医学文献的迅速扩展提出了越来越多的挑战，可以大规模构建和整合领域知识。知识图（KGS）通过实现有效的检索，自动推理和知识发现提供了有希望的解决方案。但是，当前的KG施工方法通常依靠有限的可推广性或来自大型语言模型（LLM）的综合产量的监督管道，将生物医学语料库视为静态的，而忽略了不断发展的知识的时间动态和上下文不确定性 ...

大型语言模型（LLM）的兴起已将AI代理从被动计算工具转变为自主经济参与者。这种转变标志着以代理商为中心的经济的出现，在这种经济中，代理人承担着积极的经济角色 - 交换价值，做出战略决策，并以最少的人类监督协调行动。为了实现这一愿景，我们提出了一个专门的拍卖平台，旨在支持AI代理市场的动态 ...

让AI代理在多代理应用中相互作用为AI结果的解释性和预测增加了一层复杂性，对他们在研究和社会中的可信赖采用产生了深远的影响。 Game Theory提供了强大的模型来捕获和解释代理之间的战略互动，但需要支持可重复，标准化和用户友好的IT框架，以实现结果的比较和解释。为此，我们提出了Fairgame，这是使用游戏理论偏向识别的框架 ...

人工智能（AI）代理商已从专业的，基于规则的程序迅速发展为能够在复杂环境中进行感知，推理和行动的多功能，学习驱动的自主系统。数据的爆炸，深度学习的进步，强化学习和多机构协调加速了这一转变。然而，设计和部署统一的AI代理商无缝整合认知，计划和互动仍然是一个巨大的挑战 ...

多代理辩论（MAD）已成为一种有希望的方法，可以通过使多个代理参与推理期间的迭代讨论来提高大语模型（LLMS）的事实准确性和推理质量。尽管具有潜力，但我们认为当前的MAD研究遭受了评估实践的关键缺点，包括数据集有限的重叠和不一致的基线，引起了人们对概括性的重大关注。相应地，本文使用四个基础模型对九个基准的五种代表性MAD方法进行了系统评估 ...

大型语言模型的发展迎来了新的教育范式。本文集中在教育中的多代理系统上，并提出了von Neumann Multi-Agent System框架。它将每个AI代理分解为四个模块：控制单元，逻辑单元，存储单元和输入输出设备，定义四种类型的操作：任务解构，自我反射，内存处理和工具调用 ...

培训有效的AI代理进行多转交互作用需要高质量的数据，以捕获现实的人类代理动力学，但是手动收集的数据却很少且昂贵。我们介绍了Apigen-MT，这是一个两阶段的框架，生成可验证和多样化的多转变代理数据。在第一阶段，我们的代理管道通过基本操作产生详细的任务蓝图，利用LLM审阅者委员会和迭代反馈循环 ...

基于聊天的语言模型的快速发展导致复杂的任务解决方案取得了显着进步。但是，他们的成功在很大程度上取决于人类的意见来指导对话，这可能是充满挑战和耗时的。本文探讨了建筑可扩展技术的潜力，以促进交流代理之间的自主合作，并洞悉其“认知”过程 ...