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。
本研究提出了GenPlan框架,克服了离线强化学习在多任务决策中的局限性,显著提升了对新环境的泛化能力,实验结果显示其性能超过现有方法10%以上。
本研究提出了STEP框架,通过规划者、执行者、评估者和记忆存储四个组件,增强语言智能体在动态环境中的规划能力。研究结果显示,STEP在ScienceWorld基准测试中优于现有模型。
LLM-模块化框架将大语言模型与外部验证器结合,扩展了基于模型的规划/推理范围。
完成下面两步后,将自动完成登录并继续当前操作。