构建社交智能 AI 代理（Social-AI）是一个跨学科、多模态的研究目标，涉及创建能够感知、理解、推理、学习并回应其他代理（人类或人工）的情感、行为和认知的代理。过去十年，在自然语言处理、机器学习、机器人技术、人机交互、计算机视觉和语音等几个计算社区中，社交智能 AI 取得了进展。这篇立场论文中，我们确定了一组潜在的技术挑战和开放性问题，以促进社交智能 AI 的研究，并结合社交智能概念和以往的研究进展进行讨论。

Apr, 2024

该研究提出了一个用于评估社交智能的基准，引入了逆向推理和逆向规划这两个评估任务，通过基于递归贝叶斯推理的计算模型对人类行为模式进行解释，实验证明了人类在整体表现、零样本学习、一次推广和多模态适应性方面超越了最新的 GPT 模型，并显示出 LLMs 倾向于依赖模式识别来进行快速计算，对其是否拥有真正的人类级社交智能产生了质疑。

May, 2024

通过证据的汇集，展示了自然智能是通过不同尺度的互动网络中的智能集体、社会关系和主要进化转变而产生的，这些过程通过种群压力、军备竞赛、马基雅维利选择、社会学习和积累文化等机制促进了新数据的产生，将这些机制整合到智能代理的视角中，表明通过持续的新数据生成实现类人复合创新的可能路径。

May, 2024

自从采用 Transformer 架构以来，自然语言处理（NLP）已经显著发展。Transformers 催生了预训练大型语言模型（PLMs）。在多个任务中，NLP 系统的性能有了巨大提升，有些情况下甚至超过了人类。然而，事实仍然是，在预训练时，更好质量的数据集能够让 PLMs 在各个任务中取得更好的性能。为了满足特定需求，NLP 研究者继续创建新的数据集，而本研究旨在揭示这些数据集中所挖掘的趋势和见解，并向未来有意策划数据集的研究者提供有价值的建议。

Mar, 2024

该研究综述了深度学习方法和模型在自然语言处理方面的应用和进展，分析和比较了不同方法和先进模型对语义分析和 NLP 任务领域的促进作用。

Mar, 2020

最近的人工智能领域取得的进展，特别是随着大型语言模型（LLMs）的出现，引发了对人工通用智能可能性的重新思考。人工智能越来越接近人类能力，也引起了社会科学研究的关注，导致各种探索将这两个领域相结合。本文通过对先前在人工智能和社会科学结合方面的系统分类，将其分为两个方向，虽然共享相同的技术方法，但在研究目标上有所不同。第一个方向侧重于社会科学用于人工智能，其中人工智能被用作加强社会科学研究各个阶段的强大工具。而第二个方向是关于人工智能的社会科学，它将人工智能代理作为具有类似人类认知和语言能力的社会实体进行研究。通过全面回顾，特别是近期大型语言模型取得的实质性进展，本文引入了一个新的视角来重新评估人工智能和社会科学之间的关系，并提供了一个有序的框架，使研究人员能够理解社会科学用于人工智能和人工智能的社会科学之间的区别和联系，同时总结了促进这两个方向研究的最新实验模拟平台。我们相信随着人工智能技术的不断发展和智能代理在我们日常生活中的日益应用，人工智能和社会科学的结合的重要性将变得更加突出。

Jan, 2024

语言技术在大语言模型的引入下取得了巨大进展，但在社交环境感知方面仍存在挑战，需要将社交意识融入自然语言处理模型以增强应用的自然性和安全性。

May, 2024

本文是对近年来有关自然语言推理数据集的研究及其相关算法模型的综述，对模型和数据集中存在的问题进行分类整理，并提出一些可能的研究方向，为未来的研究提供指导建议。

May, 2020

研究自然语言处理的 NLP 和人工智能领域对实体理解的影响，提出了基于实体概念的方法，并介绍了如何在实体链接任务中使用这种方法。通过核指代文簇难题进行了实验研究，分析了知识库实体集成到文本中的方法并从时间视角分析了实体的演变。

Apr, 2023

本篇论文总结了近年来自然语言处理 (NLP) 的抗干扰性研究，并就技术、度量标准、嵌入、基准等维度深入探讨了该领域中存在的问题和待解决的方向。

Jan, 2022