代理的关键词检索结果

Google的AI共同科学家与OpenAI的深入研究与困惑的深入研究:AI研究代理的比较

Google’s AI Co-Scientist vs. OpenAI’s Deep Research vs. Perplexity’s Deep Research: A Comparison of AI Research Agents

AI的快速进步带来了AI研究代理的出现,该工具旨在通过处理大量数据,自动化重复任务,甚至产生新思想来帮助研究人员。在领先的代理商中,包括Google的AI共同科学家,OpenAI的深入研究以及困惑的深入研究,每个研究都提供了促进研究人员的不同方法。本文[…] Google邮报的AI共同科学家与Openai的深入研究与困惑的深入研究:对AI研究代理的比较首先出现在Unite.ai上。

使用Amazon Bedrock知识库降低LLM代理中LLM代理的幻觉

Reducing hallucinations in LLM agents with a verified semantic cache using Amazon Bedrock Knowledge Bases

这篇文章通过使用Amazon Bedrock知识库实施经过验证的语义缓存来介绍一个解决方案,以减少大语言模型(LLMS)的幻觉,该方法在生成新的答案之前检查了用户问题是否匹配策划和验证的答案。该解决方案将LLM的灵活性与可靠,验证的答案相结合,以提高响应准确性,降低潜伏期和降低成本,同时防止医疗保健,财务和法律服务等关键领域的潜在错误信息。

用于理解人工智能代理的“TACO”框架

The ‘TACO’ Framework For Understanding AI Agents

作者:Swami Chandrasekaran,KPMG。人工智能代理系统代表了企业人工智能的转型转变,从被动信息检索转向主动执行和决策。 Agentic ...

面向长视界交互式 LLM 代理的强化学习

Reinforcement Learning for Long-Horizon Interactive LLM Agents

交互式数字代理 (IDA) 利用有状态数字环境的 API 来响应用户请求执行任务。虽然由指令调整的大型语言模型 (LLM) 驱动的 IDA 可以对多步骤交换中接口调用的反馈做出反应,但它们尚未在各自的数字环境中接受过训练。之前的方法在 AppWorld 等复杂的基准测试中完成的任务不到一半。我们提出了一种强化学习 (RL) 方法,可直接在目标环境中训练 IDA。我们将这种训练形式化为部分可观察的马尔可夫模型……

企业安全可靠的 AI 代理的 3 个注意事项

3 Considerations for Safe and Reliable AI Agents for Enterprises

据 Gartner 称,到 2025 年底,30% 的 GenAI 项目可能会在概念验证后被放弃。GenAI 的早期采用表明,大多数企业的数据基础设施和治理实践尚未为有效部署 AI 做好准备。GenAI 产品化的第一波浪潮面临相当大的障碍,许多组织都在努力超越概念验证阶段 […]文章《企业安全可靠的 AI 代理的 3 个注意事项》首先出现在 Unite.AI 上。

2025 年:AI 代理的曙光?

2025: The Dawn of AI Agents?

为什么重要:2025 年:AI 代理的黎明?探索智能代理如何改变行业并重新定义创新。

AI 代理的三大基本优势

Three Essential Benefits of AI Agents

为什么重要:发现 AI 代理的三大基本优势:运营效率、更好的决策和可扩展的创新。

我们需要开始思考人工智能代理的道德问题

We need to start wrestling with the ethics of AI agents

这个故事来自 The Algorithm,这是我们关于 AI 的每周通讯。要首先将其发送到您的收件箱,请在此处注册。生成式 AI 模型在与我们交谈以及为我们创建图像、视频和音乐方面已经变得非常出色,但它们并不擅长为我们做事。人工智能代理承诺改变……

麻省理工学院的研究人员开发出一种训练更可靠 AI 代理的有效方法

MIT researchers develop an efficient way to train more reliable AI agents

该技术可以使人工智能系统更好地完成涉及多变性的复杂任务。

5 个面向 LLM 代理的免费学习资源

5 No-Cost Learning Resources for LLM Agents

对 LLM 代理感到好奇?这里有一个免费课程、指南和博客列表,让您轻松开始学习并保持更新。

Agentic AI:大型语言模型如何塑造自主代理的未来

Agentic AI: How Large Language Models Are Shaping the Future of Autonomous Agents

