药物再利用通过识别现有药物的新治疗潜力，为加速药物开发提供了一条有前途的途径。在本文中，我们提出了一个多代理框架，利用最先进的机器学习技术和知识整合来增强药物再利用过程。我们的框架由几个专门的代理组成：人工智能代理训练强大的药物靶标相互作用（DTI）模型；知识图代理利用药物基因相互作用数据库（DGIdb）、DrugBank、比较毒理学基因组数据库（CTD）和化学品相互作用搜索工具（STITCH）系 ...
软件工程代理商的最新进步证明了自动化计划改进的有希望的能力。但是，他们依靠封闭形式或资源密集型模型引入了私人环境中的重大部署挑战，这引起了一个关键问题：\ textIt {如何实现可比的代码推理性能？我们的框架结合了两种互补策略：内部TTC和外部TTC ...
Multi-Modal Large Language Models (MLLMs), despite being successful, exhibit limited generality and often fall short when compared to specialized models. Recently, LLM-based agents have been developed ...
（ai）的发展，llm）在许多领域得到广泛应用。但是llm在数学推理方面的推理能力还是很有限的。数学在人类社会的各个方面发挥着重要作用，是医疗保健、交通运输和航空航天等领域的技术保障，因此数学领域的人工智能大语言模型的发展具有巨大的潜在意义... ...
通过拥有不同专业知识和工具的多个代理的协作，多代理系统在解决现实世界问题方面取得了令人瞩目的进展。给定用户查询，元代理作为这些系统中的大脑，需要将查询分解为多个子任务，这些子任务可以分配给能够解决这些问题的合适代理，即所谓的面向代理的规划。在本研究中，我们确定了面向主体的规划的三个关键设计原则，包括可解决性、完整性和非冗余性，以确保每个子任务得到有效解决，从而对原始查询产生满意的响应 ...
文档问答（DOCQA）是一项非常普遍的任务。使用大语言模型（LLM）或大型视觉语言模型（LVLM）和检索增强生成（RAG）的现有方法通常优先考虑单个模式的信息，从而无法有效整合文本和视觉提示。这些方法在复杂的多模式推理方面遇到了困难，从而限制了它们在实际文档上的性能 ...
构建图形用户界面（GUI）代理是一个有前途的研究方向，它模拟了与计算机或手机的人类互动以执行各种GUI任务。但是，开发广义GUI代理的主要挑战是在各种操作系统和应用程序中缺乏足够的轨迹数据，这主要是由于手动注释的高成本。在本文中，我们提出了TONGUI框架，该框架通过从丰富的多模式Web教程中学习来建立广义的GUI代理 ...
在过去的一年中，大型语言模型（LLM）在传统的自然语言处理之外取得了巨大的成功，并且在与外部工具相关时，它们的能力进一步扩展到了所谓的LLM代理。在所有域中，LLMS的提示已显示出对LLM产生的内容的巨大变化，从而影响LLM代理的性能。因此，对于许多LLM的研究人员和用户来说，自动及时工程（APE）已成为一个重要的问题 ...
