该研究论文旨在探讨发展性机器学习方法，通过模仿儿童利用语言描述目标实现创造性发现和开放式的学习过程中的能力，提出了一种叫做 IMAGINE 的深度强化学习框架，并研究了其泛化和探索能力，以及目标想象、模块化和社交互动等因素对其结果的影响。

Feb, 2020

通过采用大型语言模型的故事生成能力，我们将生成的故事简化并映射为行动序列，以引导智能体进行想象性游戏，并设计了一个文本冒险游戏来模拟智能体在房屋中进行互动，以评估其是否能成功完成想象性游戏。

Aug, 2023

致力于建立具有开放目标的创造性智能代理一直是人工智能研究的最终目标。我们引入了自主体验验证技术来帮助智能代理在创造性任务中填补现有障碍，并提出了 Luban 代理在 Minecraft 中进行创造性建设任务，它采用了双层自主体验验证方法，通过视觉验证和实用验证来提升其性能。通过多维度人类研究和 Elo 评级，我们证明 Luban 代理在我们提出的基准测试中完成了各种创造性建设任务，并在视觉效果和实用性方面优于其他基准（高达 33％至 100％）。而在真实世界中的机械臂演示中，Luban 代理显示了在物理世界中的创造潜力。

May, 2024

设计一种通用 - 具身化代理，通过使用多模态大型语言模型和扩散模型的先进技术，并利用想象链机制，实现低级控制信号生成中的指令跟随能力的增强。MineDreamer 在 Minecraft 模拟器上开发，能够稳定地按照单步和多步指令执行，胜过通用代理基准，并提高了其性能，并通过定性分析显示其对开放世界的泛化和理解能力。

Mar, 2024

本文介绍了一种交互式的 “体现代理” 系统，它具有适应性，能够有效地处理自然语言指令，并提供反馈。同时，还介绍了一种用于收集有关该系统的大量文本指令的众包工具，以及该系统具有学习能力的数据集和基线模型。

May, 2023

通过在虚拟 3D 环境中训练智能代理系统，使其能够在任何 3D 环境中遵循任意语言指令，这是创建通用人工智能的关键挑战。本文介绍了 Scalable, Instructable, Multiworld Agent (SIMA) 项目，该项目通过在不同类型的虚拟 3D 环境中训练代理系统来实现此目标，并在多样化的研究环境和商业视频游戏中取得了有希望的初步结果。

Mar, 2024

采用预训练语言模型生成行动计划是一种很有前途的研究策略，本文提出了一种新的方法，将语言模型与强化学习相结合，用于在类似 Minecraft 的环境中按照自然语言指令构建对象，在 IGLU 2022 竞赛中形成了强化学习基线。

Nov, 2022

计算思维与计算机编程具有学习曲线陡峭的特点。通过对话代理和生成式人工智能（genAI）的应用，可以提供个性化指导、互动学习体验和代码生成来促进学习过程。然而，目前基于 genAI 的聊天机器人主要面向专业开发人员，对教育需求的考虑可能不足够。因此，与教育者合作设计教育工具至关重要，本文通过设计虚构会话中的参与教育者洞察了一种具备指导学生分步练习、调整指导方法并关注教育背景、技能和学习偏好的对话代理，这些发现可为面向教授计算思维和计算机编程的辅导对话代理的未来实施提供指导。

Nov, 2023

创意解决问题的支持，使用生成型 AI 技术的 Supermind Ideator 系统，包括大型语言模型、用户界面等，以帮助用户使用创意解决问题的技术。

Nov, 2023

该论文介绍了一种通过扩展语言模型来实现生成代理的架构，生成的代理在交互中呈现出能够模拟真实人类行为和社交的表现。

Apr, 2023