7月21日
12:20
12:20官方账号arXiv cs.AI@Daniela Rojas, Abdulwahab Albassam, Aidan G. Leung, Jett Ngo, Ryan Luo, Peter R. Quawas, Junpyung Kim, Kangkai Liang, Mansi Nanavati, Jonathan Mai, Meng-Chi Tsai, Yun-Tong Tsai, Yize Chen, Yuanyuan Shi
本论文提出了一种基于求解器的设计原则,确保数值结果来自可信工具并通过明确验证。在四个案例研究中,EVAgent在EV充电调度中复现了CVXPY最优解,并将LLM-only的未满足能量减少了7.5-9.5倍;GridDebugAgent修复了17/39个应急案例,总违规减少52.3%。论文提出了一个四组评估框架,涵盖任务效用、求解器正确性、忠实性与安全失败、成本与延迟。核心结论是智能体系统负责编排、检索与解释,可信工具负责计算,验证门控决定报告内容。
推荐理由:这篇论文把LLM智能体怎么用在智能电网上讲得很清楚,给出了具体的数字对比,比如EVAgent减少了7.5倍未满足能量,适合做电网AI系统的实践参考。