人工智能大都市：基于大语言模型的多智能体仿真规模化与乱序执行
原文中文，约200字，阅读约需1分钟。发表于：。本研究解决了当前多智能体仿真中由于虚假依赖造成的效率低下问题。作者提出了一种名为AI Metropolis的仿真引擎，通过引入乱序执行调度动态跟踪智能体间的真实依赖，从而减少虚假依赖，提升并行性。评估结果表明，AI Metropolis在智能体数量增加时，相较于标准并行仿真，速度提升从1.3倍到4.15倍，接近最佳性能。
DyLAN是一种大型语言模型代理网络，在推理和代码生成任务中表现优异。与GPT-35-turbo相比，DyLAN在MATH和HumanEval任务上分别提高了13.0%和13.3%的性能，并在MMLU特定主题上提升了25.0%的准确率。
