深度分析
HomeFlow：結合 HomeEnv 模擬與 MCTS‑Flow 產生可驗證智慧家庭代理人訓練資料
隨著大型語言模型逐步進入實體控制，智慧家庭成為測試場域。研究提出 HomeFlow 以 HomeEnv 模擬環境結合 Blueprint 與 MCTS‑Flow 產生可驗證的多輪對話，並以步進式 RLVE 進行優化。實驗顯示模型成功率超過八成，領先現有商業模型。
深度分析
隨著大型語言模型逐步進入實體控制，智慧家庭成為測試場域。研究提出 HomeFlow 以 HomeEnv 模擬環境結合 Blueprint 與 MCTS‑Flow 產生可驗證的多輪對話，並以步進式 RLVE 進行優化。實驗顯示模型成功率超過八成，領先現有商業模型。
深度分析
隨著使用者期待以自然語言控制智慧家庭，現有方案易因裝置失效而中斷。研究提出 HearthNet，於家庭中樞部署角色專精 LLM 代理，透過 MQTT、Git 共享狀態與授權租約協調裝置。系統實證顯示可解決語意模糊、衝突追蹤與未授權指令問題，提升本地化可靠性。