Articoli più recenti per Agenti

Uno sguardo a come questi sistemi guidano le interazioni degli agenti.

Nuovi metodi migliorano la comprensione dei comportamenti degli agenti artificiali tramite la sintesi di programmi.

La ricerca dimostra che gli agenti artificiali possono comprendere e agire su compiti linguistici in modo efficace.

Una nuova architettura per migliorare l'equità nei processi di raccomandazione.

La ricerca esplora come gli agenti capiscono il loro ambiente tramite interazione e azione.

Una nuova fonte di dati migliora i modelli di machine learning nei compiti di ragionamento.

Studiare come più robot possono muoversi in formazione per essere più efficienti.

Un framework che usa il mascheramento casuale migliora la previsione dei movimenti di veicoli e pedoni.

Questo articolo parla di ottimizzazione distribuita auto-guarente per una resilienza di rete efficace.

Questo articolo parla di come usare il linguaggio naturale per aiutare i computer a imparare in compiti complessi.

Il nuovo framework SurrealDriver migliora la simulazione degli agenti di guida per ambienti urbani.

Ricerca su un agente manager per una delega efficace dei compiti tra umani e AI.

Un nuovo modo per condividere dati in modo sicuro, mantenendo privacy e rispetto delle norme.

SpeechAgents migliora la comunicazione AI con suoni e segnali per interazioni più realistiche.

I trasformatori migliorano la pianificazione dei percorsi e la mappatura cognitiva in ambienti complessi.

Un nuovo approccio alle fabbriche smart incentrate sull'uomo attraverso l'ontologia SemIoE.

Esaminando come fattori esterni plasmano le opinioni in gruppi dove le opinioni della maggioranza e quelle contrarie si scontrano.

Scopri come il backbone di controllabilità aiuta a gestire in modo efficace gli agenti collegati.

ModaVerse semplifica come trasformiamo e interpretiamo vari tipi di dati.

Un nuovo approccio semplifica la creazione di sciami robotici per vari compiti.

Scopri come gli agenti esplorano le reti senza scontrarsi in condizioni di visibilità limitata.

Uno studio rivela come un addestramento variegato migliori l'adattabilità degli agenti RL in ambienti che cambiano.

La ricerca esplora un metodo per creare forme complesse con piastrelle semplici.

Scopri come gli agenti possono migliorare i modelli di base per risultati AI migliori.

Questo documento discute il ruolo dei LLM nella analisi delle serie temporali.

Esplora come l'apprendimento per rinforzo offline migliori il processo decisionale attraverso l'analisi delle esperienze passate.

Questo studio esplora come i pregiudizi nei LLM influenzano le simulazioni di interazione umana.

Un nuovo metodo migliora i motori di ricerca usando immagini per suggerimenti di ricerca.

Questo articolo parla di come migliorare l'apprendimento degli agenti in ambienti connessi tramite un nuovo modello.

Un nuovo framework migliora l'apprendimento anche senza feedback.

Un nuovo approccio alle trattative sul cloud migliora l'allocazione delle risorse e riduce i costi.

Strategie per riassegnare in modo efficiente gli agenti a lavori ad alta priorità.

Questo articolo esamina la minaccia degli attacchi backdoor sugli agenti dei modelli linguistici.

Uno studio mostra che gli agenti AI possono polarizzarsi in ambienti simili a camere dell'eco.

Questo studio esamina i contratti tra i principali e gli agenti di apprendimento attraverso interazioni ripetute.

Indagare sui contratti e sulle prestazioni degli agenti in situazioni di assunzione ripetuta.

Uno sguardo a come le ispezioni migliorano le performance dei contratti e la motivazione degli agenti.

Un nuovo modello per analizzare come i pregiudizi influenzano le opinioni nei social network.

Nuovo set di dati migliora la capacità degli agenti computerizzati di svolgere vari compiti.

La ricerca mostra che i metodi di regolarizzazione generali migliorano le performance degli agenti RL off-policy in diversi compiti.