标签
一个小团队发布了“guilds”,这是一个用于设计可信赖的多智能体 AI 工作流的开源框架,以有限自主性、可观测性和可共享的工作流配方为核心原则。
Adam Rackis 在 Alem Tuzlak 向他介绍 TanStack AI 后表达了强烈热情,称其"好得离谱",并表示迫不及待想进一步深入探索。
EpiCon 提出一个共享的多模态记忆框架,用于AI智能体之间的集体学习,在不更新宿主模型参数的情况下,提升了十一个基准测试的性能。
这条推文解释了 litellm 如何启发了 lm15 的创建,这是一个旨在成为统一各种模型的标准大语言模型接口的新工具。
MaLiang-Harness 引入了一个统一框架,以解决图像和视频生成中可执行程序的 Program-to-Visual 差距,在基准测试上评估了多个 MLLM,并揭示了视觉生成性能的见解。
使用 JEV 和 Opus 5.5 模型构建“公司大脑”的10步架构蓝图,强调成本效益、类型化输出和针对决策优化的上下文处理。
RoboFoundry提出了一种面向具身智能体的自演化系统即策略框架,在基准测试中达到最先进的性能,并支持真实世界部署中的零样本迁移。
本文介绍了 BaseCamp,这是一个智能体 AI 框架,通过使用专门的 AI 智能体处理诸如质量控制、比对和变异检测等任务,实现对端到端 DNA 测序管道中决策层的自动化。
认知分片通过将认知功能分配到专业模型上,使计算机使用代理能够在16GB内存的本地环境中运行,优先考虑准确性和错误控制而非速度。
来自DX、Capital One、GitHub、UVic和Google的研究人员在ACM Queue上发布了CAFE(S)框架,引入了五个属性,通过改善上下文质量来提升AI代理的有效性。
作者分享了利用 Jev 和 Pi 构建自定义框架的初步想法,重点关注门控、路由和验证器,并计划在后续文章中进行更深入的探讨。
知识拉取请求(KPRs)是一个用于持续文档编写的框架,通过提取主张、过滤它们并生成更改日志来集成新知识,使更改可解释。在保留内容和添加信息方面,它优于现有方法,这在维基百科修订和RAGTIME任务中得到评估。
本文针对网络化低空无人机提出了一种神经符号智能体AI(NSAAI)框架,旨在支持不确定条件下的可靠自适应自主决策,并包含参考架构及城市消防巡检案例研究。
本文提出了REARL,一个使用真实交通数据和大型语言模型的闭环框架,通过持续监控和调整车辆行为来增强自动驾驶模拟的真实性。
VLA-Precision引入了一个高效的真实世界在线强化学习框架,采用非对称协同自举来提升视觉-语言-动作模型,在精确度任务中实现了高成功率。
DeformSmith是一个框架,用于从文本或图像生成交互式、物理可信的可变形资产,通过物理引导的分层生成来提高质量和可信度。
本文介绍了SELF-INDEX,这是一个使搜索索引能够自主自我进化的框架,从而提升检索性能,并惠及搜索代理和代理记忆系统等下游应用。
JEPA-Anything 提出了一种基于正交预测因子分解的领域无关框架,用于跨视觉、生物学和控制等多种系统学习预测模型,并展示了改进效果和实验验证。
本文提出了一种使用大语言模型的检索增强生成框架,从事故叙述中推荐安全对策,在现实世界数据评估中实现了高精度和召回率。
本文提出了一种用于供应链分析的混合式智能代理AI框架,该框架使用协调代理和专门代理来改进决策,实现90%的准确率,并将令牌使用量减少四倍。