Messbare Fehler in LM-Agenten
Messbare Fehler bei Exploration und Exploitation in LM-Agenten untersucht
Code & Algorithms
Autonomie & Emergenz
Verantwortungsallokation in Multi-Agenten-Systemen
Probabilistisches Modell zur Allokation von Verantwortung
Innovationen & Trends
Automatisierte Verhandlungen 2025
ANAC 2025 präsentiert Hauptforderungen und Ergebnisse.
Code & Algorithms
AI-Agenten-Integration
Identifiziert Lücken im MCP und schlägt neue Mechanismen vor.
Code & Algorithms
Harness Engineering für Agenten
Harness Engineering ist ein neues Ingenieurwesen zur Entwicklung zuverlässiger agenter Software.
Innovationen & Trends
Agentic System Breakdowns
Untersuchung von Versagensmustern in LLM-basierten Agenten
Code & Algorithms
Aethon: Stateful AI Agents
Aethon reduziert Latenz und Speicheraufwand durch kompositionelle Instanzen.
Code & Algorithms
Effiziente Multi-Agenten-Diskussion
HCP-MAD reduziert Tokenkosten durch adaptives Vorgehen.
Innovationen & Trends
MPAC-Protokoll für Multi-Agenten-Kooperation
MPAC-Protokoll überbrückt Lücken bei der Agentenkoordination
Autonomie & Emergenz
Strategische Lernmaschinen in NYC-Simulation
Blaue Agenten lernen, Werbeanzeigen zu vermeiden.
Code & Algorithms
MirrorCode Benchmark
MirrorCode zeigt Fähigkeiten moderner AI-Systeme in der Reimplementierung komplexer Software.