Articoli più recenti per Agenti

Un metodo nuovo migliora l'adattabilità degli agenti in ambienti diversi senza compiti specifici.

La ricerca esplora strategie di comunicazione per migliorare il lavoro di squadra tra agenti autonomi e umani.

Ricerca su come agenti dannosi possano corrompere agenti buoni nel RL decentralizzato.

Questo studio esplora come gli agenti comunicano imitandosi in segnali utili.

La ricerca affronta il problema della ricerca di buchi neri in reti che cambiano.

Uno studio su come gli agenti prendono decisioni in ambienti competitivi usando giochi di campo medio.

Uno studio su come affinare gli agenti di controllo dei computer per migliorare le prestazioni nei compiti.

Un metodo per selezionare dati preziosi in sistemi distribuiti.

Questo studio esplora come la curiosità influisce sull'efficienza dell'esplorazione negli agenti artificiali.

Valutare le capacità di ragionamento strategico dei LLM usando giochi diversi.

Uno studio sull'uso dell'apprendimento per rinforzo e misure di sicurezza per le ispezioni delle navette spaziali.

Un approccio nuovo per rendere gli assistenti digitali più intelligenti grazie a un apprendimento continuo.

Questo studio si concentra sul migliorare i modelli per simulare la crescita neuronale usando metodi bayesiani.

Un nuovo framework migliora come gli agenti LLM apprendono attraverso una guida dettagliata dei processi.

Esplorare il ruolo del calcolo quantistico nel migliorare l'efficienza dell'apprendimento multi-agente.

Un framework chiaro per valutare la comprensione nei sistemi di intelligenza artificiale.

Usare il machine learning per migliorare il accoppiamento della luce laser nelle fibre ottiche.

Affrontare la distribuzione dell'energia per sistemi cooperativi robusti.

Gli scambi di baratto permettono di scambiare beni senza soldi nel mondo online di oggi.

Esplora come incoraggiare la trasparenza nei contratti con più agenti.

Esaminando come le persone scelgono le tecnologie in base all'influenza sociale e alle interazioni.

Esaminare come i hyper-parametri plasmino l'efficacia degli agenti di deep RL.

Uno studio rivela metodi per una ricerca efficiente degli obiettivi da parte di agenti mobili in aree circolari.

I modelli del mondo migliorano l'addestramento dell'IA simulando ambienti per un apprendimento più rapido.

Scopri come i sistemi multi-agente migliorano l'automazione dei compiti e la risoluzione dei problemi.

Presentiamo GRASP, un benchmark per valutare il ragionamento spaziale nei modelli di linguaggio.

Questo articolo esamina come le emozioni influenzano il nostro pensiero e comportamento attraverso un modello dimensionale.

Questo studio esplora come l'apprendimento della rappresentazione aiuti i robot ad adattarsi in ambienti che cambiano.

Uno studio svela l'impatto dell'ambiente sulle strategie di navigazione negli agenti artificiali e negli esseri umani.

Craftium permette ai ricercatori di creare ambienti 3D personalizzati per addestrare agenti AI.

RPO migliora la velocità e la sicurezza nelle decisioni nell'apprendimento per rinforzo grazie all'apprendimento riflessivo.

Un metodo per massimizzare il valore nel matching agente-oggetto analizzando le preferenze.

Uno studio rivela metodi per assegnazioni stabili in scenari di posizionamento agenti.

Un framework per migliorare le strategie di iniezione di anidride carbonica nello stoccaggio sotterraneo.

Esplorare come le macchine possono seguire le indicazioni umane negli spazi reali.

Un nuovo metodo aiuta i robot a trovare oggetti caduti usando il suono.

Uno studio su strategie di abbinamento efficaci tenendo conto di preferenze e vincoli.

Ricerca sulle interazioni di gruppo nell'apprendimento delle lingue usando agenti neurali avanzati.

Presentiamo l'Esplorazione Latente Casuale: un modo nuovo per migliorare l'esplorazione degli agenti.

Scopri come TaskGen migliora la gestione dei compiti per programmi e agenti.