中都会生成多个候选者。我们确定了这种方法的关键限制：同一步骤的候选人源自相同的表示，限制了多样性并降低了整体效率 ...
生成模型是建模现实世界的强大工具，具有主流扩散模型，尤其是基于潜在扩散模型范式的模型，从而在各种任务（例如图像和视频综合）中取得了显着的进步。潜在扩散模型通常是使用变异自动编码器（VAE）训练的，与VAE潜伏而不是真实样本进行了交互。尽管这种生成范式加快了训练和推理，但生成的输出的质量受到潜在的质量的限制 ...
基于大语言模型（LLM）的智能代理系统在现实世界应用中显示出巨大的潜力。但是，现有的代理框架仍然面临任务计划和执行的关键限制，从而限制了其有效性和可推广性。具体而言，当前的计划方法通常缺乏明确的全球目标，导致代理人陷入本地分支机构或制定不可执行的计划 ...
基于学习的图像去雪人算法在合成域上表现出了显着的成功。但是，由于计算资源的限制和现实世界场景的多样性，真实的图像除尘仍处于悬念状态。因此，迫切需要一种算法，在效率和适应性方面都有能力有效地解决真实图像 ...
