基于语言模型的大型多代理系统由于专家的协作而在各种任务中显示出很大的能力，每个人都集中在特定领域。但是，笨拙甚至恶意药物的影响，即 ...

大型语言模型（LLM）的最新进展导致了能够与图形用户界面（GUIS）进行交互的智能代理的开发。这些代理人表现出强大的推理和适应性，使他们能够执行传统上需要预定义规则的复杂任务。但是，基于LLM的代理中对分步推理的依赖通常会导致效率低下，尤其是对于常规任务 ...

本文介绍了RAG-KG-IL，这是一种新型的多代理混合框架，旨在通过将检索功能（RAG）和知识图（kgs）与增量学习（IL）方法整合到大语模型（LLMS）的推理能力（LLMS）。尽管有最近的进步，但LLMS在结构化数据，处理动态知识演变以及缓解幻觉的推理方面仍然面临重大挑战，尤其是在关键任务领域。我们提出的RAG-KG-IL框架通过采用一个多代理体系结构来解决这些局限性，该架构可以实现持续的知识更 ...

最近的代理框架和推理时间算法通常由于验证生成的计划或推理以及单个任务中实例的复杂性而遇到的复杂计划问题。这些任务的许多现有方法要么执行任务级验证，而无需考虑约束，要么应用推论时间算法而不适应实例级别的复杂性。为了解决这些局限性，我们提出了Plangen，这是一种模型不合时宜且易于扩展的代理框架，具有三个关键组件：约束，验证和选择剂 ...

将代理AI集成到科学发现中标志着研究自动化的新领域。这些能够推理，计划和自主决策的AI系统正在改变科学家如何执行文献综述，产生假设，进行实验和分析结果。这项调查提供了针对科学发现，对现有系统和工具进行分类的代理AI的全面概述，并强调了化学，生物学和材料科学等领域的最新进展 ...

我们给出了一个基于模型的代理，该代理会根据其与环境的互动来构建代表其对世界的知识。世界模型试图解释其互动，同时也对自己可以获得的奖励感到乐观。我们将这种乐观主义定义为程序和计划者之间的逻辑约束 ...

大型语言模型（LLMS）在复杂的任务和交互式环境中表现出了令人印象深刻的功能，但它们的创造力仍然没有被忽视。本文使用游戏Balderdash介绍了一个模拟框架，以评估LLM的创造力和逻辑推理。在Balderdash中，玩家为晦涩的术语生成虚拟的定义，以欺骗他人，同时确定正确的定义 ...

由大型语言模型（LLM）提供动力的多代理AI系统越来越多地用于解决复杂的任务。但是，这些系统通常依赖于脆弱的，手动设计的提示和启发式方法，从而使优化变得困难。优化多代理系统的关键挑战是为专用代理购买合适的培训数据 ...