1.背景在量化交易领域，Alpha因子挖掘是核心焦点之一，探索和提炼那些能够预测资产收益的预测信号，尤金·法玛提出了有效市场假说，EfficientMarketHypothesis，EMH，，指出股票价格是所有市场可用信息的反映，股票价格应当全面反映市场内所有可获取的信息，随着研究的深入，当前Alp...

  在与用户进行自然对话交互时，智能体需要完成两个核心任务，一是进行对话交流，二是执行推理与规划，智能体在对话过程中，需要综合利用所有可获取的信息来做出回应，同时其行为要始终围绕目标展开，这种对话交互与多步推理规划的双重模式，与卡尼曼所描述的人类快速和缓慢思维系统颇为相似，基于这一理念，DeepMind...

  让智能体在不断变化的环境中动态适应、并有效合作是一个巨大的挑战，特别是当智能体需要与陌生的智能体互动时，传统训练方法往往表现不佳，这种情况下，引入逆向注意力智能体，InverseAttentionAgents，成为了一种创新且有效的解决方案，逆向注意力智能体的核心在于借鉴，心智理论，Theoryof...

  多智能体路径规划，MAPF，是一个在共享环境中为多个智能体规划无碰撞路径的问题，传统上MAPF问题主要在离散环境中研究，时间和空间都被离散化为固定的步长和网格，随着实际应用需求的增加，如仓库物流和自动驾驶车辆，研究逐渐转向连续环境中的路径规划，在连续环境中，时间和空间都是连续的，智能体的运动需要考虑...

  AI领域正从基础的RAG系统向更智能的AI智能体进化，后者能处理更复杂的任务并适应新信息，LangGraph作为LangChain库的扩展，助力开发者构建具有状态管理和循环计算能力的先进AI系统，本文教大家如何使用LangGraph开发一个太阳能节能计算的智能体，1LangGraph概述LangGr...

  前些时日，AI大模型开始掌握操作计算机的能力，但整体而言，它们与物理世界互动的能力仍处于早期阶段，为了提高LLM在复杂的现实世界中的表现，研究者们提出了各种提示策略来提升大模型的推理和规划能力，比如思维链、思维树和思维图谱，这些进步与工具集成一起，推动着通用AI智能体的发展，让它们现在已经能够用LL...

  本文作者来自于上海交通大学人工智能学院的Multi，AgentGovernance&amp，IntelligenceCrew，MAGIC团队，和牛津大学，共同第一作者有唐铄、庞祥鹤、刘泽希和唐博瀚，指导老师包括上海交大的王延峰教授、陈思衡副教授，以及牛津大学的董晓文副教授，随着大语言模型，L...

  本文提出了一个人机协作中的规划与推理任务基准，PARTNR，，旨在研究家庭活动中的人机协调，PARTNR任务展现了日常任务的特点，如空间、时间和异构agent能力约束，我们采用大型语言模型，LLMs，构建了一个半自动化的任务生成流程，并融入了循环中的模拟以进行实现和验证，PARTNR是同类基准中规模...