Mar, 2024

PeerGPT: 基于 LLM 的同伴代理人在儿童协作学习中的团队主持和参与角色探索

PDF
TL;DR通过主题分析，我们发现在儿童合作学习中，同伴对话对提高儿童合作交流的质量具有显著影响。将大型语言模型（LLM）代理引入这一场景，探索其作为同伴的新角色，并评估其作为团队主持人和参与者的影响。我们邀请两组参与者参加合作学习研讨会，在其中讨论并提出了设计问题的概念解决方案。通过对同伴对话的转录进行主题分析，我们发现尽管同伴代理作为团队主持人能够有效管理讨论，但有时他们的指导会被忽视。作为参与者，他们促进了儿童的创造性思维，但未能提供一致及时的反馈。这些发现凸显了同伴代理在两个角色中的潜在设计改进和考虑需要。
collaborative learningpeer conversationslarge language model agentsthematic analysisdesign improvements
发现论文，激发创造
  • 基于协作生成代理的 LLM 任务导向协调中人类行为互动模拟

    应用大型语言模型（LLMs）在各种任务和社会模拟中取得了显著进展，但它们在任务导向的社会背景中的协调能力尚未得到充分探索。为了弥合这一差距，我们引入了协作生成代理，为基于 LLMs 的代理赋予一致的行为模式和解决任务的能力。我们将这些代理置于一个模拟的招聘会环境中进行案例研究，以审查它们的协调能力。我们提出了一个新颖的框架，赋予协作生成代理人类般的推理能力和专业技能。我们的评估结果表明，这些代理显示出有希望的性能。然而，我们也发现了限制，阻碍了它们在更复杂的协调任务中的效果。我们的工作对于 LLMs 在任务导向的社会模拟中的作用和发展提供了有价值的见解。

    Oct, 2023

  • 具身 LLM 代理学会在组织团队中合作

    该论文通过在大型语言模型的代理上引入基于提示的组织结构，以提高团队效率并降低沟通成本。

    Mar, 2024

  • LLM-Deliberation：用互动多智能体协商游戏评估 LLMs

    使用可评分的协商游戏作为新的评估框架，系统化的零样本链式思考提示能够展示大型语言模型在协商中的能力和绩效差距。

    Sep, 2023

  • 多智能体协作：发挥智能 LLM 代理的力量

    本文提出了一种通过多智能体系统来增强大型语言模型（LLMs）能力的新框架，并通过人工智能领域的案例研究展示了这一框架的实用性和多样性。

    Jun, 2023

  • 我们来谈谈：探索竞争 LLM 代理商的自发合作

    最近的研究发现，由大型语言模型（LLMs）驱动的代理人具有模拟人类行为和社会动态的能力。我们通过三个案例研究揭示，即使在竞争环境中，LLM 代理人也能够自发地建立合作关系。这一发现不仅展示了 LLM 代理人模仿人类社会中竞争与合作的能力，而且验证了计算社会科学的一个有前途的愿景。具体来说，它表明 LLM 代理人可以用来模拟人类社会交互，包括自发的合作，从而为社会现象提供洞察力。

    Feb, 2024

  • 专业代理 -- 将大型语言模型演变为具有人类级别能力的自主专家

    大型语言模型的出现催生了自然语言处理的重大进展，通过引入专业代理框架（PAgents）利用 LLM 的能力创建具有可控、专业级、互动型专长的自主代理，我们认为通过持续发展的专业知识，PAgents 可以重塑专业服务。本文旨在激发关于 LLM 的有前景的现实应用的讨论，我们认为 PAgents 的日益复杂和集成可能会导致人工智能系统在复杂领域展示专业掌握能力，服务于重要需求，并潜在地实现人工通用智能。

    Feb, 2024

  • 针对积极对话的大型语言模型的提示和评估：澄清、目标导向和非协作

    本篇论文中，我们提出了一种称之为 Proactive Chain-of-Thought 推导方案，它能够增强 LLMs 的目标规划能力，以解决其在主动对话方面的不足，具体涉及三个方面：澄清、目标引导和非协作对话。我们还探讨了相应的实证结果，以促进未来在基于 LLM 的主动对话系统方面的研究。

    May, 2023

  • 探索 LLM 代理的协作机制：社会心理学视角

    NLP 系统在多智能体社会中能够模拟人类协作智能吗？本文通过实验和理论结合，研究了当代 NLP 系统之间的协作机制，发现使用不同的社交行为，从积极辩论到内省反思，LLM 代理能够高效完成任务，并表现出类似人类的社交行为，这为 LLM 的协作机制提供了进一步的研究启示。

    Oct, 2023

  • 与 LLMS 的谈判：迅速入门、技能差距与推理缺陷

    通过观察人类与大型语言模型（LLMs）的对话，本研究基于数据驱动的方法，对 LLMs 的治理和调节进行了归纳性分析，并探讨了非合作性、竞争性情境下的人机交互对人类可能构成的严重威胁以及利用 LLMs 的推理能力存在的不足和可操纵性。此外，研究还揭示了人类在与 LLMs 进行价格谈判时所达成的价格涵盖了广泛范围，指出了人类在有效与 LLMs 互动方面存在的文盲问题。

    Nov, 2023

  • 使用 ChatGPT 的角色扮演模拟游戏

    在本文中，我们展示了如何利用 ChatGPT 在角色扮演的模拟游戏场景中，通过使用大型语言模型（LLMs）来提高教学质量，从而促进学生的积极学习。此外，我们讨论了 LLMs 如何通过允许学生使用 ChatGPT 来练习真实生活场景，从而提高学生的学习兴趣。

    Feb, 2024