다중 에이전트 트리 사고 검증기를 통한 LLM 추론 능력 향상
다중 에이전트 추론 전략과 트리 사고(ToT) 방법을 결합하여 LLM의 추론 능력을 향상시키는 새로운 접근법을 제안한다. 이를 통해 다양한 추론 경로를 탐색하고 논리적으로 유효한 경로만을 선택하여 최종 답변의 신뢰성을 높일 수 있다.
다중 에이전트 밴딧 학습을 위한 이질적 행동 삭제 채널
이질적 행동 삭제 채널에서 다중 에이전트 밴딧 학습을 위한 새로운 알고리즘을 제안하며, 이를 통해 선형 regret 보다 향상된 sub-linear regret 보장
다중 에이전트 궤적 예측을 위한 신경 상호작용 에너지
다중 에이전트 시스템에서 시간적 안정성을 유지하는 것이 중요하며, 이를 위해 신경 상호작용 에너지와 에이전트 간 상호작용 제약 및 에이전트 내부 운동 제약을 도입하였다.
신뢰 기반 복원력 있는 합의를 위한 자신감의 역할 (확장 버전)
물리적 채널에서 얻은 신뢰도 정보를 활용하여 악의적인 에이전트의 영향을 최소화하고 합의를 달성하는 복원력 있는 프로토콜을 제안한다. 에이전트의 자신감 수준에 따라 초기 상태에 대한 의존도를 조절함으로써 불확실한 신뢰도 정보로 인한 오분류를 방지한다.
정확한 평균 합의를 위한 동적 기반 알고리즘 수준의 프라이버시 보호
본 논문은 불균형 방향성 그래프에서 프라이버시를 보장하면서도 정확한 평균 합의를 달성하는 새로운 푸시-섬 알고리즘을 제안한다. 이를 위해 초기 반복에서 혼란을 주는 가중치를 도입하고 보조 매개변수를 사용하여 상태 업데이트 규칙을 마스킹한다. 동시에 합의 동역학의 내재적 강건성을 활용하여 정확한 평균 합의를 보장한다.
제한된 정보로도 충분한가? 비볼록 이산 환경에서의 근사 다중 에이전트 커버리지 제어
제한된 정보를 활용하여 근사 최적의 커버리지 제어 알고리즘을 제안하고, 이를 통해 수렴성과 성능 보장을 달성한다.
다중 에이전트 시스템의 규모에 독립적인 상태 동기화를 위한 네트워크의 국소 경계의 역할
다중 에이전트 시스템의 규모에 독립적인 상태 동기화를 위해서는 에이전트 모델이 안정적이고 중성 안정적이어야 한다.
다중 에이전트 시스템의 제한된 교란 하에서 확장 가능한 δ-수준 일관된 상태 동기화
이 논문에서는 에이전트 모델에 대한 지식만을 사용하여 통신 그래프와 네트워크 크기에 무관한 확장 가능한 δ-수준 일관된 상태 동기화 프레임워크를 제안합니다. 이를 통해 사전에 교란의 크기를 알지 않아도 네트워크의 일관성 수준을 δ로 제한할 수 있습니다.
360도 평가 기반 재사용 가능한 경험 축적을 통한 다중 에이전트 시스템의 성능 향상
다중 에이전트 시스템의 성능 향상을 위해 360도 평가 기반 경험 축적 방법을 제안한다.
제한된 정보와 안전 보장 하에서의 자기 조직화 다중 에이전트 표적 포위
다중 에이전트 시스템에서 에이전트들이 자율적으로 고정된 표적 주변에 원하는 형태로 자기 조직화되도록 하는 접근법을 제안합니다. 이를 위해 새로운 퍼텐셜 함수와 슬라이딩 매니폴드를 고안하여 전역적인 포위 행동과 국소적인 충돌 회피 메커니즘을 결합합니다.
© 2024 by Linnk AI