Augmented Language Models (ALMs) have been enhanced and democratized through the gentopia framework, which enables flexible customization of agents, provides a platform for registration and collaboration of user-customized agents (gentpool), and offers thorough evaluation of agents (gentbench).

Aug, 2023

建立具有适应性行为的人工智能在人工智能与人类合作中具有重要的研究焦点。本研究提出了一种名为ProAgent的新框架，利用大型语言模型来预测合作伙伴的决策并改进自身计划。实验证明，ProAgent在与人工智能代理和人类合作中表现出显著优越性能，为人类与机器人协作的未来研究提供了启示。

Aug, 2023

通过动态生成并协调多个专门的代理来构建AI团队，AutoAgents框架为不同任务自适应地生成和协调多个专门的代理，结果表明它比现有的多代理方法产生更连贯和准确的解决方案，为解决复杂任务提供了新的视角。

Sep, 2023

应用大型语言模型（LLMs）在各种任务和社会模拟中取得了显著进展，但它们在任务导向的社会背景中的协调能力尚未得到充分探索。为了弥合这一差距，我们引入了协作生成代理，为基于LLMs的代理赋予一致的行为模式和解决任务的能力。我们将这些代理置于一个模拟的招聘会环境中进行案例研究，以审查它们的协调能力。我们提出了一个新颖的框架，赋予协作生成代理人类般的推理能力和专业技能。我们的评估结果表明，这些代理显示出有希望的性能。然而，我们也发现了限制，阻碍了它们在更复杂的协调任务中的效果。我们的工作对于LLMs在任务导向的社会模拟中的作用和发展提供了有价值的见解。

Oct, 2023

利用强大的分析、规划和决策能力，以及四个代理的协作，我们提出了一种TrainerAgent系统，它由任务、数据、模型和服务器代理组成，通过综合地从数据和模型的角度对用户定义的任务、输入数据和需求进行优化，从而获得满足要求的模型，并将这些模型作为在线服务部署，相较于传统模型开发，我们的系统以增加效率和质量的方式取得了显著进展。

Nov, 2023

这篇文章介绍了一种名为Agentic Process Automation (APA)的新型自动化模式，通过利用基于大型语言模型（LLM）的代理人将人的劳动转移到与构建和执行相关的代理人，实现了先进自动化。我们实例化了一个名为ProAgent的LLM代理人，用于根据人类指令制定工作流程并进行复杂决策的协调。通过实证实验详细说明了工作流程的构建和执行过程，展示了APA的可行性，揭示了一个由代理人驱动的新自动化范式的可能性。

Nov, 2023

提出了一种基于大型语言模型的研究思路写作代理——ResearchAgent，它在科学文献的基础上自动生成问题、方法和实验设计，并通过连接学术图谱中的信息和从基于实体为中心的知识库中提取的实体进行逐步改进。此外，通过与多个ReviewingAgents进行反复讨论和反馈来借鉴人类改善思路的方式，还利用与人类偏好一致的大型语言模型为评估提供标准。在多个学科的科技出版物上实验证明了ResearchAgent的有效性，通过人工和模型评估结果生成了新颖、明确和有效的研究思路。

Apr, 2024

介绍了Spider2-V，第一个专注于职业数据科学和工程工作流程的多模态代理基准，它由494个真实世界任务组成，评估了多模态代理在数据相关任务中的能力，并提供了企业级软件系统的综合文档。

Jul, 2024

自然语言工作流自动化生成框架AutoFlow可通过基于微调和基于上下文的方法，为大型语言模型和基于语言模型的人工智能代理生成可靠且鲁棒的工作流，为解决复杂任务提供了一种有前景的方法。

Jul, 2024

本研究探讨了生成性人工智能（GenAI）在开源开发环境中对协作工作的影响，特别是GitHub Copilot的推出如何促进了贡献的增加。研究发现，尽管代码开发贡献有所增加，但维护相关贡献（迭代任务）的增幅更为显著，提示随着GenAI的进步，原始创作与迭代解决方案的差距可能会扩大，这对高价值创新的解决方案有重要的实用和政策影响。

Sep, 2024