语音代理:多模式多智能体系统下的人际交流模拟
提出了 PerceptiveAgent,一种具有共情能力的多模式对话系统,通过集成语音模态感知来识别言辞背后更深层次或更微妙的意义,实验结果表明,PerceptiveAgent 在情境理解方面表现出色,能够准确辨别发言者的真实意图,即使语言意义与讲话者真实感受相悖产生更细致和富有表达力的口头对话。
Jun, 2024
本文介绍了一种基于大型语言模型和生成式人工智能的会话式健康代理,通过分析多模态线索,它可以解释和回应用户的情绪状态,从而提供具有情境意识和共鸣力的交流回应,从而巩固交互式、富有同情心的数字健康解决方案的前沿地位。
May, 2024
提出和评估一种新颖的方法,在不依赖任何存储数据或预训练的情况下,在 LLM 代理之间进行知识蒸馏,以实时保留人类角色扮演中的独特语境,并评估我们的系统在模拟的真实世界任务中表现更好。
Mar, 2024
本文介绍了一种新颖的多智能体系统框架设计,利用大型语言模型(LLM)自动化数字孪生中的过程模拟参数化。我们提出了一个多智能体框架,包括观测、推理、决策和总结四种类型的智能体。通过启用 LLM 智能体与模拟模型之间的动态交互,该系统可以自动探索模拟的参数化,并使用启发式推理确定一组参数以控制模拟以实现目标。所提出的方法通过将 LLM 的启发式融入模拟模型,增强了模拟模型,并通过协助复杂的决策过程,增加了对用户的友好性并减轻了用户的认知负荷。通过案例研究证明了系统的有效性和功能,并在 GitHub 存储库中提供可视化演示。
May, 2024
通过多代理辩论框架,构建了一个名为 ChatEval 的多代理裁判团队,用于自主讨论和评估不同模型在开放性问题和传统自然语言生成任务中生成响应的质量,分析结果表明 ChatEval 不仅仅提供文本评分,还提供了模拟人类评估过程以进行可靠评估。
Aug, 2023
论文提出了一种新的基于大型语言模型的多智能体合作框架,在多种身体环境中测试并得到了良好的效果,其具备规划、沟通和与其他人类或智能体合作完成长期任务等能力,并且与人类沟通的模型更容易获得信任,这为未来的智能体合作研究奠定了基础。
Jul, 2023
大规模语言模型与基于代理的仿真的整合对于理解复杂社会系统具有变革潜力,本文探讨了系统开发 LLM 增强的社会仿真的架构和方法,并讨论了该领域的潜在研究方向。结论表明,将 LLM 与基于代理的仿真相结合为研究人员和科学家提供了强大的工具集,能够生成更细致、逼真和全面的复杂系统和人类行为模型。
May, 2024
本文探讨了基于多代理系统理论(SMA)与大型语言模型(LLM)的计算实体的动态影响,这些实体的特点是能够模拟复杂的人类互动,作为一种从使用专门的人工代理支持运营业务流程到基于应用知识和人类编排的战略决策的革命可能性。我们展示了利用基于大型语言模型(LLM)的代理开发,通过考虑行为元素并由策略驱动,从而刺激基于使用案例在商业场景中生成知识的能力,利用代理之间的讨论方法(引导式对话),为组织战略提供潜力,基于多代理系统理论(SMA)和创新的大型语言模型(LLM)的应用,为不同的应用、复杂性、领域和 LLM 的能力提供了一种不同和可适应的实验。
Mar, 2024