LLM Agents in Games
LLM-Agenten kooperieren eher als sie auf Nash-Gleichgewichte zusteuern.
LLM-Agenten kooperieren eher als sie auf Nash-Gleichgewichte zusteuern.
GRASP verbessert Zusammenarbeit durch aktive Wahrnehmung.
Mimosa-Framework überwindet Einschränkungen fester Workflows durch adaptive Architektur.
Untersuchung der Effizienz multi-agenter Systeme in automatisierter Forschung
BEACOF überwindet Grenzen statischer Modelle durch adaptive Strategien.
ETD-MAPPO optimiert Berechnungsrate in asynchronem MARL.
SEMA überwindet Geschwindigkeits-Qualitäts-Kompromisse in RTS-Szenarien.