大型语言模型（LLM）的快速发展促进了多机构系统的开发，其中多个基于LLM的代理协作以解决复杂的任务。但是，现有系统主要依赖于集中协调，该协调引入了可扩展性瓶颈，限制适应性并创建单点故障。此外，对隐私和专有知识共享的担忧阻碍了跨组织合作，从而导致了孤立的专业知识 ...

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 ...

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 ...

基于文本的游戏为基于语言的自主代理提供了宝贵的环境。但是，计划学习范例，例如结合蒙特卡洛树搜索（MCT）和增强学习（RL）的范例，由于广泛的迭代，尤其是耗时的。此外，这些算法执行不确定性驱动的探索，但缺乏语言理解和推理能力 ...

结合语言，愿景和最近动作的基础模型已彻底改变了利用互联网规模数据的能力，以推理有用的任务。但是，训练体现的基础模型的主要挑战之一是缺乏基于物理世界的数据。在本文中，我们提出了Autort，该系统利用现有的基础模型来扩大在人类的监督下完全看不见的情况下运营机器人的部署 ...

大型语言模型（LLMS）的显着成功阐明了为学术和工业社区实现人工智能的有希望的途径，因为它们在各种应用程序中的前所未有的表现。随着LLM在研究和商业领域的突出地位，其安全性和安全性的影响已成为一个日益严重的关注点，不仅对于研究人员和公司而言，而且对每个国家也是如此。当前，现有对LLM安全性的调查主要集中在LLM生命周期的特定阶段，e ...