本研究提出了MAFA多智能体框架，旨在提高用户查询信息检索的准确性和效率。该框架结合多种代理和评判代理，优化常见问题的注释效果，尤其在处理模糊查询时表现优异，展现出强大的跨领域和跨语言能力。

下一代人工智能代理需要整合多领域能力，以实现人工通用智能。目前的代理在特定领域有效，但缺乏跨领域能力。研究表明，结合文本、视觉和机器人等专业系统的优势，对于实现具有人类智慧特征的通用人工智能至关重要。

本文研究了利用大型语言模型预测人类阅读行为的方法，并比较了不同语言的预训练变压器模型在反映自然人类句子处理的阅读时间测量方面的表现。结果显示，变压器模型可以准确地模拟人类阅读行为，并可以隐式地编码语言的相对重要性。作者还分析了这些模型的跨领域和跨语言能力，并展示了它们如何反映人类句子处理。