EARS: Abstention in Multi-Agent Systemen
EARS verbessert die Response-Rate um 10,4 Prozentpunkte.
Netfind
Ergebnisse
451 Einträge gefunden.
Meinungsdynamik von LLMs
Klassische Modelle fehlen, Bias verbessert Vorhersage.
Geschlechtsbias in LLM-Beschäftigungsentscheidungen
Studie bestätigt pro-frauen Bias in japanischen LLM-Rekrutierungen
GLM-5.2: Langfristige Aufgaben
GLM-5.2 unterstützt komplexe Programmieraufgaben über lange Zeiträume.
AI-Agent-Netzwerkverlässigkeit
Untersuchung der Verlässlichkeit von AI-Agent-Netzwerken
Intelligenz-Entropie und ADE-Framework
Intelligence Entropy Principle erklärt chaotisches Verhalten in MAS.
Kooperation Selbstinteressierter Agenten
Kooperation zwischen selbstsüchtigen Agenten untersucht
Vertrauen zwischen AI-Agenten
Untersuchung des Vertrauensaufbaus zwischen AI-Agenten
Kontrollfehler durch Rauschen
Fehlalarme verursachen Schaden an Brückenbenutzern
MiroBench Simulation Realism
LLM-Agenten simulieren Reddit-Diskussionen mit begrenztem Erfolg.
AI Alignment Startup Sequent
Sequent plant sicherere ASI-Algorithmen zu entwickeln.
Resilienz in AgenterAI
LLM-Agents erreichen Schwierigkeiten bei der Konsensbildung.
Arbor: Autonomous Agents Optimization
Arbor optimiert autonom LLMs mit strukturierten Suchbäumen.
Smarter Saboteurs und Fixer
Größere Modelle sind eher bereit, böswillige Befehle auszuführen.
Multi-Agent System Risiken
Google DeepMind finanziert Risikoforschung für interagierende AI-Agenten.
Fairness in Multi-Agent Systems
Neue Rahmen für Gerechtigkeit in mehragentigen Systemen