[控场AI]

#LLM Agent

共 10 篇相关文章

LLM Agent批量任务提速65%:推理与环境协同优化
·5 分钟

LLM Agent批量任务提速65%:推理与环境协同优化

解读 LLM Agent 批量任务 makespan 优化:通过显存分配、轨迹感知路由与 CAAS 调度实现推理-环境协同,在 BFCL、SWE-bench 等基准上缩减 10.4% 至 65.0%,评测分数保持对齐。

阅读全文 →
对比集替代单一假设:让AI科研智能体从同一证据中解出更多科学问题
·6 分钟

对比集替代单一假设:让AI科研智能体从同一证据中解出更多科学问题

Contrastive Discovery 提出用互斥且穷尽的对比集替代单一假设,让LLM科研智能体从同一批证据中解出更多科学问题。本文解析其信念重分配评分机制、与现有智能体的兼容性及人类专家盲评结果。

阅读全文 →
LLM Agent 替代遥操作:机器人数据采集成本骤降
·4 分钟

LLM Agent 替代遥操作:机器人数据采集成本骤降

PyRUA-DataFarm 研究提出用 LLM 编码智能体替代遥操作员,在仿真中生成真实就绪的机器人数据。五个任务上策略性能与遥操作数据相当,且在干扰条件下泛化更优,成本显著低于传统遥操作。

阅读全文 →
TrawMem:把智能体记忆重构为任务导向的角色自适应工作区
·5 分钟

TrawMem:把智能体记忆重构为任务导向的角色自适应工作区

TrawMem 提出任务导向的角色自适应工作区框架,将智能体记忆从按相关性检索重构为按任务角色与关系组织。在 LoCoMo 与 MemGallery 上 macro-F1 提升 2.23-3.14 点,同时减少上下文 token 消耗。

阅读全文 →
为LLM Agent构建搜索抓取层:缓存、正文提取与成本控制
·6 分钟

为LLM Agent构建搜索抓取层:缓存、正文提取与成本控制

详解如何为LLM Agent构建搜索抓取层:通过网关模式统一处理缓存、预算控制与robots.txt合规,用trafilatura提取正文将180KB HTML压缩至6KB,实测缓存命中率35%-45%,显著降低Agent抓取成本。

阅读全文 →
LLM Agent任务分解:构建可靠工作流的核心工程模式
·5 分钟

LLM Agent任务分解:构建可靠工作流的核心工程模式

结构化任务分解是构建可靠LLM Agent工作流的关键工程模式。本文详解如何通过LLM驱动的提示词设计将复杂目标拆解为原子子任务,涵盖减少幻觉、提升可调试性、成本优化与并行化等核心收益,并指出过度分解的边界。

阅读全文 →