知识基础问题回答（KBQA）旨在用大规模的结构化知识库（KB）回答自然语言问题。尽管有大型语言模型（LLMS）的进步，KBQA仍然面临KB意识，有效性和效率之间的不平衡以及对注释数据的高度依赖的挑战。为了应对这些挑战，我们提出了KBQA-O1，这是一种具有蒙特卡洛树搜索（MCTS）的新型代理KBQA方法 ...

大型的多模型模型（LMM）迎来了一个新的人工智能时代，并以语言和愿景融合了能力，以形成强大的视觉基础代理。假定这些代理会在无数的任务中表现出色，并可能接近通用人工智能。但是，现有的基准无法充分挑战或展示在复杂的现实环境中LMM的全部潜力 ...

嵌入式人工智能正在改变人工智能系统与物理世界交互的方式，但现有的数据集不足以开发多功能的通用代理。这些限制包括缺乏标准化格式、数据多样性不足和数据量不足。为了解决这些问题 ...

基于位置的社交网络（LBSN）的快速发展导致了社会的重大变化，从而导致了对使用LBSN数据进行社会经济预测的流行研究，例如地区人口和商业活动估计 ...

尽管以前的3D人类运动产生方法取得了显着的成功，但他们通常依靠广泛的培训，并且仅限于特定任务。为了应对这些挑战，我们介绍了动作范围，这是一个为一般人类运动，编辑和理解设计的有效的对话框架。 Motion-Agent采用开源预训练的语言模型来开发生成代理Motionllm，该模型弥合了运动和文本之间的差距 ...

轨迹产生是自动驾驶中的关键任务。最近的研究引入了自回旋范式，利用国家过渡模型来近似未来的轨迹分布。该范式密切反映了现实世界的轨迹生成过程，并取得了显着的成功 ...

在本文中，我们为未来的第六代网络（6G）网络提出了一个数字代理（DA）辅助网络管理框架，以考虑体验用户质量（QOE）。通过结合用户行为动态和环境复杂性对服务质量（QOS）的影响来定义一种新颖的QOE度量。提出了两级DA架构，以协助Qoe驱动的网络切片和编排 ...

尽管大型语言模型（LLM）代理可以有效地使用外部工具来进行复杂的现实世界任务，但它们需要内存系统来利用历史体验。当前的内存系统启用基本存储和检索，但尽管最近尝试合并图形数据库，但仍缺乏复杂的内存组织。此外，这些系统的固定操作和结构限制了它们在各种任务中的适应性 ...