大型语言模型（LLM）和引入模型上下文协议（MCP）的最新进展已大大扩展了LLM代理与外部工具和API动态交互的能力。但是，现有的工具选择框架不会集成MCP服务器，而是在很大程度上依赖于易用错误的手动更新到单片本地工具存储库中，从而导致重复，不一致和效率低下。此外，当前的方法是在调用LLM代理之前的抽象工具选择，从而限制了其在多转交互期间的自主性和阻碍动态的重新传播功能 ...

基于大语言模型 (LLM) 的智能代理的集成和部署充满了挑战，影响了其效率和功效。这些问题包括代理通过 LLM 请求的次优调度和资源分配、代理与 LLM 之间交互期间维护上下文的困难，以及集成具有不同功能和专业的异构代理所固有的复杂性。代理数量和复杂性的快速增加进一步加剧了这些问题，通常会导致资源瓶颈和次优利用 ...

模拟剂对于设计和测试系统与人类相互作用（例如自动驾驶汽车（AV））至关重要。这些代理的目的是各种目的，从基准AV性能到压力测试系统限制，但是所有应用程序都有一个关键要求：可靠性。为了启用声音实验，必须按预期行事 ...

随着科学研究变得越来越复杂，需要创新的工具来管理大量数据，促进跨学科的合作并加速发现。大型语言模型（LLM）现在正在发展为基于LLM的科学代理，这些科学代理将关键任务自动化，从假设产生和实验设计到数据分析和仿真。与通用LLM不同，这些专业的代理集成了特定于域的知识，高级工具集和健壮的验证机制，从而使它们能够处理复杂的数据类型，确保可重复性并推动科学突破 ...

我们介绍了一个模板指导的知识提取系统Oneke，它可以从Web和Raw PDF书籍中提取知识，并支持各种领域（科学，新闻等）。具体来说，我们设计了具有多种代理和配置知识库的Oneke ...

大型语言模型（LLM）的最新进展导致了各种自然语言处理任务的重大突破。但是，由于诸如幻觉，难以获取长尾知识以及有限的记忆扩展，在知识密集的情况下产生一致的响应仍然是一个挑战。本文介绍了Smart，这是一个新型的多代理框架，该框架利用外部知识来增强LLM生成的响应的解释性和事实一致性 ...

我们提出MAATS，这是一种多维自动化翻译系统，利用多维质量指标（MQM）框架作为用于错误检测和改进的细粒信号。 MAATS采用多种专业的AI代理，每种代理都集中在不同的MQM类别上（例如， ...

分布式数据库是当今大规模软件系统的关键基础架构，使有效的故障管理至关重要，以确保软件可用性。但是，现有方法通常会忽略分布式数据库中的角色区分，并依赖具有有限概括能力的小型模型。在本文中，我们进行了一项初步实证研究，以强调不同角色的独特意义 ...