Lyfe Agents: 低成本实时社交互动的生成代理
大型语言模型的出现极大地推进了逼真互动代理的模拟。本研究提出了一种名为 Affordable Generative Agents(AGA)的框架,通过代理 - 环境和代理 - 代理层面上的生成,实现了具有可信度和低成本的互动。在多个环境中进行的广泛实验展示了我们提出的框架的效果和效率。通过对 LLM 代理中出现的可信行为机制进行深入分析,我们发现代理只能在固定环境中生成有限的行为,从中了解促进新型互动行为的方法。
Feb, 2024
应用大型语言模型(LLMs)在各种任务和社会模拟中取得了显著进展,但它们在任务导向的社会背景中的协调能力尚未得到充分探索。为了弥合这一差距,我们引入了协作生成代理,为基于 LLMs 的代理赋予一致的行为模式和解决任务的能力。我们将这些代理置于一个模拟的招聘会环境中进行案例研究,以审查它们的协调能力。我们提出了一个新颖的框架,赋予协作生成代理人类般的推理能力和专业技能。我们的评估结果表明,这些代理显示出有希望的性能。然而,我们也发现了限制,阻碍了它们在更复杂的协调任务中的效果。我们的工作对于 LLMs 在任务导向的社会模拟中的作用和发展提供了有价值的见解。
Oct, 2023
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
通过使用大型语言模型构建的交互平台 SimuLife++,用户能够扮演角色在多种社会情境下与基于人工智能的角色共同创作故事,使用智者代理来提供更深入的观点对用户的选择和对话进行互动,并通过用户研究验证了这种系统对非认知能力反思的积极影响。
May, 2024
最近在大语言模型(LLMs)的研究中取得的进展使得研究人员和开发者能够构建自主语言代理,通过自然语言界面自动解决各种任务并与环境、人类和其他代理进行交互。我们认为语言代理是通向人工通用智能的有希望方向,并发布了 Agents 这一开源库,旨在将这些进展开放给更广泛的非专业人士。Agents 经过精心设计,支持诸多重要功能,包括规划、记忆、工具使用、多代理通信和精细化符号控制。Agents 非常用户友好,因为它使非专业人士能够在无需太多编码的情况下构建、定制、测试、调优和部署最先进的自主语言代理。该库也非常友好于研究,因为其模块化设计使其易于研究人员进行扩展。Agents 库可在此 https URL 上获取。
Sep, 2023
利用语言作为通用媒介构建自主三维角色的数字生活项目 (Digital Life Project) 框架,使其能够参与社交互动、表达并模拟数字环境中的生活;该框架包含两个主要组件:SocioMind 模块和 MoMat-MoGen 模块,通过认知建模和运动生成控制角色的数字化行为,实现了自主对话和情感进化,同时具备相关身体运动及人类玩家互动响应能力。
Dec, 2023
该研究提出了一种新的生成代理框架 EduAgent,结合认知先验知识来引导大型语言模型首先推理各种行为之间的相关性,然后进行模拟,实现对真实学生和虚拟学生学习行为的模仿、预测和生成。
Mar, 2024
AutoGen 是一个新的框架,它允许使用多个可以相互对话解决任务的代理开发 LLM 应用程序。AutoGen 代理是可定制的、可对话的,并且可以无缝地允许人类参与。它们可以在使用 LLMs、人类输入和工具的各种模式下运行。AutoGen 的设计具有多个优点:a)它优雅地处理这些 LLMs 的强大但不完善的生成和推理能力;b)它利用人类的理解和智能,同时通过代理之间的对话提供有价值的自动化;c)它简化和统一了复杂的 LLM 工作流程的实现方式作为自动化代理聊天。我们提供了许多不同的例子,展示了开发人员如何轻松使用 AutoGen 有效解决任务或构建应用程序,范围从编码、数学、运筹学、娱乐、在线决策、问题回答等多个领域。
Aug, 2023
建立具有适应性行为的人工智能在人工智能与人类合作中具有重要的研究焦点。本研究提出了一种名为 ProAgent 的新框架,利用大型语言模型来预测合作伙伴的决策并改进自身计划。实验证明,ProAgent 在与人工智能代理和人类合作中表现出显著优越性能,为人类与机器人协作的未来研究提供了启示。
Aug, 2023