标签
本文提出SIHA,一种在多智能体系统中,当智能体隐藏时推断交互结构的方法,结合结构无关初始化与迭代优化,以改进结构推断和轨迹重建。
本文讨论了公司从几个 AI 代理扩展到数十个时遇到的运营挑战,提出了一种将业务逻辑与技术控制分离的解决方案,以有效管理代理工作流。
OmniHarness 引入了一个基于符号策略学习的可泛化视觉生成框架,解决了多模态大型语言模型和多智能体系统的局限性,并在如 ComfyBench 等基准测试中表现出色。
两个新的AI热线已推出,允许AI智能体报告其他智能体的不端行为,旨在遏制多智能体系统中的作弊和未授权行为等问题。
Plasma__AI推出了Radio,这是一个共享聊天室工具,使多个AI编码智能体能够实时协调和同步,简化了智能体团队的管理。
本文全面调查了可信代理AI系统的网络安全挑战和防御机制,涵盖威胁环境、架构和开放研究问题。
MACE 是一个多智能体候选事件获取方法,它使用证据专用的 LLM 代理来细化事件结构,提高事件链接任务的准确性,而无需修改现有模型。
本文介绍了ShopEase,这是一个基于生成式AI的多智能体框架,用于企业客户支持,采用混合检索增强生成。研究评估了检索配置,发现使用FAISS的稠密检索实现了最佳准确率。
文章介绍了自创生博弈理论——一种计算模型,该模型表明,在演化智能体系统中,将社会互动与复制成本耦合可以促进合作的涌现。研究使用 Z80 机器代码模拟进行了演示。
本文探讨了AI代理管理其他代理的分层多代理系统中的潜在故障模式,重点关注系统复杂化时最早的崩溃点和相关担忧。
作者批评许多所谓的多智能体系统实际上是具有多个角色的单一智能体,常用于营销吸引力而非技术必要性。
本文探讨了在多智能体系统中,AI 智能体必须相互发现和通信的挑战,讨论了各种方法,并邀请开发者的实践经验。
文章认为,AI智能体安全的关键问题应从防止不当行为转变为证明智能体在多智能体系统中的实际行为和授权行为,并指出了基础设施方面的差距,尤其是在金融领域。
这篇文章介绍了一本完整的书籍,内容涵盖如何使用LangGraph、MCP、A2A和Ollama构建生产就绪的多智能体AI系统,并提供可运行的代码和实际应用案例。
本文讨论了治理AI智能体群体的策略,重点在于改进评估框架、部署后监控和事件报告,以减轻智能体间风险。
本文介绍了用于人工智能系统的内核管理共享内存,通过集中化内存管理来提高多智能体环境中的个性化与效率,评估显示其相比其他方法有显著提升。
本文介绍了ReActNet,一个无需训练的框架,为多智能体LLM系统合成任务条件化的时序工作流图,提升协调性和性能,超越固定或学习拓扑的基线。
本文提出一个诊断基准,以批判性地评估基于LLM的多智能体系统(MAS)的效率方法,揭示许多已报告的增益依赖于特定设置,可能并非稳健的改进。
本文探讨了当智能体能够绕过 LLM 网关时的局限性,并建议有效的治理需要结合出站执行和影子检测,以防止未经授权的访问。