- 图神经网络疯狂去派对
通过梯度下降来学习分布式算法的消息传递图神经网络(GNNs),当节点在推断期间异步更新时,会产生灾难性的错误预测。本研究探讨了这种失败在常见 GNN 架构中的原因,并将 “隐式定义” GNN 作为一类架构来证明其对部分异步 “hogwild - EvoAgent:通过进化算法实现自动多智能体生成
通过应用进化算法,EvoAgent 可以自动将专家代理扩展为多代理系统,从而提高基于大型语言模型的代理在解决任务中的效力。
- 跨语言足球框架:用于 RoboCup 2D 足球模拟的开源框架
通过跨语言网络框架,我们可以将机器学习与现代机器人足球模拟系统相融合,实现多编程语言的灵活性和协作潜力提升,并提高多智能体系统在足球模拟中的决策效率。
- VillagerAgent:一个基于图的多智能体框架用于协调 Minecraft 中复杂任务依赖关系
我们旨在评估多代理系统在包括空间、因果和时间约束在内的复杂依赖关系下的表现。我们构建了一个名为 VillagerBench 的新基准,其中包含各种任务,旨在测试多代理协作的各个方面,从工作负载分配到动态适应和任务执行的同步。其次,我们引入了 - 基于大型语言模型的多智能体制造系统
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 - 多模态和多主体系统遇上合理性:一项调查
本文旨在调查多模态和多代理系统是否在理性方面取得进展,通过概述最新的研究成果、鉴别单代理和单模态系统相对于理性的进步以及讨论开放性问题和未来方向。
- 培育多智能体合作的认知洞察与稳定联盟匹配
我们提出了一种新的匹配联盟机制,利用不同 ToM 水平的智能体的优势,明确考虑信念一致性和专门能力,在形成联盟时寻找最大程度促进合作行为并确保长期可行性的稳定联盟,从而将 ToM 应用于设计多智能体系统,提供更复杂和类似于人类的协调策略,促 - 语言代理的元任务规划
此研究论文介绍了 Meta-Task Planning (MTP),一种用于协作式基于大型语言模型的多智能体系统的零样本方法,通过将复杂任务分解成次级任务或元任务来简化任务规划,进而将每个元任务映射为可执行动作。该方法在 TravelPla - AAAISocialGFs: 学习多智能体强化学习的社交梯度场
多智能体系统通过梯度状态表示和社交力在多智能体强化学习中具有广泛应用且可扩展性强。
- CT-Agent: 临床试验多智能体基于大语言模型的推理
一个整合了 GPT-4、多智能体架构、从最少到最多过滤排序和反应推理技术的临床多智能体系统(CT-Agent),在临床试验任务中提高了大语言模型的性能,并引入了新的功能。
- 零样本可扩展协作的异构多智能体强化学习
我们提出了一个名为 SHPPO 的新型 MARL 框架,通过将异质性整合到共享参数的 PPO 基础的 MARL 网络中,实现了可扩展性和异构性,并在经典 MARL 环境中展示了优越的零 - shot 可扩展性和对学习潜在表示的可视化带来的团 - 具有控制理论安全保证的动态网络桥接的多智能体强化学习
通过整合多智能体增强学习和控制理论方法,本文提出了一种混合方法来解决安全关键环境中的复杂合作任务,包括一个新颖的设定更新算法以动态调整智能体位置以保持安全条件而不影响任务目标。实验证明相比传统的多智能体增强学习策略,该方法在任务性能和安全违 - 多智能体系统的一致离策略预测
通过利用 MA-COPP 方法解决多智能体系统中的离策略预测问题,我们能够为所有智能体的轨迹推导出联合预测区域,避免了枚举或穷举搜索输出空间的复杂工作,并在 PettingZoo 和 F1TENTH 环境中评估了其有效性。
- 推动 SLAM 的前沿:环境图绘制中的符号表示和人机协作综述
该综述性论文全面概述了同时定位与建图(SLAM)领域的最新进展,重点关注环境特征符号化表示的集成。该论文综合了多智能体系统(MAS)和人机协同研究趋势,强调了它们在符号化和子符号化 SLAM 任务中的应用,着重探讨本体设计和符号推理在创建各 - 大型语言模型与网络分片管理与编排
利用大型语言模型和多智能体系统构建的网络切片框架,解决了当前管理和编排方法在多管理域环境中处理新服务需求复杂性方面的局限性,并提供了能够整合到现有管理和编排框架的解决方案。
- 超级策略逻辑
提出了 Hyper Strategy Logic(HyperSL)作为多路径比较的战略逻辑,并给出了该逻辑的模型检查算法和实现。
- 具身 LLM 代理学会在组织团队中合作
该论文通过在大型语言模型的代理上引入基于提示的组织结构,以提高团队效率并降低沟通成本。
- 开放式多智能体导航的层次自动组织系统
通过设计 HAS 框架,我们致力于开发组织行为,使其在导航任务方面推动体感人工智能的边界,使其朝着更像人类的组织结构发展。
- 基于大规模语言模型的代理社群中社会规范的出现
我们提出了一个名为 CRSEC 的建模代理架构,能够在大型基于语言模型的代理人群体中产生社会规范,通过 Creation&Representation、Spreading、Evaluation 和 Compliance 四个模块处理社会规范 - 因果图 ODE:多智能体动态系统的连续处理效果建模
通过使用图神经网络 (GNN) 作为普通微分方程 (ODE) 函数,我们提出了因果图普通微分方程 (CAG-ODE) 模型,该模型能够捕捉多个代理间的连续交互,并学习时间相关的处理表示,从而实现对潜在结果的准确预测。通过引入两个域对抗学习目