यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है। यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है। पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।
इस पत्र में, हम बड़े पैमाने के भाषा मॉडल (LLM)-आधारित बहु-एजेंट प्रणालियों (MAS) की __T32590__ समस्या को दूर करने के लिए एक नवीन ढाँचा, Aime, प्रस्तावित करते हैं। मौजूदा योजना-निष्पादन दृष्टिकोणों, स्थिर एजेंट क्षमताओं और अकुशल संचार की कठोरता को दूर करने के लिए, Aime एक गतिशील और प्रतिक्रियाशील योजना और निष्पादन वास्तुकला प्रस्तुत करता है। इसके प्रमुख नवाचारों में वास्तविक समय प्रतिक्रिया पर आधारित एक गतिशील योजना क्षमता, मांग पर विशिष्ट एजेंट उत्पन्न करने वाली एक गतिशील एजेंट निर्माण क्षमता, और सिस्टम-व्यापी स्थिति जागरूकता के लिए एक केंद्रीकृत प्रगति प्रबंधन मॉड्यूल शामिल हैं। यह सामान्य तर्क, सॉफ्टवेयर इंजीनियरिंग और वेब ब्राउज़िंग सहित विभिन्न मानकों पर मौजूदा अत्याधुनिक एजेंटों की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
____T32591_____, ____T32592_____
•
Takeaways:
◦
एमएएस की मौजूदा योजना-निष्पादन पद्धति की __T32594_____ को दूर करने के लिए ऐम द्वारा प्रस्तुत एक नया ढाँचा
◦
गतिशील योजना, गतिशील एजेंट निर्माण और केंद्रीकृत प्रगति प्रबंधन के माध्यम से अनुकूलनशीलता और दक्षता में सुधार।
◦
विभिन्न क्षेत्रों में पिछले सर्वश्रेष्ठ प्रदर्शन के रिकॉर्ड तोड़ना
◦
एक अधिक शक्तिशाली और लचीले बहु-एजेंट सहयोग बुनियादी ढांचे के निर्माण की संभावना प्रस्तुत करना
•
Limitations:
◦
इस पेपर में ऐम के विशिष्ट कार्यान्वयन विवरण या एल्गोरिदम का विस्तृत विवरण नहीं है।
◦
यद्यपि प्रस्तुत मानकों की श्रेणी विविध है, फिर भी विविध वातावरणों में अधिक व्यापक प्रयोगों और निष्पादन मूल्यांकन की आवश्यकता है।
◦
केंद्रीकृत प्रगति प्रबंधन मॉड्यूल में विफलता के एकल बिंदु और मापनीयता पर विचार का अभाव है।
