Jan, 2024

社会问题的常规自动解决方案生成

PDF
TL;DR研究报告通过构建基于代理模型的自动社会操作系统（ASOS）的方法，采用超图和符号混合框架来综合和结构化地表示社会动态，以解决当前社会问题生成解决方案的相关挑战，并在国际油期货市场中成功应用 ASOS 来识别潜在市场条件并进行干预，从而提出了一种有效且系统的解决方案生成方法。
automatic social operating systemagent-based modelshypergraphsocial dynamicsinternational oil futures markets
发现论文，激发创造
  • OASYS：基于领域无关的自动化系统，从非结构化文本中构建知识库

    该论文提出了一种名为 OASYS 的自动知识库构建系统，可以从文档中挖掘数据，生成域不可知的训练数据。该系统在韩语使用中表现良好，并构建了一组新的韩文维基百科语料库，用于辅助系统评估。

    Jun, 2022

  • 规范多智能体系统：动态泛化

    本研究提出了一种动态规范系统，用于解决静态规范系统无法处理的不同情况下规范变化的推理问题，并研究了与整个系统和智能体的自主性相关的两个重要问题（规范合成和规范识别）并描述了解决这些问题的计算复杂度。

    Apr, 2016

  • 社交人工智能及人工智能生态系统挑战

    本研究论文旨在借助复杂系统、网络科学和人工智能的交叉领域构建社交人工智能的基础，并探讨了社交人工智能领域中的主要问题、可能出现的技术和科学挑战，以及未来的研究方向。

    Jun, 2023

  • OASim：基于神经渲染的开放自适应驾驶模拟器

    通过隐式渲染技术和生成模型对数据进行生成，我们提出了 OASim，一种自适应的开放式模拟器和自动驾驶数据生成器，具有高质量的场景重建、轨迹编辑、车辆模型库、传感器模型库和可定制的数据生成系统等特点。

    Feb, 2024

  • 生成代理基于建模：通过将机械模型与生成人工智能相结合揭示社会系统动力学

    利用生成式人工智能建立反馈丰富的社会系统计算模型，通过生成代理基于模型（GABMs），将人类决策过程在社会环境中进行模拟，并探讨了社会规范扩散的一种简单 GABM 模型，以及该模型在不同情境下的敏感性和重要性。

    Sep, 2023

  • DOSA: 来自印度不同地理子文化的社会制品数据集

    使用参与式研究方法引入 DOSA，这是一种由 260 名参与者从 19 个不同印度地理亚文化中收集的共同感知的社会艺术品名称和描述的数据集，用于评估 LLMs 在区域亚文化中推断艺术品的能力。

    Feb, 2024

  • ASP：学习通用神经求解器！

    该研究提出了一种名为 ASP 的新方法，利用分布探索和持久缩放调节两个组件，提高神经求解器的处理未知分布和多尺度性并实现普适性；结果表明，相比于标准训练流程，该方法在各类 COP 测试中均取得优异表现。

    Mar, 2023

  • AesopAgent: 故事到视频制作的代理驱动演化系统

    AesopAgent 是一个代理驱动的进化系统，用于多模态内容生成，在视觉叙事方面取得了最先进的性能。

    Mar, 2024

  • 半自动驾驶车辆中评估驾驶员情境感知能力：基于 ASP 的驾驶动力学特征建模场景解释与预测

    软件和硬件框架评估驾驶员对交通状况的感知能力，并提供人机界面辅助以增强感知能力，重点介绍基于答案集规划的驾驶员场景解释和预测方法。

    Aug, 2023

  • 自组织代理：面向超大规模代码生成和优化的 LLM 多代理框架

    最近大型语言模型 (LLM) 代理实现的自动代码生成取得了重要进展，但现有的单代理方法面对生成和改进大规模复杂代码库的限制，该论文提出了自组织多代理框架 (SoA)，这是一种新的多代理框架，能够实现大规模代码的可扩展和高效生成优化。在 SoA 中，自组织代理独立操作以生成和修改代码组件，并无缝协作构建整体代码库，其关键特点是根据问题复杂度自动增加代理数量，从而实现动态可扩展性，使得代码量可以无限增加，而每个代理管理的代码量保持恒定。该论文在 HumanEval 基准上评估了 SoA，并证明与单一代理系统相比，SoA 中的每个代理处理的代码显著减少，但生成的整体代码量大幅增加。此外，SoA 在 Pass@1 准确率方面超过了强大的单代理基准 5%。

    Apr, 2024