社会模拟正在通过通过虚拟个人及其环境之间的互动来建模人类行为来改变传统的社会科学研究。随着大语言模型（LLM）的最新进展，这种方法表明，在捕获个体差异和预测群体行为方面的潜力越来越大。但是，现有方法面临与环境，目标用户，互动机制和行为模式相关的一致性挑战 ...

恢复筛查是人才获取的关键但时间密集的过程，要求招聘人员分析大量的工作应用程序，同时保持客观，准确和公平。随着大语言模型（LLM）的进步，其推理能力和广泛的知识库展示了简化和自动化招聘工作流程的新机会。在这项工作中，我们提出了一个多代理框架，用于使用LLMS进行系统处理和评估简历的恢复筛查 ...

在多代理路径查找（MAPF）问题中，一组在图形上移动的代理必须到达自己的各自目的地，而无需碰撞。在实用的MAPF应用程序中，例如自动化仓库中的导航（偶尔有数百个代理商），MAPF必须终生在线迭代。这种情况排除了离线计算密集型最佳方法的简单改编；因此，可扩展的次级算法对此类设置有吸引力 ...

软件问题分辨率是软件工程中的一个关键挑战，并且近年来引起了人们的关注。随着大语言模型（LLM）的快速发展，在解决现实世界软件工程任务方面取得了重大进展。最近的研究引入了集合推理技术，以提高基于LLM的问题解决方案的性能 ...

我们研究了多代理路径查找（MAPF）的优先计划。现有的优先MAPF算法取决于脑规则的启发式和随机分配，以确定所有代理的固定总优先级排序。相反，我们探索了所有可能的部分优先顺序的空间，作为新型系统和冲突驱动的组合搜索框架的一部分 ...

我们介绍了用于工程应用程序的“设计代理”的概念，尤其是专注于汽车设计过程，同时强调我们的方法很容易扩展到其他工程和设计领域。我们的框架将AI驱动的设计代理集成到传统的工程工作流程中，展示了这些专业计算代理如何与工程师和设计师无缝互动以提高创造力，提高效率并显着加速整体设计周期。通过自动化和简化传统上执行的任务，例如概念素描，造型增强功能，3D形状检索和生成性建模，计算流体动力学（CFD）网格和空气 ...

大型语言模型（LLM）表现出强大的功能，但从根本上保持静态，无法使其内部参数适应新任务，不断发展的知识领域或动态互动环境。随着LLM越来越多地部署在开放式的交互式环境中，这种静态性质已成为一种关键的瓶颈，需要代理，可以实时适应性地推理，采取行动和发展。这种范式的转变 - 从缩放静态模型到发展自我发展的代理 - 引发了人们对建筑和方法的日益兴趣，从而使能够从数据，交互和经验中进行持续学习和适应 .. ...

在建立世界模型时，一个共同的假设是，环境具有一个不变的基本因果规则，例如将牛顿的法律应用于每种情况。实际上，看来是一种漂移的因果机制通常是通过狭窄的观察窗口看到的固定基本机制的表现。这带来了一个问题，即建立世界模型时，即使在政策或环境中的细微转变也可以改变观察到的因果机制 ...