ICMLFeb, 2021

AGENT：核心心理推理基准

PDF
TL;DR通过使用过程生成的三维动画构建了一个基准测试，并通过人类评分验证了该基准测试，结果表明，要在人类水平上通过基础直觉心理学的设计测试，模型必须获得或具有代理计划的内置表示，该测试结构围绕四个场景，并比较了两个强大的基线建立在贝叶斯逆规划和心灵理论神经网络上。
intuitive psychologymachine agentscore psychology principlesprocedurally generated 3d animationsbayesian inverse planning
发现论文，激发创造
  • 婴儿直觉基准（BIB）：辨别他人的目标、偏好和行为

    机器学习系统如何理解和推断环境中其他代理的目标、偏好和行动，是实现人类常识的关键。虽然基于深度学习的代理推理模型日益成熟，但在类似人类婴儿的推理上，仍有待突破。Baby Intuitions Benchmark (BIB) 作为发展性认知科学的研究成果，挑战机器的类人类推理能力，可用于与人类推理能力的直接比较。

    Feb, 2021

  • 自我视角下的他人评估

    人工智能系统在模拟或接近人类间的相互作用中，特别是在多层次环境中与不同实体进行的情况下，必须首先深入而细致地理解自己，以实现对人类认知的高质量理解。

    Dec, 2023

  • Pangu-Agent：具有结构化推理能力的可调优的通用型智能体

    通过将结构化推理融入 AI 代理的策略中，本文提出了一个通用框架模型，比较并探索了其他 AI 流水线和现有框架。实验证明，嵌入了组织推理和先前知识的 AI 代理表现和适应性要好得多，为更强大和更通用的 AI 代理系统打开了大门。

    Dec, 2023

  • 教学生成智能体的认知评估：需要更好的心灵理论能力

    本研究通过数学方式刻画了人类引导他人通过自然语言有效沟通所需的认知能力，并展示了基于神经网络的指导生成代理具有类似的认知能力，通过提升这些代理与听众之间的心理模型可显著提升指导质量，但是在与人类引导者的对比中还存在相当的差距，因此需构建更好的人类行为模型以更好地协同 AI 代理人。

    Dec, 2022

  • 面向可指导认知机器人的基于证据的推理的计算理论

    本文介绍了关于证据推理认知代理的计算理论，并将其应用于政府和公共部门的关键领域。该理论通过开发四种不同类型的认知代理来验证其可行性，并探讨未来研究的方向。

    Oct, 2019

  • 模仿交互智能

    通过虚拟环境中的交互式训练、行为测试和逆强化学习技术，实现了大规模人类行为模仿，提高了人工智能代理的交互能力，并成功解决了代理评估方面的挑战。

    Dec, 2020

  • 以心理理论为基础的多智能体强化学习的内在动机理论

    该论文介绍了利用深度网络来模拟人类心智状态，并在多智能体环境中进行信念预测和强化学习的初步实验结果。

    Jul, 2023

  • 在人工智能代理中评估科学思维

    孩子们表现出惊人的学习和思考能力，与形式化的研究中的科学推理方法非常相似。本研究利用 Blicket 检测建立了交互式 EST 环境，旨在评估人工智能的科学思维能力，研究发现今天的学习方法在科学思考中具有低效性，需要未来的研究来构建人类类似的智能。

    Jun, 2022

  • 人形代理：模拟类似于人类的生成代理的平台

    Humanoid Agents 是一个系统，通过引入 System 1 processing 的三个要素：Basic needs、Emotion 和 Closeness in Relationships，指导 Generative Agents 更像人类行为，能够使用这些动态元素来适应他们的日常活动和与其他 agents 的对话，并通过实证实验支持。

    Oct, 2023

  • 机器心理学：将操作条件反射与非公理推理系统结合，推进人工智能普适性研究

    这篇论文介绍了一种称为机器心理学的跨学科框架，将操作学习心理学原理与特定的人工智能模型非公理推理系统（NARS）相结合，以增强通用人工智能（AGI）研究。该框架的核心前提是适应对于生物和人工智能同样重要，可以通过操作条件性原理来理解。该研究通过三个操作学习任务使用 OpenNARS for Applications（ONA）来评估这种方法：简单判别、条件改变和条件判别任务。这些研究结果支持操作条件性作为创建自适应 AGI 系统的框架的应用。

    May, 2024