Thinkgap 信息流
页面仅读取已加工的 items 表，并以中英双语呈现。
17 条内容
研究人员提出一种新的框架，利用多个大语言模型智能体协同工作，对协调关税表（HTS）编码进行分类。各智能体通过共识机制提高准确性，针对国际贸易中的一个关键瓶颈——错误分类会导致货物延误、罚款和合规失败。该系统依靠智能体协作而非单一模型输出，旨在产生更可靠、标准化的编码分配。该研究指出了当前人工和基于规则方法的不足，并将基于大语言模型的共识方法确立为海关作业的可行自动化策略。该框架有望提高效率、减少差错，并简化全球供应链中的法规遵从。
该论文提出一种将小型语言模型用于承诺式深思的强化学习方法，使智能体在不确定环境中执行动作前先进行规划。方法引入理论框架，利用语言模型评估潜在决策，旨在提升反应式性能。实验表明，在复杂场景中结构化规划能显著增强导航和决策能力。该研究将语言模型的规划能力与反应式强化学习相结合，为更具深思能力的智能体开辟了新方向。作者包括Nathan Gavenski、Juarez Monteiro等，论文全文在arXiv上。
Shikun Liu、Mufei Li、Dongqi Fu、Haoyu Wang、Yinglong Xia、Hong Li、Hong Yan 和 Pan Li 提出一种通过直接合成隐表征来实现大语言模型智能体工作流中并行分支的框架。该方法通过融合隐空间路径进行同步执行，避免了显式 token 级通信，从而降低了多个大语言模型协同的计算开销。该方案提升了复杂多智能体任务的响应速度和可扩展性，并展示了隐空间合成如何重塑自动化决策和内容生成系统中 LLM 的协作方式。
EurekAgent 是一个依赖智能体环境工程实现自治科学发现的框架。通过精心设计与优化操作环境，该系统使 AI 智能体能够自主探索假设、开展实验并得出科学结论，无需人类干预。该方法可加速发现过程，开拓此前受限于人类能力的研究方向，其核心主张是环境设计是实现全自主科学探究的关键推动因素。
该论文提出了Agents-K1框架，实现面向智能体原生的知识编排，让智能体能够自主管理和跨领域适应知识。它解决了传统知识管理系统僵化的问题，使智能体能够从交互中学习、协同工作并探索复杂知识环境。所提出的方法学和算法旨在创造一种动态、响应式的信息处理方式，有望彻底改变组织实时利用知识的方式。
Krti Tallam 提出了一种面向生产AI代理运行时治理的五平面参考架构。该架构包含策略平面（规则制定）、监控平面（性能与合规跟踪）、控制平面（实时调整）、数据平面（信息流管理）和执行平面（代理实际操作），各平面协同确保代理在治理框架内运行。此框架旨在增强AI系统的监督、透明度和问责制，以应对AI代理广泛部署带来的治理迫切需求。