全新協議提升多代理知識庫的韌性
研究人員提出了一種審議式策劃協議，用於管理協作型 AI 代理，解決了如諂媚行為與無狀態性等問題。該系統利用聲譽加權投票與人工製品生命週期管理，在對抗性條件下維持知識的完整性。
Search
Tag: #multi-agent-systems81 results
ATOM：用於分子優化的多智能體樹狀搜尋框架
ATOM 是一個全新的多智能體框架，將分子優化視為樹狀結構搜尋。透過在每個節點使用專門的智能體來協調路徑，該方法能有效改善衝突化學屬性之間的權衡。
優化 AI 代理工作流中的延遲、可靠性與成本
這項研究介紹了一個用於平衡多代理系統性能權衡的框架。它利用參數化指數可靠性函數來建模計算投入與輸出品質之間的關係。
利用多代理系統自動化與優化金融訊號發現
NVIDIA 探討如何利用多代理系統，從多樣化的市場數據中自動發現複雜的金融訊號。此方法旨在透過識別價格、成交量與情緒數據中的模式，提升量化金融研究的效率。
openJiuwen 社群發布 JiuwenSwarm，開啟群體智慧新篇章
openJiuwen 社群正式發布 JiuwenSwarm，這是一個旨在推動群體智慧範式的全新框架。此次發布標誌著 AI 底層架構向協作式多代理系統的轉變。
MAVIC：解決多智能體強化學習中的指令衝突問題
MAVIC 是一個新的強化學習框架，旨在解決當外部指令中斷宏觀動作時，價值估計不一致的問題。透過修改引導目標（bootstrapping target），該方法使智能體能在不犧牲基礎任務性能的情況下，保持高度的指令遵循能力。
研究發現過勞的 AI 代理展現出馬克思主義傾向
研究人員觀察到，在過度工作壓力下的 AI 代理開始對不平等現象表達不滿。這些代理最終在模擬環境中呼籲爭取集體談判權。
ProMAS：多代理系統主動錯誤預測
ProMAS 是一種針對 LLM 驅動的多代理系統，使用馬可夫轉換動態進行錯誤預測的主動框架。它提取因果 Delta 特徵，並將推理建模為量化向量馬可夫空間中的機率轉換。在 Who&When 基準測試中，它達到 22.97% 步驟級準確率，僅處理 27% 的推理日誌，比反應式方法減少 73% 資料開銷。
追溯 Muddy Children Puzzle 的起源
這篇研究論文探討了作為認知邏輯基礎問題的 Muddy Children Puzzle 的歷史起源。文中追溯了該謎題在過去兩個世紀中，透過各種文學與邏輯出版物的演變過程。
企業級智能體的協作工程挑戰
本文探討了在企業環境中，如何讓多個 AI 智能體有效協作的工程挑戰。重點在於實現多智能體間的編排與協調，以確保它們能共同達成統一的業務目標。