检索声明的语言模型（RALMS）代表了经典的范式，其中模型使用通过专用模块检索的外部知识增强生成能力。代理技术的最新进步使大型语言模型（LLMS）自主利用工具来检索，计划和推理。尽管现有的基于培训的方法显示出希望，但它们的代理能力受到培训过程中使用的任务特定数据的固有特征的限制 ...

我们提出了一个代理，自主图扩展框架，该框架迭代地结构并原位优化知识。与依靠静态提取或单通学学习的常规知识图构造方法不同，我们的方法将推理性的大型语言模型与不断更新的图表表示。在每个步骤中，系统都会积极生成新的概念和关系，将它们合并为全局图，并根据其不断发展的结构制定了随后的提示 ...

在不同的无线网络方案中，多个网络实体需要合作，以便以最小的延迟和能源消耗来实现共同的任务。未来的无线网络要求在动态和不确定的环境中交换高维数据，因此实施通信控制任务变得具有挑战性且高度复杂。通过紧急沟通（EC-MARL）的多代理增强学习是一种有前途的解决方案，可以以合作的方式解决部分可观察到的状态的高维连续控制问题，在该问题中，代理人建立了一个新兴的沟通协议来解决复杂的任务 ...

无线网络的快速发展在管理复杂和动态系统方面提出了前所未有的挑战。在应对这些挑战时，现有方法越来越面临着基本的局限性。在本文中，我们介绍了无线框架，这是一个新颖的框架，该框架利用大型语言模型（LLMS）为各种无线网络任务创建自主AI代理 ...

本文介绍了调查-巩固-利用（冰），冰，冰，促进任务之间的知识转移，实现真正的自我进化，类似于人类的经验学习。该策略动态地研究规划和执行轨迹，将它们整合到简化的工作流程和管道中，并利用它们来改进任务执行... ...

由大型语言模型提供动力的代理商表现出了显着的推理和执行能力，吸引了研究人员在推荐域中探索其潜力。先前的研究主要集中于独立增强推荐代理或用户代理的功能，但并未考虑推荐代理和用户代理之间的互动和协作。为了解决这一差距，我们提出了一个名为Flow的新颖框架，该框架通过引入反馈循环来实现推荐代理与用户代理之间的协作 ...

图检索增强生成（GraphRag）通过明确建模知识关系有效地增强了外部知识集成能力，从而提高了专用域中大语言模型（LLMS）的事实准确性和发电质量。但是，现有方法遭受了两个固有的局限性：1）效率低下的信息聚合：它们依靠单个代理和固定迭代模式，因此很难自适应地捕获图形数据中的多级文本，结构和程度信息。 2）刚性推理机制：他们采用预设推理方案，该方案无法动态调整推理深度或实现精确的语义校正 ...

客户关系管理（CRM）系统对于现代企业至关重要，为管理客户互动和数据提供了基础。将AI代理集成到CRM系统中可以自动化常规流程并增强个性化服务。但是，由于缺乏反映现实世界中CRM任务复杂性的现实基准，部署和评估这些代理人是具有挑战性的 ...