LLM-ALSO für MARL
LLM-ALSO verbessert MARL durch adaptives Reward-Shaping.
Code & Algorithms
Kern-IT, inkl. KI-Implikationen
Code & Algorithms
CONCAT-Framework für Multi-Agent-Systeme
CONCAT erhöht Effizienz durch Konsens und Vertrauenswerte.
Code & Algorithms
Proaktive Intelligenz durch Composable Sandboxed Programs
Context ersetzt reaktive Chatbots durch proaktive Zieleinstellungen.
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.
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.
Code & Algorithms
STAR-PólyaMath: Multi-Agent Math Reasoning
STAR-PólyaMath überwindet Zuverlässigkeitsprobleme durch orchestrierte Zustandsmaschine.
Code & Algorithms
ANNEAL: LLM-Agent-Anpassung
ANNEAL repariert Prozesswissensgraphik durch symbolische Patches.
Code & Algorithms
GRASP: Graph-basierte Fragebeantwortung
GRASP erreicht höhere Genauigkeit bei geringerer Tokenverwendung.
Code & Algorithms
SkillSmith: Effiziente Agentenfähigkeiten
SkillSmith reduziert Kontext-Überladung und redundanten Aufwand.
Code & Algorithms
NMARL mit Menschlicher Rückmeldung
Verteilter Nullter-Ordnung-Policy-Gradientenalgorithmus für NMARL
Code & Algorithms
GraphBit: Agentische Orchestrierung
GraphBit überwindet Probleme wie halluzinierte Routen und unendliche Schleifen.
Code & Algorithms
AI-Agenten-Framework
Präsentiert ein zweidimensionales Framework für AI-Agenten-Designmuster.