本研究提出了一种基于因果关系的决策框架，以提高自主移动机器人在动态环境中的决策能力。该框架通过建模因果关系，预测电池使用情况和人类干扰，从而提升任务执行的效率和安全性。研究表明，因果推理显著增强了机器人在共享环境中的运作能力。

本研究提出了一种新的基于规则的决策框架，解决了传统方法在动态场景中的抖动和死锁问题，特别是在代理群体对抗中。该框架结合了概率有限状态机、深度卷积网络和强化学习，显著提升了代理的合作与竞争策略，实验结果表明其性能优于其他方法。

侯晓迪创立的Bot Auto仅用8人4个月开发出新无人车系统，提升效率。他认为自动驾驶进入2.0时代，Transformer技术简化开发并降低成本。公司采用基于原则的决策框架，增强透明度和客户信任，在得州进行路测，计划2025年实现“中心到中心”自动驾驶。尽管面临挑战和法律风险，侯晓迪对未来充满信心，并选择在美国创业以利用劳动力成本优势。

本文讨论了人工智能伦理学的研究方向，提出确保AI系统符合道德和社会价值的方法，分析伦理困境和决策框架，强调数据标注在维护机器伦理中的重要性，探讨构建道德机器的挑战，并提出混合解决方案以实现道德行为和信任基础。

本文探讨了金融领域中大型语言模型（LLM）的应用，提出了一种金融 LLM（FLLM）模型，通过多任务提示优化和推断增强推理（AAR）生成训练数据。研究表明，该模型在金融分析和解释任务上表现优异，并开创了新的基准，旨在简化金融监管文本的处理。同时，文章评估了不同模型的性能，强调了GPT-4在信息处理和数学计算中的优势，并提出了适用于金融专业人士的决策框架。

近期，大规模语言模型（LLM）在金融领域的应用迅速发展。本文探讨了LLM在金融任务中的解决方案和采用指南，包括模型微调和自定义训练。提出了一个决策框架，帮助金融专业人员选择合适的LLM解决方案，并讨论了应用中的挑战。研究表明，LLM能有效提升金融决策的准确性和效率。

该研究提出了一种基于结构信息原则的决策框架，利用无监督划分方法生成状态和动作的抽象表示，提高了单一和多智能体强化学习算法的性能。

本文回顾了金融领域中语言模型的应用方法，并提出了一个决策框架，帮助金融业专业人员选择解决方案。同时，讨论了金融应用中利用语言模型所面临的限制和挑战，为负责任地推动金融人工智能提供了路线图。

该研究介绍了一种新的决策框架，利用整数线性规划将各种模型的预测映射为全局归一化和可比较的值，并结合决策的先验概率、置信度和模型的预期准确性的信息。实证研究证明该方法在多个数据集上优于传统基准。