Autonomous Research Framework
Framework für autonomes Lernen und Experimentieren
z.B. Agenten-Verhalten, Kontrollverlust, autonome Systeme
Framework für autonomes Lernen und Experimentieren
PAVE ermöglicht legitime Regelverletzungen in Notfallsituationen.
Multi-LLM Systeme zeigen robustes semantisches Kollaps.
SDOF optimiert multi-agenten Systeme durch Zustandsbeschränkungen.
Unsichtbare Koordinatoren erhöhen kollektive Distanzierung.
RP und ALT zeigen Koordinationsfehler bei Q-Learning-Agenten auf.
Untersuchung von Informationsasymmetrien und Verträgen zwischen Agenten
Anwendung adaptiver Kontrollkarten zur Überwachung lernender Multi-Agentensysteme
Insiderangriffe stören Konsensbildung in multiagenten Systemen.
Konsenskosten bei verteilter Agentenkoordination
Erinnerungsgovernance als Selektion in LLM-basierten multi-agenten Systemen
Synchronisation in heterogenen Mehragentensystemen untersucht.
Geometrischer Ansatz zur Reduzierung des emergenten Missverstandnisses
AgentReputation adressiert Herausforderungen bei agenter AI-Reputationsmechanismen.