大型语言模型（LLM）已成为推理，计划和决策的组成工具，借鉴了他们广泛的世界知识和与语言相关的任务的熟练程度。因此，LLM在多代理系统中具有巨大的自然语言互动，以促进合作。但是，LLM代理人倾向于过度报告并遵守任何指令，这可能会导致多机构合作中的信息冗余和混乱 ...

在本文中，我们提出了一种用于序列转导的新型软单调对齐机制。它受到尖峰神经网络中的，集成和火，并在由连续函数组成的编码器，并在由连续函数组成的编码器-解码器框架中采用：因此被命名为：连续（集成和射击（cif）。应用于aasr任务中，cif不仅计算简洁，cif不仅计算简洁，而且支持在线识别和声学边界定位 ...

大型语言模型（LLMS）具有广泛的知识库和强大的推理能力，使它们成为有前途的工具，可在具体的环境中进行复杂的多代理计划。然而，尽管LLM的高级能力和代理方法的复杂模块化设计，但现有的基于LLM的计划算法仍受到对多代理体现场景的弱适应能力的限制。我们通过引入一个框架来解决这一限制，该框架使LLM代理能够在测试时间之前和期间学习和发展，从而为他们提供与环境相关的知识，以进行更好的计划和增强沟通以改善合 ...

大规模的不同机器人数据集已成为使灵巧的操纵策略推广到新型环境的有前途的途径，但是获取此类数据集提出了许多挑战。虽然Teleperation提供高保真数据集，但其高成本限制了其可扩展性。相反，如果人们可以像日常生活一样使用自己的手来收集数据怎么办？在DexWild中，一个多元化的数据收集器团队借助他们的手来收集跨多种环境和对象的互动 ...

我们为多目标集合排名模块提出了一个新颖的端到端多目标集合排名框架（EMER），这是简短视频推荐系统中最关键的组成部分。 EMER通过用端到端的建模范式替换手动设计的启发式公式来增强个性化。 Emer引入了精心设计的损失功能，以应对定义合奏排名有效监督的基本挑战，没有单个地面信号可以完全捕获用户满意度 ...

我们提出了一种新型的多机器人协作方法，该方法利用了预培训的大语言模型（LLM）的力量来实现高级通信和低级路径计划。机器人配备了LLM，以讨论和集体推理任务策略。然后，他们生成子任务计划和任务空间路径，多臂运动计划者将其用于加速轨迹计划 ...

人类通过模拟不言而喻的动态和对他人的观点的推理，即使信息有限，人类也可以通过模拟不言而喻的动态来浏览社交互动。相反，AI系统难以自动构建和理性这些隐性社会环境。在本文中，我们介绍了一种新颖的结构化社交世界形式主义（S3AP），旨在帮助AI系统对社会动态的有效理性 ...

工业推荐系统通常依靠集合分类（ES）结合了来自多个行为目标的预测。传统上，此过程取决于手动设计的非线性转换（例如 ...