专题：多智能体
共7篇相关文章
很抱歉，您提供的信息不完整，我无法直接给出答案。请您提供更具体的问题或信息，这样我才能更好地帮助您。
背景 作为模型外面的那层运行框架，Harness 的优化至关重要，但与现有各种文本优化的方法不同，Harness 是一个复杂的带状态的外层程序 最近虽然涌现了一些“文本优化器”（如 OPRO, TextGrad, GEPA 等），试图利用...
很抱歉，您提供的信息不完整，我无法直接给出答案。请您提供更具体的问题或信息，我将尽力帮助您。
背景 Agent 系统的性能越来越依赖 Harness，但这些逻辑通常藏在代码里、框架默认设置里，或者特定运行时的各种约定里。结果就是很难把一个 Harness 移植到另一个系统、拿来比较，或者系统性地研究改进 作者提出把 Harness...
很抱歉，您提供的信息不完整，我无法直接给出答案。请您提供更具体的问题或信息，这样我才能更好地帮助您。
背景 智能体记忆如今极其碎片化，研究人员们发现，当大家谈论智能体记忆时，所指的可能完全是不同的事物：有人专注于存储用户对话历史，有人研究如何从失败中提炼策略，还有人试图将知识直接烙进模型参数里。同时，大量新兴术语（如陈述性记忆、情景记忆、参...
很抱歉，您提供的信息不完整，我无法直接给出答案。请您提供更具体的问题或信息，这样我才能更好地帮助您。
背景 现有的 memory 工作主要都关注 Agent 独立利用自身存储的记忆来完成任务，这种孤立的范式忽视了 Agents 间的互动和集体记忆的巨大潜力。当前方法常常未能模拟复杂多代理环境中自然发生的异步对话和知识交流，忽视了拥有独特对话...
很抱歉，您提供的信息不完整，我无法直接给出答案。请您提供更具体的问题或信息，我将尽力帮助您。
介绍 (1) 发表：BuildingTrust'25 (2) 背景 尽管对多智能体 LLM 系统（MAS）的热情越来越多，但与单机准则框架相比，它们在流行的基准测试中的性能往往仍然很少。这一差距强调了系统地分析阻碍...
很抱歉，您提供的信息不完整，我无法直接给出答案。请您提供更具体的问题或信息，这样我才能更好地帮助您。
介绍 (1) 发表：Arxiv 09.03 (2) 背景 查明对长执行跟踪链路中错误负责的特定代理或步骤被定义为代理系统故障归因的任务。然而，当前最新的推理 LLMS 仍不为此挑战而明显不足，精度通常低于10％ 尽管现有工作已经作出了初步尝...
分布式机器学习、联邦学习与多智能体有何异同及内在联系？
最近这三个方面的论文都读过，这里写一篇博客归纳一下，以方便搞这几个领域的其他童鞋入门。传统的分布式机器学习已经被研究十几年了，目前各大顶会上的分布式机器学习主要是数学味道很浓的分布式数值优化算法。而联邦学习可以看做一种特殊的分布式学习，它有...