68T42」カテゴリーアーカイブ

CoMAL: Collaborative Multi-Agent Large Language Models for Mixed-Autonomy Traffic

要約 自動運転車を都市交通に統合すると、渋滞を軽減し、交通の流れを体系的に最適化 … 続きを読む

カテゴリー: 68T42, 90B20, 90C27, cs.AI, cs.RO, I.2.11 | コメントする

BudgetMLAgent: A Cost-Effective LLM Multi-Agent system for Automating Machine Learning Tasks

要約 大規模言語モデル (LLM) は、コード スニペットの生成などのさまざまな … 続きを読む

カテゴリー: 68T42, cs.AI, cs.CL, cs.LG, cs.MA, I.2.1 | コメントする

Can Agents Spontaneously Form a Society? Introducing a Novel Architecture for Generative Multi-Agents to Elicit Social Emergence

要約 生成エージェントは特定のタスクにおいて優れた能力を実証してきましたが、これ … 続きを読む

カテゴリー: 68T42, cs.AI, cs.HC, cs.LG, cs.MA, I.2.7 | Can Agents Spontaneously Form a Society? Introducing a Novel Architecture for Generative Multi-Agents to Elicit Social Emergence はコメントを受け付けていません

CoMAL: Collaborative Multi-Agent Large Language Models for Mixed-Autonomy Traffic

要約 自動運転車を都市交通に統合すると、渋滞を軽減し、交通の流れを体系的に最適化 … 続きを読む

カテゴリー: 68T42, cs.AI, cs.RO, I.2.11 | CoMAL: Collaborative Multi-Agent Large Language Models for Mixed-Autonomy Traffic はコメントを受け付けていません

Should agentic conversational AI change how we think about ethics? Characterising an interactional ethics centred on respect

要約 大規模言語モデル (LLM) に基づく会話エージェントの人気が高まっている … 続きを読む

カテゴリー: 68T42, cs.AI, cs.CL, cs.HC, H.5.2 | Should agentic conversational AI change how we think about ethics? Characterising an interactional ethics centred on respect はコメントを受け付けていません

Fake it to make it: Using synthetic data to remedy the data shortage in joint multimodal speech-and-gesture synthesis

要約 対面で会話する人間は口頭と非言語の両方で同時にコミュニケーションをとります … 続きを読む

カテゴリー: 68T07, 68T42, cs.CV, cs.GR, cs.HC, cs.SD, eess.AS, I.2.6 | Fake it to make it: Using synthetic data to remedy the data shortage in joint multimodal speech-and-gesture synthesis はコメントを受け付けていません

Incorporating Recklessness to Collaborative Filtering based Recommender Systems

要約 レコメンダー・システムは、信頼性とカバー率のジレンマと本質的に結びついてい … 続きを読む

カテゴリー: 62M20, 68T05, 68T42, cs.AI, cs.IR, cs.LG, I.2, stat.ML | Incorporating Recklessness to Collaborative Filtering based Recommender Systems はコメントを受け付けていません

Driving Style Alignment for LLM-powered Driver Agent

要約 最近、LLM を利用したドライバー エージェントは自動運転の分野でかなりの … 続きを読む

カテゴリー: 68T42, cs.AI, cs.RO | Driving Style Alignment for LLM-powered Driver Agent はコメントを受け付けていません

What makes for a ‘good’ social actor? Using respect as a lens to evaluate interactions with language agents

要約 大規模言語モデル (LLM) に基づく対話エージェントの人気が高まるにつれ … 続きを読む

カテゴリー: 68T42, cs.AI, cs.CL, cs.HC, H.5.2 | What makes for a ‘good’ social actor? Using respect as a lens to evaluate interactions with language agents はコメントを受け付けていません

Replication of Multi-agent Reinforcement Learning for the ‘Hide and Seek’ Problem

要約 強化学習は、報酬関数とハイパーパラメーターに基づいてポリシーを生成します。 … 続きを読む

カテゴリー: 68T05, 68T07, 68T42, 93A16, cs.AI, cs.LG, cs.MA, cs.RO, I.2.11 | Replication of Multi-agent Reinforcement Learning for the ‘Hide and Seek’ Problem はコメントを受け付けていません