沟通需要在代理之间具有通用语言，即通用语言。该语言可能会通过共识过程出现，但可能需要许多代价的反复试验。另外，可以通过环境给出通用语言，在该环境中，代理人将其语言扎根于观察到的世界的代表 ...

即使是最先进的大型语言模型（LLMS），科学推理也构成了过度挑战。为了使LLMS更实用和可解决，我们引入了一种名为“工具启动的科学推理”的新任务设置。此设置为LLM提供了可扩展的工具集，并将重点从追求无所不知的问题解决方案转移到熟练的工具用户 ...

大型语言模型（LLM）通常因在各种任务上表现出近人类的表现而受到赞扬，并因其进行一般对话的能力而受到重视。但是，代理AI系统的兴起正在使用大量应用程序，其中语言模型重复执行少量专业任务，而差异很小。在这里，我们提出了这样一个立场，即小型语言模型（SLM）足够强大，本质上更合适，并且对于代理系统中的许多调用，并且是代理AI的未来 ...

大型语言模型（LLM）的最新进展已通过多代理系统实现了社交模拟。先前的努力专注于从头开始创建的代理社会，将代理商分配给了新定义的角色。然而，尽管实用的实践价值很高，但模拟既定的虚构世界和角色仍然在很大程度上尚未得到充实 ...

在本文中，我们介绍了一个名为医院的模拟代理，它模拟了治疗疾病的整个过程。所有患者、护士和医生均由大型语言模型（LLM）提供支持的自主代理。我们的中心目标是让医生代理人能够学习如何在模拟中治疗疾病...... ...

深度多智能体强化学习（MARL）的进步使其成为合作游戏决策的一种有前途的方法。然而，对于 MARL 智能体来说，学习某些游戏环境的合作策略仍然具有挑战性。最近，大型语言模型（LLM）已经表现出新兴的推理能力，使它们成为增强智能体之间协调的有希望的候选者 ...

多机构系统（MAS）在执行复杂的任务方面表现出巨大的潜力，但是协调和安全仍然是重大挑战。多机构增强学习（MARL）为代理协作提供了有希望的框架，但它在处理复杂任务和设计奖励功能方面面临困难。大型语言模型（LLM）的引入为MAS带来了更强的推理和认知能力，但是现有的基于LLM的系统努力在动态环境中迅速而准确地做出响应 ...

基于LLM的多代理系统已经在解决复杂的，代理任务的能力方面具有出色的功能，从产生高质量的演示幻灯片到进行复杂的科学研究。同时，RL因其在增强剂智能方面的有效性而被广泛认可，但有限的研究研究了使用基础RL技术对喇嘛进行微调。此外，MARL方法在喇嘛上的直接应用引入了重大挑战，这是源于喇嘛固有的独特特征和机制 ...