Cet article introduit un cadre multi-agents guidé par des LLM pour la conception en ingénierie aux premiers stades, intégrant une approche "human-in-the-loop" et une gestion formelle des risques. Il utilise des agents spécialisés pour explorer et affiner les candidats de conception, démontré sur la conception de profils aérodynamiques.
Cette étude de cas longitudinale de 11 mois analyse l'impact de la personnalisation agentique en marketing, comparant la gestion humaine active à des agents fonctionnant de manière autonome. Les résultats montrent que la gestion humaine génère la plus forte augmentation des métriques d'engagement, soulevant des questions sur la performance durable sans supervision.
Cet article présente l'Optimisation Bayésienne Méta avec Intervention Humaine (HL-MBO), un cadre qui intègre les connaissances d'experts avec l'apprentissage automatique en peu d'exemples pour accélérer la découverte dans les domaines scientifiques à données rares. Il est démontré que HL-MBO surpasse les méthodes d'optimisation bayésienne actuelles dans l'optimisation du rendement énergétique de la fusion et d'autres benchmarks.
DeepSlide est un système multi-agents avec intervention humaine conçu pour optimiser l'ensemble du processus de livraison de présentations, de la planification narrative à la répétition, allant au-delà des générateurs de diapositives d'IA axés uniquement sur l'artefact. Il intègre un planificateur de chaîne logique contrôlable, la récupération de contenu et introduit un nouveau benchmark à double score pour évaluer à la fois la qualité de l'artefact statique et l'excellence de la prestation dynamique.