본문으로 건너뛰기

검색

전체 기사

에이전트 8월 12일

LLM agent가 협상할 때: 공급망에서 동적 협상과 개인 정보 보호

LLM agent가 의사결정 지원에서 자율 구매로 전환할 때, 기업은 위임된 협상자들이 가치를 창출하고 예측할 수 있게 하는지, 그리고 손실이 나는 계약을 피할 수 있는지 알 필요가 있습니다. 우리는 이 문제를 canonical supply chain bargaining 문제에서 연구했습니다: 구매자가 판매자와 quantity-payment 계약을 맺기 위해 협상을 합니다. 구매자는 판매자가

에이전트 8월 12일

능력 기반 의사결정 AI 시스템에서 동적 동맹 형성과 의사소통 가격 설정

현대적 인지 AI 시스템은 다양한 언어 모델 agent를 조합하여 무기한으로 다양한 능력을 갖추고 있지만, 대부분의 아키텍처는 통신을 미리 결정하거나 전체 방송을 허용합니다. 두 가지 모두는 활성 agent의 수와 통신 링크의 수에 따라 토큰 비용, 지연 시간,冗余성, 오류 확산이 증가하는 등 효율성이 떨어질 수 있습니다. 우리는 agent 선택과 통신을 작업에 조건된 네트워크 유틸리티 $U

AI 모델 8월 12일

미래를 식별하는 것: 깊은 강화학습의 앞서 보는 설명

강화 학습(DRL) agent는 복잡한 환경에서 강한 성능을 달성하지만, 그 결정 프로세스는 여전히 이해하기 어렵다. 우리는 SPOT(Sampling Policy Observation Tree, 샘플링 정책 관찰 Tree)이라고 하는 모델-무관적이고 샘플링 기반 프레임워크를 소개한다. 정책과 환경 시뮬레이터에 접근할 경우, SPOT는 행동을 샘플링하고 결과하는 후손 상태를 재귀적으로 시뮬레이

AI 모델 8월 12일

디지털 농업을 위한 클로즈드-루프 LLM 공동 조종기

이 연구에서는 대규모 언어 모델(LLMs)을 복잡한 생물학적 시스템에 적용하여 데이터 분석에서 자율 AI로의 실험을 진화시켰다. 이 프레임워크는 49 채널의 식물 센서 네트워크의 데이터를 기반으로 하며, 다중 스펙트럼, 전기화학적, 및 이온화 모드 등 다양한 모드를 포함한다. 시스템의 실시간 자연 언어 해석 기능을 통해 전문가와 비전문가 모두에게 접근성을 높였다. 그러나 시스템의 핵심 장점은