GRASP: Graph-basierte Fragebeantwortung
GRASP erreicht höhere Genauigkeit bei geringerer Tokenverwendung.
Netfind
Ergebnisse
430 Einträge gefunden.
ANNEAL: LLM-Agent-Anpassung
ANNEAL repariert Prozesswissensgraphik durch symbolische Patches.
Biased Internals, Fair Outputs
Sprachmodelle produzieren fairere Outputs, behalten aber internen Bias bei.
SkillSmith: Effiziente Agentenfähigkeiten
SkillSmith reduziert Kontext-Überladung und redundanten Aufwand.
NMARL mit Menschlicher Rückmeldung
Verteilter Nullter-Ordnung-Policy-Gradientenalgorithmus für NMARL
SDOF: Multi-Agent Alignment
SDOF optimiert multi-agenten Systeme durch Zustandsbeschränkungen.
Multi-Agent Koordination
Effiziente Ressourcenplanung durch gelernte Maps
GraphBit: Agentische Orchestrierung
GraphBit überwindet Probleme wie halluzinierte Routen und unendliche Schleifen.
AI-Agenten-Framework
Präsentiert ein zweidimensionales Framework für AI-Agenten-Designmuster.
Unsichtbare Orchestrierer in AI-Systemen
Unsichtbare Koordinatoren erhöhen kollektive Distanzierung.
Agenten-Gedächtnis ohne Aufgaben
Preping baut Agenten-Gedächtnis vor Aufgaben durch synthetische Praxis auf.
Datenschutz in MAPF
Methoden zur Erhaltung der Privatsphäre in MAPF
Temporale Gerechtigkeit in Multi-Agenten-Systemen
RP und ALT zeigen Koordinationsfehler bei Q-Learning-Agenten auf.
AI & Data Sovereignty
Souveränität über Daten und Modelle ist entscheidend.
Multi-Agent Reinforcement Learning
DelAC entwickelt ein besseres multi-agentes Reinforcement-Learning-Verfahren.
MAVIC für MARL
MAVIC verbessert Anweisungsfolge in MARL durch Wertkorrektur.