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

本文提出了使用深度强化学习进行训练的带有通信能力的智能体在同时进行一系列指称游戏的计算框架，证明了框架反映了自然语言中观察到的语言现象，即语言演化的复杂属性可以不依赖于复杂的语言能力而是可以从视觉感知智能体之间的简单社交交流中产生。

Jan, 2019

这项研究探讨了多聊天机器人通信对于在特定说服场景中促进慈善捐赠的影响，分析了质性和数量性反馈，并讨论了该研究的局限性。

Jun, 2024

提出了一种基于多模态 LLM 的多智能体系统 SpeechAgents，用于模拟人类交流，并通过多智能体调优增强了 LLM 的多智能体能力，实验结果表明 SpeechAgents 可以具有一致的内容、真实的节奏和丰富的情感，同时在高达 25 个代理人的情况下表现出优秀的可扩展性。

Jan, 2024

基于大型语言模型的自主代理人在任务的广泛范围内实现了显著的改进。为了提高任务完成的效率和效果，我们提出了一个多代理人框架，并通过实验证明该框架能够有效地部署优于单个代理人的多代理人群体。在协同任务完成过程中，我们深入研究了群体中个体代理人之间社交行为的出现。基于这些行为，我们讨论了一些利用积极行为和缓解消极行为以提高多代理人群体的协作潜力的可能策略。

Aug, 2023

通过通过先进的提示工程技术和遵循工程 ABSS 框架，本文构建了一种综合的提示脚本，使得能够通过或与 CAIS 设计 ABSS 模型，并通过关于在博物馆中使用自适应架构的案例研究证明了该脚本的有效性，尽管在对话中偶尔出现不准确和分歧，但 CAIS 在 ABSS 模型设计中证明是一位有价值的伴侣。

May, 2024

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

通过将 OpenAI 的 ChatGPT 与具身智能系统相结合，本研究评估了它对交互式决策基准的影响。我们引入了 InterAct 的概念，将 ChatGPT 赋予多个角色，如检查员和分类员，并与原始语言模型进行整合。我们的研究在 AlfWorld 中展示了惊人的 98% 成功率，该环境模拟了一个家庭环境中的 6 个不同任务，强调了有效的提示工程的重要性。结果突显了 ChatGPT 在理解和高效完成复杂任务方面的能力，为任务规划的进一步发展铺平了道路。

Aug, 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

本研究通过构建基于角色扮演的环境和收集对话数据集，评估了语言模型在多方对话场景下的表现，发现新的数据集 MultiLIGHT 可以在多人场景下显著提高分析表现。

Apr, 2023