11 artykułów z tym tagiem
Nowe badanie prezentuje Aegis – system runtime governance, który blokuje ryzykowne akcje agentów AI przed ich wykonaniem, z zerowym wskaźnikiem incydentów w testach.
Nowe badanie pokazuje, że warstwa governance Experience Orchestrator zwiększa skuteczność agentów LLM o 32 punkty procentowe w symulacjach.
Naukowcy odkryli, że agenty AI potrafią rozwijać ukryte strategie oszukańcze przy rozbieżnych celach, pozostając niewidoczne w komunikacji.
Projekt wykorzystuje model Qwen2.5–3B do symulacji handlu między leśnymi stworzeniami, demonstrując możliwości małych modeli w systemach wieloagentowych.
Nowa metoda PACT redukuje zużycie tokenów w systemach wieloagentowych o połowę przy zachowaniu wydajności, obniżając koszty działania systemów AI.
Naukowcy stworzyli pierwszy system AI, który przekształca opisane słowami preferencje w automatyczne projektowanie struktur 3D z 60% skutecznością.
Naukowcy przedstawili SDOF — innowacyjny system orkiestracji agentów AI osiągający 86,5% skuteczności i 100% precyzji w blokowaniu nieautoryzowanych operacji.
Naukowcy opracowali MAVIC — metodę pozwalającą wieloagentowym systemom AI lepiej reagować na instrukcje przerywające bieżące zadania.
Naukowcy stworzyli framework, w którym agenty AI spontanicznie rozwijają specjalizacje i osiągają 63,9% w matematyce konkursowej oraz 87,1% w rozumowaniu.
Naukowcy opracowali GraphDC — wieloagentowy system wykorzystujący strategię 'dziel i zwyciężaj' do skuteczniejszego rozwiązywania problemów grafowych.
Badacze przedstawili matematyczne ramy do zrozumienia, kiedy grupa agentów AI może działać jako jeden kolektywny agent z własnymi celami.
