在本文中，我们提出了双工对话，这是一种多型，多模式口语对话系统，使基于电话的代理能够与人类这样的客户互动。我们在电信中使用全双工的概念来证明类似人类的互动体验以及如何通过三个子任务来实现平稳的转弯：用户状态检测，后拨频选择和驳船检测。此外，我们建议使用多模式数据增强的半监督学习，以利用未标记的数据来增加模型的概括 ...

当前推荐系统（RS）中的多兴趣建模主要基于用户行为数据，从多个维度捕获用户兴趣偏好。然而，由于行为数据是隐式的且通常高度稀疏，因此理解用户复杂多样的兴趣具有挑战性。最近的研究表明，文本中丰富的语义信息可以有效补充行为数据的不足 ...

最近，多模式（MM）大语言模型（LLMS）解锁了许多需要MM理解（例如，图像字幕或视觉问题的回答）和MM生成（e ...

A2A是AI代理通信的协议，为安全AI代理通信提供了强大的基础。但是，它在处理敏感数据时有几个关键问题，例如付款细节，身份证和个人信息。本文审查了现有协议，确定其局限性，并提出了具体的增强功能，以提高安全性，隐私和信任 ...

随着推理量表到多节点部署，分类 - 将推理分为不同的阶段 - 为改善吞吐量相互作用帕累托边境提供了有希望的途径。尽管热情越来越多，开源努力激增，但由于优化搜索空间和系统级协调的复杂性，实际部署分解的服务仍然有限。在本文中，我们介绍了对大规模推断的分类推理的首次系统研究，评估了数十万个不同工作负载和硬件配置的设计点 ...

大型语言模型（LLM）已彻底改变了应用程序，例如代码完成，聊天机器人和在线分类。为了提升用户体验，服务水平目标（SLO）是评估推理服务功能的关键基准。在实践中，推理服务处理多种类型的任务，每个任务都有自己独特的SLO ...

大型语言模型（LLM）基于多代理系统（MAS）的兴起引入了新的安全性和可靠性挑战。尽管这些系统在分解和协调复杂的任务方面表现出巨大的希望，但它们在及时操作，不安全的工具使用情况和新兴代理商误差方面也面临多方面的风险。现有的护栏机制仅提供部分保护，主要是在投入输出级别，而在MAS中解决系统性或多点故障时缺乏 ...

多代理AI系统（MAS）为分布式智能提供了有希望的框架，从而使自治代理之间的协作推理，计划和决策能够。本文为MAS的当前机遇和挑战提供了系统的前景，从大型语言模型（LLMS）的最新进展，联合优化和人类互动中获得了见解。我们将关键概念形式化，包括代理拓扑，协调协议和共享目标，并确定诸如依赖性，未对准和漏洞诸如培训数据重叠引起的脆弱性 ...