Mensch-LLM-Kollaboration
Untersuchung der Zusammenarbeit zwischen Menschen und LLMs in mehragentensystemen.
Autonomie & Emergenz
Innovationen & Trends
SVR-MAD Framework
SVR-MAD verbessert Effizienz und Skalierbarkeit bei Multi-Agent-Debatten.
Code & Algorithms
Automatische Belohnungsformung für Multi-Agenten-RL
ARMS erzeugt dichte Belohnungsformulierung aus dünnen Umgebungsbelohnungen in multiagenten Systemen.
Code & Algorithms
OSCToM: RL-Guided ToM Generation
OSCToM kombiniert Reinforcement Learning für bessere ToM-Reasoning.
Innovationen & Trends
AgentCo-op: Multi-Agent Workflows
Retrieval-basiertes Framework zur Synthese von Multi-Agent-Workflows
Innovationen & Trends
Emergenz der Landwirtschaft
Studie zur Emergenz von Landwirtschaft durch maschinelles Lernen
Autonomie & Emergenz
Autonomous Research Framework
Framework für autonomes Lernen und Experimentieren
Innovationen & Trends
Agenten-Kommunikation in MA-Systemen
Qualität der Kommunikation verbessert MA-Leistung
Code & Algorithms
Multi-Agent Zusammenarbeit mit Zustandsverwaltung
STORM übertrifft bestehende Ansätze durch frühzeitige Konfliktlösung.
Code & Algorithms
Kommunikation in MARL unter Bandbreitenbeschränkungen
β und SLIM verbessern MARL-Leistung bei begrenzter Bandbreite.
Sicherheit & Kontrolle
CASPIAN: Cascade Attack Detection
CASPIAN ermöglicht Kaskadenangriff-Detektion in LLM-Multi-Agent-Systemen.
Code & Algorithms
STAR-PólyaMath: Multi-Agent Math Reasoning
STAR-PólyaMath überwindet Zuverlässigkeitsprobleme durch orchestrierte Zustandsmaschine.
Autonomie & Emergenz
Legitime Regelverletzung in Agentensystemen
PAVE ermöglicht legitime Regelverletzungen in Notfallsituationen.
Innovationen & Trends
Programmierbare Glaubensdynamik
LLM-Agenten können kollektive Glaubensdynamiken programmieren.
Code & Algorithms
GRASP: Graph-basierte Fragebeantwortung
GRASP erreicht höhere Genauigkeit bei geringerer Tokenverwendung.