Risikoaversion in Multi-Agenten-Systemen
Symbolische Rahmenwerke modulieren Risikoaversion in Multi-Agentensystemen.
Symbolische Rahmenwerke modulieren Risikoaversion in Multi-Agentensystemen.
SHIELDS automatisiert OS-Sicherheit durch iterativen Prozess.
Untersucht „Channel Fracture“ in multiagenten Systemen
63 Fälle von Token-Budget-Überschreitungen bei LLM-Agenten untersucht
SMAC-Talk verbessert KI-Kooperation in dezentralisierten Umgebungen.
Konsens ist unzureichend für wertbeladene Aufgaben.
OCL reduziert gefährliche Aktionen und steigert Erfolgsrate.
Graphen sind effektivere Unterstützung als flacher Text.
OAN bietet sichere Verbindung von Agents in Netzwerken.
Consilium-Protokoll für kollaborative AI-Deliberation
LLM-basierte Architektur identifiziert menschliche Werte in Texten.
SODE untersucht drei evolutionäre Dimensionen in LLM-Agenten.
Untersuchung der Zusammenarbeit zwischen Menschen und LLMs in mehragentensystemen.