Jul, 2023

大型语言模型在人工智能通用智能方面的缺失要素：脑中的容器

PDF
TL;DR我们首先综述了对大型语言模型（LLMs）的现有评估，包括标准化测试和面向能力的基准测试。然后，我们明确了当前评估方法存在的几个问题，倾向于夸大 LLMs 的能力。我们进一步阐述了人工通用智能应该超越 LLMs 能力的几个特征。我们提出了通用智能代理的四个特征：1）能够执行无限的任务；2）能够在特定环境中生成新的任务；3）基于支撑任务生成的价值体系进行操作；4）拥有反映现实的世界模型，影响其与世界的交互。在这一观点基础上，我们强调了人工通用智能中缺失的部分，即认知与行动的统一。我们认为与现实世界中的对象进行积极互动可以提供更强大的形成概念表示的信号。此外，知识获取不仅依赖于被动输入，还需要反复尝试和错误。最后，我们概述了人工通用智能领域未来研究的有希望的方向。
large language modelsevaluationsartificial general intelligenceknowing and actingknowledge acquisition
发现论文，激发创造
  • 基于大语言模型的智能代理的崛起与潜力：一项调查

    人工智能代理是一个前景光明的领域，利用大型语言模型作为基础构建通用人工智能代理带来了显著的进展，其在单一代理场景、多代理场景以及人机合作中的广泛应用展示了卓越的潜力，并为人类社会提供了有价值的见解。

    Sep, 2023

  • 探索基于大型语言模型的智能代理：定义、方法与前景

    对基于大型语言模型（LLM）的智能代理进行了深入调查，涵盖了单代理和多代理系统中的定义、研究框架、组成、认知和规划方法、工具利用、对环境反馈的响应，以及在多代理系统中部署 LLM-based 代理的机制，包括多角色协作、信息传递和缓解代理之间通信问题的策略，同时介绍了流行的数据集和应用场景，最后展望了基于 LLM 的代理在人工智能和自然语言处理领域的前景。

    Jan, 2024

  • 将认知任务整合进针对大型模型的人工通用智能测试

    大型模型的性能评估是保证其能力和应用安全性的必要步骤，而当前的模型评估缺乏一个统一的框架来评估大型模型的多维智能。本文提出了一个全面的人工智能测试框架，包括认知科学和自然语言处理，旨在评估大型模型的智能水平，并通过一系列认知测试来指导其在不同智能维度上的改进和加速其融入人类社会的过程。

    Feb, 2024

  • 基于大型语言模型的游戏智能代理调查

    利用 LLMs 在复杂的电脑游戏环境中赋予游戏智能体人类般的决策能力，以推进人工智能 (AGI) 的发展，并提供了 LLM 基础的游戏智能体的综述，包括感知、记忆、思考、角色扮演、行动和学习的六个关键组成部分，调研了六种游戏类型的现有代表性 LLM 基础游戏智能体，并展望了未来的研究和发展方向。

    Apr, 2024

  • 人工通用智能的火花：GPT-4 的早期实验

    本文报道了 OpenAI 发展的最新模型 GPT-4，证明其不仅能够掌握语言，而且在数学、编码、视觉、医学、法律和心理等多个领域中都能够解决新颖且困难的任务，表现接近于甚至超过人类的水平，代表了一种新的群体智能的语言模型，并可能被视为人工通用智能（AGI）系统的早期、但尚不完整的版本。同时，本文还探讨了 GPT-4 的局限性，指出其可能需要超越下一个预测的新范式，为实现更深入和全面的 AGI 版本的发展面临的挑战，以及该技术飞跃的社会影响和未来研究方向的反思。

    Mar, 2023

  • 人工神经心理学：大型语言模型是否能够发展执行功能？

    研究表明 LLMs（大型语言模型）可以在 Towers of Hanoi 相关任务中生成近乎最优解，体现出计划能力和高效工作记忆利用率，这暗示了一种潜在的执行功能发展，但这些能力相对有限，而非经过充分训练的人类表现更好

    May, 2023

  • 基于大规模语言模型的人工智能代理的深入调研

    本文研究了大型语言模型（LLM）与传统人工智能代理之间的核心区别和特征，着重比较了两种代理的基本特征，并阐明了 LLM 代理在处理自然语言、知识存储和推理能力方面的显著优势。随后，对 AI 代理的核心组成部分进行了深入分析，包括规划、记忆和工具使用。尤其对于关键的记忆组件，本文引入了创新的分类方案，不仅摆脱了传统的分类方法，还为 AI 代理的记忆系统设计提供了新的视角。我们坚信对这些核心组件的深入研究和理解将为 AI 代理技术的未来发展奠定坚实的基础。在文章结尾，我们提供了进一步研究的指导性建议，希望能为该领域的学者和研究人员提供有价值的见解。

    Sep, 2023

  • KwaiAgents：基于大语言模型的通用信息检索代理系统

    我们引入了基于大型语言模型的信息获取代理系统 KwaiAgents，探索了其性能，并介绍了 Meta-Agent Tuning (MAT) 框架以确保在不同代理系统中优化的开源模型的表现。

    Dec, 2023

  • 搜索通用人工智能的框架

    本文描述和统一引导开发通用人工智能的原则，这些原则围绕着智能是搜索问题通用解决方案的工具这一理念展开，同时提供建议以研究、测量和测试人类水平智能机器所需的各种技能和能力。

    Nov, 2016

  • 多模态大型语言模型（MLLMs）的推理能力探索：多模态推理中新兴趋势的综述

    综合评估了多模态大语言模型的现有评估协议，分类和说明了多模态大语言模型的前沿，介绍了多模态大语言模型在推理密集型任务上的最新趋势，并讨论了当前的实践和未来的发展方向。

    Jan, 2024