Silent Failure in LLM Agents
Stille Ausfälle in LLM-Agentensystemen untersucht
z.B. Agenten-Verhalten, Kontrollverlust, autonome Systeme
SHIELDS automatisiert OS-Sicherheit durch iterativen Prozess.
Konsens ist unzureichend für wertbeladene Aufgaben.
OCL reduziert gefährliche Aktionen und steigert Erfolgsrate.
Vertrauenslayer zur Überwindung von Marktfehlern
LLM-basierte Architektur identifiziert menschliche Werte in Texten.
Untersuchung der Zusammenarbeit zwischen Menschen und LLMs in mehragentensystemen.
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