Feb, 2024

基于验证辅助的迭代情境学习的面向解决方案的代理模型生成

PDF
TL;DRSAGE 是一个用于自动建模和针对性问题生成解决方案的通用的面向问题的 Agent-based models 生成框架，它利用大型语言模型的跨领域知识进行在上下文学习过程中辅助验证，通过引导 LLMs 建模场景和提出假设性解决方案的目标表示，确保模型可执行性和解决方案的可行性。
agent-based modelslarge language modelssagein-context learningabm generation framework
发现论文，激发创造
  • 智能基于代理的建模：关于在计算机模拟中使用大型语言模型

    通过将大型语言模型（LLMs）如 GPT 集成到智能智能体建模（SABM）中，我们在这篇综述性研究中阐明了 ABM 的现状，介绍了 SABM 的潜力和方法，并提出了三个案例研究，验证了其在模拟现实系统中的有效性，同时展望了 SABM 未来应用的广阔前景，旨在重新定义计算机仿真的边界，实现对复杂系统的更深入理解。

    Nov, 2023

  • SAGE: 在语言指令下桥接语义和可行动部分实现可推广的关节对象操作

    基于语言指令，我们提出了 SAGE 框架，它能够通过语义解释和实际操作的部分之间的联系实现通用的关节物体操作，通过语言指令、视觉输入和互动反馈实现对关节物体的多样化操作。

    Dec, 2023

  • 使用 RL 行为模型的面向政策的基于代理的建模

    本文研究了在决策制定环境下，基于强化学习的智能体决策行为的刻画与建模。实验结果表明，相比于传统的规则制定和数据回归方式，基于强化学习的智能体决策行为模型具有更高的适应性和更好的表现，可以更好地支持 Agent-based Models 在政策分析等领域的应用。

    Jun, 2020

  • 将竞争转变为合作：多智能体系统与语言模型在现代组织中的革命性作用

    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

  • 运用大型语言模型增强的代理程序模拟宏观经济活动

    在宏观经济仿真中，利用大型语言模型（LLMs）的人类化特性可以克服传统限制，能够设计出表现出人类决策和适应能力的 LLM 代理，进行模拟实验以展示其逼真的工作和消费决策能力，并产生比现有规则化或人工智能代理更合理的宏观经济现象。

    Oct, 2023

  • 利用机器学习代理进行代理模型校准

    本文提出了一种新的方法，将监督机器学习和智能抽样结合起来，构建一个代理元模型来探索代理模型中的参数空间和校准。这种方法提供了一种快速而准确的模型行为近似方法，大大降低了计算时间，并有助于获取有关代理模型复杂运作的洞见。

    Mar, 2017

  • 可微分基于代理的模型校准面临的挑战

    本文讨论了代理模型（ABMs）的不同陷阱以及对应的解决方案，旨在解决该方法在实践中的困难。

    Jul, 2023

  • LLM 辅助的基于 Agent 的社会模拟建模：挑战与机遇

    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

  • 大型语言模型如何解释业务流程？

    通过 LLMs，结合 SAX4BPM 框架，我们提供了在 AI 增强的业务流程管理系统中生成具有更高可信度的基于过程上下文的人类可解释因果关系解释的方法。

    Jan, 2024

  • SAGE: 深度强化学习中为近视模型生成符号化目标

    本文提出新的算法 SAGE，结合符号性规划与神经网络学习等方法，以克服传统模型的局限，更高效地解决基于模型的强化学习在处理部分了解环境时遇到的问题。该算法在出租车环境和 Minecraft 等变化场景中的表现优于其他方法。

    Mar, 2022