登录社区云，与社区用户共同成长
邀请您加入社区
多智能体微调为语言模型的自我提升提供了全新的思路，不仅解决了单一模型在微调过程中性能瓶颈的问题，还展示了多智能体协作在复杂推理任务中的强大潜力。该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。对全球大模型从性能、吞吐量、成本等方面有一定的
本文探讨了自动驾驶中传感器、地图和情境三类不确定性，分析其来源及对安全决策的影响。通过传感器融合、高精地图更新与多智能体协作等方法，结合标准化数据与云平台，降低系统整体不确定性，推动自动驾驶的安全落地。
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。研究问题：这篇文章要解决的问题是如何利用多智能体协作和知识图谱增强的混合专家（MoE）大型语言模型（LLM）来提高法律服务的可靠性和准确性，以解决现有法律辅助服务中存在的信息幻觉问题。研究难
今年6月清华、上海AI lab、西工大、浙大和中国电讯的论文将大语言模型 (LLM) 的推理能力应用于具身任务，实现具身多智体协作的高效LLM落地。现在入局自动驾驶正当时！LLM-Agents可以说是为自动驾驶研究工作开辟了新道路，LLM Multi-Agent结合自动驾驶将成为2025年研究热点！因此研梦非凡于10月11日晚（周五），邀请了从事多模态大模型研究的王导师，为大家独家详解《LLM-M
本推文主要介绍了由来自北京航空航天大学的姜克谋、蔡轩和崔智勇教授等共同提出的一种名为KoMA的知识驱动的多智能体框架。论文《KoMA: Knowledge-driven Multi-agent Framework for Autonomous Driving with Large Language Models》提出了KoMA框架，通过结合大语言模型（LLM）和多智能体协作，显著提升了自动驾驶系统
前段时间我在看了关于上下文工程的资料以后，我就一直在思考一个问题，就是我们把提示词升级到上下文工程以后，再结合MCP协议生态，能不能更好的去替代我们现在用AI智能体+Workflow做的这么一个事情。
LangChain 表达式语言**（LangChain Expression Language，简称 LCEL）是 LangChain 框架中的一个核心组件，**旨在提供一种简洁、灵活的方式来定义和操作语言模型的工作流**。LCEL 允许开发者以声明式的方式构建复杂的语言模型应用，而无需编写大量的样板代码。
FastGPT 是目前 Prompt 串接做的最好的项目，知识库核心流程图如下:FastGPT 是一个基于 LLM 大语言模型的知识库问答系统，提供开箱即用的数据处理、模型调用等能力。同时可以通过 Flow 可视化进行工作流编排，从而实现复杂的问答场景！FastGPT 官网地址：https://doc.fastgpt.in/docs/intro/FastGPT 在线体验：https://fastg
