Noticias externas

Resumen: Los agentes de modelos de lenguaje grande (LLM) han demostrado notables habilidades de razonamiento. Sin embargo, los marcos multiagente existentes a menudo dependen de roles fijos o control centralizado, lo que limita la escalabilidad y adaptabilidad en el razonamiento a largo plazo.

Resumen: Los sistemas de creencias rara vez son globalmente consistentes, sin embargo, el razonamiento efectivo a menudo persiste localmente. Proponemos un novedoso marco teórico de grafos que separa claramente la credibilidad (confianza externa a priori en las fuentes) de la confianza (una valoración interna y emergente inducida por la estructura de la red).

Resumen: La optimización de los flujos de trabajo basados ​​en LLM generalmente se formula como una búsqueda global, donde los flujos de trabajo candidatos se evalúan en función de una métrica escalar. Este paradigma, sin embargo, adolece de un defecto crítico: el colapso de la información.