Transfer-Learning in Multi-Agent Systemen
Transfer-Learning ist nützlich bei stabilen strukturellen Invarianten.
Code & Algorithms
Code & Algorithms
Kern-IT, inkl. KI-Implikationen
Code & Algorithms
Multi-Agent Game Strategies
PGTS kombiniert Offline-Nash-Lösungen mit Online-Tree-Search.
Code & Algorithms
PatchOptic für LLM-Arbeitabläufe
PatchOptic verbessert Sicherheit bei LLM-Arbeitabläufen
Code & Algorithms
StateFuse: Konfliktbewahrende Speicher
StateFuse behält Konflikte bei und verbessert Korrekturfähigkeit.
Code & Algorithms
SwarmResearch: Coding Agents für Offene Probleme
Schwärme von Codierungsagenten finden bessere Lösungen für komplexe Probleme.
Code & Algorithms
Verifizierbare Web-Daten-Sammlung
Verifizierbares Agentenframework für sichere Datenbeschaffung
Code & Algorithms
Circular Directed Networks
Kreisförmige Netzwerke sind effizient im Hinblick auf das gesamtwirtschaftliche Wohlbefinden.
Code & Algorithms
GCT-MARL: Effiziente Multi-Agent Lernen
GCT-MARL beschleunigt das Training in multi-agenten Systemen.
Code & Algorithms
Goal-Oriented Dialogue Runtimes
GODR ermöglicht kontextabhängige Dialogkontinuität durch komplexe Ziele.
Code & Algorithms
Skill-MAS: Automatisierte Multi-Agenten Systeme
Skill-MAS entwickelt evolvierbare Meta-Skills für MAS.
Code & Algorithms
GLM-5.2: Langfristige Aufgaben
GLM-5.2 unterstützt komplexe Programmieraufgaben über lange Zeiträume.
Code & Algorithms
AI-Agent-Netzwerkverlässigkeit
Untersuchung der Verlässlichkeit von AI-Agent-Netzwerken
Code & Algorithms
Koordinierte Präferenzen in Multi-Agent Systemen
Koordinierte Lernprozesse verbessern Leistung und Koordination.
Code & Algorithms
MARL für Multi-Agenten-Rendezvous
MARL-Strategien verbessern Trefferrate bei Rendezvous.