Na área de visualização de dados de hoje, gerar gráficos que reflitam com precisão dados complexos continua sendo um desafio sutil. Os gráficos precisam não apenas capturar o layout, as cores e o posicionamento de texto precisos, mas também traduzir esses detalhes visuais em código para reproduzir o design pretendido. No entanto, os métodos tradicionais geralmente dependem de prompts diretos para modelos de linguagem visual (VLM), como o GPT-4V, que frequentemente enfrentam dificuldades na tradução de elementos visuais complexos em código Python sintaticamente correto. Mesmo erros mínimos podem resultar em gráficos que não atingem o design pretendido.

Na Conferência Global de Pioneiros Desenvolvedores de 2025, a SenseTime anunciou o lançamento da plataforma de código baixo de código aberto LazyLLM, com o objetivo de reduzir a barreira de entrada para o desenvolvimento de aplicativos de IA. Agora, os desenvolvedores precisam de apenas cerca de 10 linhas de código para construir facilmente aplicativos complexos de modelos grandes multi-agentes. O LazyLLM não apenas ajuda os usuários a desenvolver aplicativos de IA rapidamente, mas também simplifica o processo de desenvolvimento por meio de operações simples, como construir com blocos de construção. O nome LazyLLM, derivado de "preguiçoso", reflete o desejo da SenseTime de que os usuários

Com o avanço da inteligência artificial, os sistemas multiagentes estão se tornando cada vez mais poderosos na resolução de tarefas complexas em várias áreas. Esses sistemas são compostos por vários agentes especializados que trabalham em conjunto, aproveitando suas respectivas forças para atingir um objetivo comum. Essa colaboração se destaca em tarefas de raciocínio complexo, programação, descoberta de medicamentos e garantia de segurança, pois as interações estruturadas entre os agentes não apenas melhoram a eficiência na resolução de problemas, mas também permitem que eles se corrijam mutuamente, melhorando assim seus respectivos resultados. Estudos demonstram que essa abordagem colaborativa frequentemente supera as abordagens individuais em tarefas que exigem raciocínio rigoroso ou verificação de fatos.

A H2O.ai anunciou recentemente o lançamento de sua nova plataforma multiagente h2oGPTe, que combina modelos de inteligência artificial generativa e preditiva para fornecer respostas mais consistentes às empresas. Sri Ambati, fundador e CEO da H2O.ai, afirma que uma das principais necessidades das empresas em relação aos agentes de IA é manter a consistência das respostas. A plataforma h2oGPTe utiliza os modelos proprietários da H2O.ai, Mississippi e Danube, e também pode acessar outros modelos.

A Microsoft lançou recentemente uma biblioteca Python notável chamada TinyTroupe, uma ferramenta de simulação de personalidades multiagentes baseada em modelos de linguagem grandes (LLMs). Os agentes em TinyTroupe são chamados de TinyPersons, e eles podem interagir e se comunicar em um ambiente simulado. Usando poderosos modelos de linguagem grandes (LLMs), especialmente o GPT-4, o TinyTroupe pode gerar comportamentos simulados realistas, permitindo que os usuários explorem vários cenários.

Na conferência Baidu World 2024, a Baidu lançou uma ferramenta sem código inovadora chamada "Miōda". Lançada pelo fundador da Baidu, Robin Li, a ferramenta integra três funções principais: programação sem código, colaboração multiagente e chamadas de múltiplas ferramentas. Li a elogiou como "a ferramenta de colaboração multiagente mais complexa da história da humanidade".

No rápido desenvolvimento da inteligência artificial, os desenvolvedores enfrentam um desafio significativo: como gerenciar eficientemente sistemas multiagentes complexos. Esses sistemas envolvem a colaboração de múltiplos agentes de IA, mas a coordenação e o controle eficazes costumam ser difíceis. Além disso, algumas soluções atuais exigem muitos recursos, tornando a implantação e os testes mais complexos. Para resolver esse problema, a OpenAI lançou a estrutura Swarm, uma ferramenta experimental projetada para simplificar a gestão e a coordenação de multiagentes.

Recentemente, a OpenAI anunciou que está contratando engenheiros de aprendizado de máquina para sua recém-formada equipe de pesquisa em multiagentes. A notícia foi divulgada pelo cientista de pesquisa da OpenAI, Noam Brown, por meio de plataformas de mídia social. Ele disse: "Acreditamos que os multiagentes são um caminho importante para melhorar o raciocínio da IA, e experiência prévia com multiagentes não é necessária." Brown também incentivou profissionais interessados ​​em pesquisa nessa área a se candidatarem. Em uma entrevista recente, a OpenAI...

Recentemente, o Laboratório de IA da Tencent lançou uma nova estrutura multiagente chamada "TRANSAGENTS", especializada em tradução de conteúdo literário extra longo. Essa estrutura revolucionará o campo da tradução literária, proporcionando aos leitores uma experiência de leitura intercultural de alta qualidade.

Pesquisadores lançaram no GitHub um projeto de código aberto chamado AgentTuning, que apresenta um novo método para ajustar modelos de linguagem. O AgentTuning treina e ajusta modelos de linguagem usando trajetórias de interação em tarefas multiagente para adaptá-los a diferentes tarefas e cenários. Este método pode melhorar o desempenho e a capacidade de generalização dos modelos de linguagem, reduzindo a necessidade de ajustes manuais. O AgentTuning já foi aplicado em diversas áreas do processamento de linguagem natural, como geração de diálogos, sistemas de perguntas e respostas e geração de resumos.

A equipe de pesquisa da Waymo lançou o MotionLM, usado para prever o comportamento dos participantes do trânsito. Ao contrário dos métodos tradicionais, o MotionLM usa modelagem de linguagem, sem necessidade de procedimentos de otimização complexos. Este método se destaca na previsão do comportamento dos participantes do trânsito e é aplicável a veículos autônomos. O MotionLM pode simular relações causais no tempo, melhorando a precisão da previsão. Este método inovador promete impulsionar o desenvolvimento da área de condução autônoma.

Pesquisas do MIT descobriram que debates multiagentes podem melhorar significativamente a precisão e a capacidade de raciocínio de modelos de IA. O método de debate reduz alucinações e ajuda os modelos a fornecer respostas melhores. Múltiplos sistemas de IA debatendo as respostas a perguntas são mais precisos do que um único sistema. O método pode ser usado para colaboração entre diferentes modelos de linguagem, melhorando a saída. Essa descoberta fornece uma nova perspectiva para o campo da IA, aumentando a fidelidade e a capacidade de raciocínio dos modelos de linguagem.