本文提出了一种基于大型语言模型的多智能体合作框架，具备规划、沟通和与人类合作的能力。研究表明，通过微调和物理环境知识，模型在家庭服务和复杂任务规划等多项任务中表现优异，显著提升了具身任务的表现，为未来智能体合作研究奠定基础。

本文提出了一种基于大型语言模型（LLM）的多智能体合作框架，展示了其在复杂环境中的协调能力和人类交互潜力。研究表明，LLM代理能够模拟人类行为，建立合作关系，并在任务导向的社会模拟中表现出良好性能，为未来的智能体合作研究奠定基础。

该研究提出了基于博弈论的联邦学习合作框架，考虑代理的激励因素，实现稳定和无嫉妒均衡。证明了激励考虑的方法可以更有效地降低样本复杂度。