安全感知多代理LLM健康模擬框架
提出安全感知、角色分化的多代理LLM框架，用於模擬支持性行為健康對話。基於提示的控制器動態激活代理並強制安全審核。在DAIC-WOZ語料庫上評估，顯示優於單代理基準的角色分化、協調及權衡。
Search
Tag: #multi-agent248 results
Connections：AI代理社交智能基準
研究人員推出Connections，一款即興文字遊戲，作為評估AI代理社交智能的基準。它測試知識檢索、摘要化和對其他代理認知狀態的覺察，超越單一推理。遊戲強調受限多代理環境中的合作與社交覺察。
協作式 AI 代理用於網路故障偵測
研究人員提出用於聯邦多代理系統中協作 AI 代理與評論者的演算法，使用 ML 或基礎模型。他們透過評論者回饋處理如網路遙測故障偵測等多模態任務，無需代理間直接通訊，最小化系統成本。使用多時間尺度隨機逼近提供收斂保證，通訊開銷低至 O(m)。
CAMP：病例自適應多代理臨床預測
CAMP 根據每個病例的診斷不確定性動態組裝專家小組，用於臨床預測。專家使用三值投票（KEEP/REFUSE/NEUTRAL）實現原則性棄權，混合路由器處理共識、後備或基於論證的仲裁。它在 MIMIC-IV 上跨四種 LLM 超越基準，同時使用更少 token。
Copilot CLI /fleet 實現多代理並行執行
Copilot CLI 推出 /fleet 指令，可並行派遣多個代理。使用者能撰寫提示詞，將工作拆分至多個檔案、宣告依賴關係，並避免常見陷阱。此功能提升複雜 AI 輔助任務的效率。
REFINE：互動式LLM回饋系統
REFINE 是一個可本地部署的多代理系統，使用小型開源 LLM 提供教育形成性回饋的互動過程。它整合回饋生成代理、評審引導的再生迴圈，以及自省互動代理來處理學生後續提問。課堂評估證實回饋品質提升，並觀察到獨特的學生參與模式。
AI未來：眾多代理，而非單一
研究人員主張，生成式AI應從個別模型轉向多元AI代理團隊，以實現突破性創新。多元代理團隊能擴大解決方案搜尋、延遲過早共識，並追求非傳統途徑。這回應了批評者對模型受限於過去資料而欠缺創造力的疑慮。
阿里通義實驗室發佈 CoPaw 1.0 新版本
阿里巴巴通義實驗室發佈 CoPaw 1.0 新版本，圍繞四大方面升級其能力：為 CoPaw 量身定制的小模型、安全機制、多智能體協同，以及記憶管理。
驗證傷害：LLM 邏輯輔導不對稱效應
研究人員引入一個包含 516 個證明狀態的基準，用於評估命題邏輯輔導中的 LLM 反饋。他們發現驗證可將錯誤傾向反饋提升 85%，但所有管道在複雜度 4-5 以上均失效。這挑戰了驗證器普遍改善輔導的假設。
Import AI 451：政治超智能、Google思維社會、機器人鼓手
Import AI 第451期涵蓋政治超智能、Google「思維社會」架構，以及機器人鼓手示範。它提出AI進展能否逆轉的修辭性問題。此通訊彙整前沿AI研究與發展。