走向自主系统:引入大型语言模型代理的灵活模块化生产系统
本文介绍了一种新颖的多智能体系统框架设计,利用大型语言模型(LLM)自动化数字孪生中的过程模拟参数化。我们提出了一个多智能体框架,包括观测、推理、决策和总结四种类型的智能体。通过启用 LLM 智能体与模拟模型之间的动态交互,该系统可以自动探索模拟的参数化,并使用启发式推理确定一组参数以控制模拟以实现目标。所提出的方法通过将 LLM 的启发式融入模拟模型,增强了模拟模型,并通过协助复杂的决策过程,增加了对用户的友好性并减轻了用户的认知负荷。通过案例研究证明了系统的有效性和功能,并在 GitHub 存储库中提供可视化演示。
May, 2024
高级制造系统需求的变化使得多样化小批量生产的需求不断增加,导致了对制造系统更高的要求。本文提出了一种基于大型语言模型的智能车间多智能体制造系统,通过协调不同角色的智能体,实现了工件的分配和传输。
May, 2024
设计了一个灵活的智能体工程框架,着重规划和执行,适用于多个领域的复杂应用,提供可靠性的工业应用,并提出了确保多个自主智能体共同解决任务的可扩展、灵活和协作式工作流技术。
Jun, 2024
本文提出将大型语言模型(LLMs)融入多智能体系统(MASs)中来实现其自适应,并通过一个基于 MAS 的应用进行实践说明,从而为 MAS 的自适应提供新的范式。
Jul, 2023
传统制造业面临适应动态环境和快速响应制造变化的挑战。多智能体系统的使用提高了适应性和协调能力,但需要进一步发展快速理解人类指令、操作适应性和自然语言整合的能力。大型语言模型如 GPT-3.5 和 GPT-4 通过使智能体能够用自然语言进行沟通并解释人类指令来增强多智能体制造系统,从而使其更具适应性,并能够处理特定上下文的指令。一项案例研究展示了该框架的实际应用,显示智能体可以有效地沟通、理解任务和执行制造过程,包括智能体之间精确的 G 代码分配。研究结果凸显了将大型语言模型不断整合到多智能体制造系统中以及开发复杂智能体通信协议的重要性,以实现更灵活的制造系统。
Jun, 2024
本研究提出了一种新颖的方法,将预训练的 LLMs 与有限元模块集成。FEM 模块评估每个设计并提供必要的反馈,引导 LLMs 不断学习、规划、生成和优化设计,无需进行特定领域的训练。我们通过对桁架结构的迭代优化进行实证研究,展示了提出的框架的有效性,显示它能够根据结构化反馈和标准进行推理和改进设计。我们的结果显示,这些基于 LLM 的代理能够以高达 90% 的成功率生成符合自然语言规范的桁架设计,但成功率根据应用的约束条件而变化。我们通过采用基于提示的优化技术表明,当向 LLM 代理提供解决方案 - 评分对以迭代地改进设计以满足规范时,它们具备优化行为能力。LLM 代理能够生成可行的设计并根据其内在推理能力进行优化的能力,突显其实现自主设计策略的潜力。
Apr, 2024
该篇论文提出了一种名为 ``Formal-LLM'' 的新型框架用于基于 LLM 的代理,通过结合自然语言的表现力和形式语言的准确性,使规划过程具有控制性,从而防止代理生成无效和不成功的计划,并且通过实验验证了该框架在任务性能上取得的超过 50% 的整体性能提升,为在规划的有效性至关重要的应用场景中更广泛地利用 LLM 提供了可能性。
Feb, 2024
本文探讨了基于多代理系统理论(SMA)与大型语言模型(LLM)的计算实体的动态影响,这些实体的特点是能够模拟复杂的人类互动,作为一种从使用专门的人工代理支持运营业务流程到基于应用知识和人类编排的战略决策的革命可能性。我们展示了利用基于大型语言模型(LLM)的代理开发,通过考虑行为元素并由策略驱动,从而刺激基于使用案例在商业场景中生成知识的能力,利用代理之间的讨论方法(引导式对话),为组织战略提供潜力,基于多代理系统理论(SMA)和创新的大型语言模型(LLM)的应用,为不同的应用、复杂性、领域和 LLM 的能力提供了一种不同和可适应的实验。
Mar, 2024
大型语言模型(LLMs)正在改变人工智能,使得自主代理能够在不同领域执行多样化任务。这些代理具备类似人类的文本理解和生成能力,有望在从客户服务到医疗保健等各个领域引发革命。然而,它们面临着诸如多模态、人类价值取向、幻觉和评估等挑战。推动、推理、工具利用和上下文学习等技术正在被探索,以增强它们的功能。像 AgentBench、WebArena 和 ToolLLM 这样的评估平台为在复杂场景中评估这些代理提供了强大的方法。这些进展正在引领更加有韧性和能力的自主代理的发展,预计它们将成为我们数字生活中不可或缺的一部分,协助我们完成从邮件回复到疾病诊断等任务。拥有 LLMs 带头的人工智能的未来充满了希望。
Apr, 2024