麻省理工学院开发的工具Macro帮助电力和能源行业的规划者更准确地预测未来需求，优化基础设施设计。该工具缩短规划时间，确保电网高效、可靠、低成本供电，并符合排放标准。Macro考虑工业部门间的相互依赖，支持实时政策分析，适应高性能计算，操作简便，已在多个国家测试。
Anthropic 的多智能体研究系统强调规划者和执行者的重要性，通过记忆和工具提升效率。文章探讨了 Token 消耗、Agent 调试、自我进化和并行处理等新发现，指出 AI 应用开发的工程挑战，旨在通过多智能体技术提高工作效率。
本文研究了大语言模型（LLMs）在规划任务中的能力，发现其自主生成可执行计划的成功率仅为3%。提出了LLM + P框架，结合经典计划器的优点，有效解决规划问题。AdaPlanner通过闭环反馈改进计划生成，实验表明其在复杂环境中表现优于现有算法。此外，研究探讨了LLMs与经典规划方法结合的潜力，提出了新方法SimPlan和PDoctor，以提高规划能力并检测错误。
完成下面两步后，将自动完成登录并继续当前操作。