继生成式 AI 兴起之后,随着代理式 AI 的出现,人工智能即将迎来另一场重大变革。这一变革是由大型语言模型 (LLM) 演变为主动决策实体所推动的。这些模型不再局限于生成类似人类的文本;它们正在获得推理能力,[…] 文章代理式 AI:大型语言模型如何塑造自主代理的未来首先出现在 Unite.AI 上。

采访 Pulkit Verma:迈向 AI 代理的安全可靠行为

Interview with Pulkit Verma: Towards safe and reliable behavior of AI agents

在本系列访谈中,我们将与 AAAI/SIGAI 博士生联盟的部分参与者会面,以了解有关他们研究的更多信息。博士生联盟为博士生群体提供了一个机会,让他们与一组资深研究人员一起在跨学科研讨会上讨论和探索他们的研究兴趣和职业目标。在这个 […]

基于代理的实验经济学:理解市场动态的新时代

Agent-Based Experimental Economics: A New Era for Understanding Market Dynamics

人工智能驱动的奥地利和芝加哥思想的综合体 像许多自由市场经济学家一样,我早期的研究深受奥地利学派的影响,但随着时间的推移,我转向了芝加哥学派,特别是在微观经济理论方面。如今,我认为自己在微观经济问题上主要与芝加哥价格理论保持一致,而我的观点 […]

采访 Katherine Mayo:基于代理的实时支付和欺诈风险分析缓解

Interview with Katherine Mayo: An agent-based analysis of real-time payments and fraud risk mitigation

在他们的论文《实时支付中的欺诈风险缓解:基于代理的战略分析》中,Katherine Mayo、Nicholas Grabill 和 Michael Wellman 考虑了实时支付,并采用基于代理的模型来研究银行面对欺诈的潜在策略。我们向 Katherine 询问了这项工作,为什么它是一个重要的主题,以及团队如何 […]

用于调查 K-12 学校中 SARS-CoV-2 的基于代理的模型

Agent-based models for investigating SARS-CoV-2 in K-12 Schools

在过去 50 年中,ABM 已用于评估控制疾病传播、减少青少年吸烟、传播技术和更新农业政策的努力的有效性。对于洛克菲勒基金会在六所学校开展的 COVID-19 检测协议示范项目,我们使用 ABM 来了解 COVID-19 筛查测试对学生、教师、管理人员和其他学校工作人员中 COVID 传播的影响。

使用 NinjaTech AI 和 AWS Trainium 实现生产力代理的未来

The future of productivity agents with NinjaTech AI and AWS Trainium

NinjaTech AI 的使命是通过使用快速且经济实惠的人工智能 (AI) 代理来处理耗时的复杂任务,从而提高每个人的工作效率。我们最近推出了 MyNinja.ai,这是世界上第一个多代理个人 AI 助理,以推动我们的使命。MyNinja.ai 是从头开始构建的,使用专门的代理,这些代理能够代表您完成任务,包括安排会议、从网络上进行深入研究、生成代码和帮助编写。这些代理可以将复杂的多步骤任务分解为分支解决方案,并且能够动态评估生成的解决方案,同时不断从过去的经验中学习。所有这些任务都是以完全自主和异步的方式完成的,让您可以继续您的一天,而 Ninja 可以在后台处理这些任务,并在需要您的输入

构成代理的蒙克豪森综合症,我们在处理它方面非常糟糕

Munchausen Syndrome by Proxy exists, and we’re terrible at dealing with it

作为居民,我看到了代理人的多个怀疑的蒙克豪森综合症。蒙克豪森综合症以据称讲述自己的许多高个子故事的男爵命名,是一种精神障碍,患者会出现症状或问题以引起人们的注意。患有综合症的人将竭尽全力,并且存在代理的Munchausen后综合症,我们很擅长处理它,首先出现在偶然的经济学家上。

使用基于代理的模型进行信息通信行业的聚合和自组织仿真

Aggregation of Information and Communications Industry and Self-organization Simulation Using an Agent-based Model

NAKAMURA Ryohei(RIETI 教员)/NAGAMUNE Takeshi(新见大学)/HAYASHI Syuusei(东北大学)