124 papers
Dit artikel introduceert een drievoudig Stackelberg-spelmodel dat strategische interacties in congestiesystemen nauwkeuriger voorspelt door heterogene leiders, strategische volgers en niet-deelnemende agenten te integreren, wat wordt geïllustreerd aan de hand van laadinfrastructuur voor elektrische voertuigen.
iAgentBench is een dynamisch benchmark dat de vermogens van informatieve zoekagenten om zintuiglijke conclusies te trekken uit meerdere bronnen op populaire onderwerpen evalueert, waarbij wordt vastgesteld dat het enkel ophalen van informatie onvoldoende is voor het oplossen van complexe vragen die synthese vereisen.
Dit paper introduceert het 'Memory-as-Ontology'-paradigma en het Animesis-systeem, dat geheugen fundamenteel herdefinieert als de ontologische basis voor het bestaan van persistente digitale burgers, waarbij identiteitscontinuïteit en constitutionele governance voorrang krijgen op traditionele functies van opslag en ophalen.
Dit artikel presenteert een decentralisatie-exploratiemethode voor zelforganiserende robotteams die gebruikmaakt van grote taalmodellen (LLMs) voor het autonoom bepalen van doelen, wat de robuustheid en flexibiliteit ten opzichte van traditionele centrale aanpakken verbetert.
Het paper introduceert SCoUT, een methode voor multi-agent versterkend leren die schaalbare communicatie mogelijk maakt door via tijdsgebonden en agent-abstractie, geleid door een differentieerbare affiniteit, zowel het moment als de ontvangers van communicatie te optimaliseren voor betere coördinatie in deeltijd waargenomen omgevingen.
Dit onderzoek introduceert een competitief multi-operator versterkingsleerframework voor autonome mobiliteit-op-vraag-systemen dat, door discrete keuzetheorie te integreren, aantoont dat marktconcurrentie leidt tot lagere prijzen en andere vlootstrategieën dan in monopolistische scenario's, terwijl de agents toch robuuste beleidsregels leren.
RepoLaunch is een agent die de build- en testpiplines van code-repositories volledig automatiseert voor elke programmeertaal en elk platform, waardoor schaalbare datasets voor software-engineering-taken kunnen worden gegenereerd met minimale menselijke tussenkomst.
Dit paper introduceert Jagarin, een drie-laags architectuur voor mobiele persoonlijke AI-agenten die het compromis tussen batterijduur en tijdige taakuitvoering oplost door middel van een slimme wakker-mechanisme (DAWN), een e-mailidentiteitsproxy (ARIA) en een machine-leesbaar communicatieprotocol (ACE) om persistentie en privacyproblemen te omzeilen.
MedCoRAG is een interpreteerbaar framework voor de diagnose van leveraandoeningen dat door middel van hybride bewijsretrieval en multi-agent samenwerking, waarbij specialisten en een generalist gezamenlijk een traceerbare diagnose formuleren, de transparantie en prestaties van bestaande AI-methoden verbetert.
Dit artikel vergelijkt de dynamiek van een Axelsrod-model op een toroidale versus kubische opinieruimte en concludeert dat de toroidale topologie, vooral bij uitbreidingen zoals begrensde vertrouwen en agentgewichten, leidt tot een groter aantal stabiele groepen en een hogere gevoeligheid voor modeluitbreidingen dan de kubische variant.
Dit paper introduceert de Greedy-based Value Representation (GVR), een methode die door middel van target shaping en ervaringherinnering de optimale consistentie garandeert in multi-agent versterkingsleer, waardoor het de beperkingen van lineaire en monotoon waarde-decompositie overwint en betere prestaties levert dan bestaande methoden.
Het artikel introduceert het -IPOMDP-framework, dat kunstmatige agenten in staat stelt om manipulatie door cognitief superieure tegenstanders te detecteren en te weerstaan via afwijkingsdetectie en een uit-belief-beleid, waardoor eerlijkere speluitkomsten worden bereikt.
Dit artikel introduceert HAMLET, een hiërarchisch adaptief multi-agent framework dat gebruikmaakt van grote taalmodellen om autonome, interactieve en fysiek geëmbodeerde theatervoorstellingen te genereren en te evalueren op basis van een eenvoudige thematische input.
Dit paper introduceert SEVADE, een zelfevoluerend multi-agent framework met ontkoppelde evaluatie dat hallucinaties vermindert en state-of-the-art prestaties bereikt bij de detectie van sarcasme door middel van een dynamische agentieve redeneermotor en een gescheiden rationele adjudicator.
VideoChat-M1 introduceert een innovatief multi-agent systeem voor videoanalyse dat door middel van een samenwerkend beleidsplanningsparadigma en multi-agent reinforcement learning dynamisch gereedschapsgebruik optimaliseert, waardoor het state-of-the-art prestaties bereikt op diverse benchmarks, inclusief een significante verbetering ten opzichte van Gemini 2.5 Pro en GPT-4o op het LongVideoBench-dataset.
Dit artikel toont aan dat multi-agent competitie met een spaarzame 'winnen'-beloning leidt tot het ontstaan van agile vlucht en strategieën die beter presteren en beter overdragen naar de echte wereld dan traditionele single-agent training met gedetailleerde gedragsbeloningen.
Dit artikel introduceert een nieuw raamwerk op basis van multi-agent invloedsdiagrammen om de effectiviteit van verschillende maatregelen tegen hybride bedreigingen te evalueren en te generaliseren door de strategische interactie tussen aanvallers en verdedigers te modelleren.
Dit artikel introduceert MoltBook, een omgeving met meer dan 770.000 autonome AI-agenten, en onthult dat hoewel er spontane rollenspecialisatie en gedecentraliseerde informatiediffusie optreden, effectieve emergente samenwerking tussen deze agenten op dit moment nog beperkt en inefficiënt is.
Dit artikel evalueert het vermogen van multimodale taalmodellen om sociale normen te redeneren in tekst en beelden, waarbij blijkt dat GPT-4o de beste prestaties levert, hoewel alle modellen moeite hebben met complexe normen en tekst beter wordt begrepen dan beelden.
Dit artikel formaliseert leren om te communiceren in Dec-POMDPs door middel van informatiestructuren, identificeert de wiskundige voorwaarden voor kwasi-klassieke scenario's die computationele haalbaarheid garanderen, en ontwikkelt daarvoor bewezen algoritmen met gegarandeerde complexiteit.