深度分析
以 BNF 文法結合多代理 LLM 的試算表自動化系統 SheetMind
大型語言模型提升試算表可用性，但公式與巨集仍是門檻。SheetMind 以管理、動作、反思三代理人，將指令分解、以 BNF 文法產生結構化指令並即時驗證。同時支援條件式清理與跨表格資料搬移，提升工作流彈性。實驗顯示單步成功率約 80%，多步達 70%，且直接以 Workspace 擴充功能嵌入 Google Sheets，免除腳本部署，提升隱私與即時互動。
多代理大型語言模型
深度分析
多代理大型語言模型計算浪費診斷：失敗感知可觀測性框架概述與實驗結果
隨著多代理大型語言模型在工具使用上日益複雜，研究提出失敗感知可觀測性框架，將常見失敗模式映射至線上指標，並在 GAIA 測試中揭示證據缺失、重複迴圈與工具錯誤等浪費計算的根本原因，顯示早期警示可降低代幣消耗並提升系統可診斷性，為未來AI服務成本管理提供新思路。
多代理大型語言模型
TrajOnco：多代理大型語言模型在縱向電子健康紀錄上進行時間推理的多癌症早期偵測框架
研究指出，從縱向電子健康紀錄中精準估計癌症風險具挑戰性。TrajOnco 以多代理大型語言模型與長期記憶架構，對序列化臨床事件進行時間推理，產出患者摘要與風險分數。實驗在 15 種癌症的病例對照中，零樣本 AUROC 達 0.64‑0.80，與監督式模型表現相當，且提升時間推理解釋性。