AARAB 多智能体系统：在不到4分钟内完成东非可再生能源地理空间分析
摘要
AARAB 是一个多智能体AI系统，在不到4分钟内完成了东非可再生能源潜力的地理空间分析。
暂无内容
相似文章
UrbanAgent: A Tool-Augmented Agent for Cross-System Urban Tasks
UrbanAgent is a tool-augmented agent framework that uses LLMs with code execution, API calls, and MCP to handle cross-system urban requests. The authors also introduce UrbanEval, a benchmark for evaluating task results and execution quality, achieving 71% success rate over baselines.
AgentFAIR：面向地理空间数据集FAIR原则评估的多智能体协作框架
AgentFAIR是一个多智能体框架，利用LLM评估器和批评者来评估地理空间数据集的FAIR合规性，在专家研究中实现了89%的子原则一致性和Fleiss κ=0.71，每个数据集成本为0.054美元。
创建多智能体系统
本视频演示了如何构建包含规划器、评估器和模拟器智能体的多智能体系统，利用Google的A2A协议和A-to-I动态UI生成来规划和模拟一场马拉松。
多智能体系统
一位社区成员分享了一个多智能体AI系统(AIPass)的GitHub仓库，希望获得关于其功能和潜在应用的反馈。
自动化并扩展AI代理的行为科学研究
本文介绍了AEROBAT，这是首个多代理系统，用于自动化AI代理的行为科学研究，包括生成假设、设计和执行受控实验以及撰写报告。作者在12个目标行为上展示了其有效性，为26个假设找到了统计证据。