大型语言模型（LLM）代理已经演变为智能处理信息，做出决策并与用户或工具互动。关键能力是长期记忆能力的整合，使这些代理能够利用历史互动和知识。但是，记忆的规模不断增长，对语义结构的需求构成了重大挑战 ...

代理相互作用的准确有效建模对于轨迹生成是必不可少的，这是自主驾驶系统的核心。现有的方法，以场景为中心，以代理为中心和以查询为中心的框架，每个方法都具有不同的优势和缺点，在准确性，计算时间和内存效率之间创造了不可能的三角形。为了打破这种限制，我们提出了定向旋转位置嵌入（Drope），这是一种最初在自然语言处理中开发的旋转位置嵌入（绳索）的新型适应 ...

检索演示的一代（RAG）在知识密集型任务中显示出很大的潜力，但其传统架构依靠静态检索，将其有效性限制在需要顺序寻求信息的复杂问题上。虽然代理推理和搜索提供了一种更自适应的方法，但大多数现有方法都在很大程度上取决于及时工程。在这项工作中，我们介绍了Rag-Gym，这是一个统一的优化框架，在每个搜索步骤中通过细粒度的过程监督增强信息寻求信息 ...

（llm）的最新进展展示了自然语言理解和生成任务的强大能力。随着llm数量的不断增加，llm的集体专业知识是一个令人兴奋的开放方向。为了实现这一点一个目标 ...

图像介入旨在填补图像的缺失区域。最近，人们对前景条件的背景介绍引起了人们的兴趣，该子任务填充了图像的背景，同时提供了前景主题和相关的文本提示。现有的背景填充方法通常严格地将受试者的原始位置从源图像中保存下来，从而导致受试者与生成背景之间的不一致 ...

关于大型语言模型（LLM）安全性的大多数讨论都集中在单一代理设置上，但是多代理LLM系统现在会产生新颖的对抗风险，因为它们的行为取决于代理商和分散推理之间的交流。在这项工作中，我们专注于攻击具有限制的 Token 带宽，消息传递之间的延迟和防御机制等构成的务实系统。我们设计了一个$ \ textIt {置换不变的对抗攻击} $，可优化跨延迟和带宽构成网络拓扑的提示分布，以绕过系统内的分布式安全机制 ...

大型语言模型（LLM）的最新进展在使机器学习任务自动化方面表现出了巨大的潜力。但是，现有的基于LLM的代理通常会在低多样性和次优码生成中挣扎。尽管最近的工作引入了蒙特卡洛树搜索（MCT）来解决这些问题，但限制持续存在生成的思想质量和多样性，以及用于节点选择的标量值反馈机制 ...

生成模型在创建高质量视频中的令人印象深刻的成就引起了人们对数字完整性和隐私脆弱性的关注。 AI生成的内容检测的最新作品已在图像字段中进行了广泛研究（例如 ...