Apr, 2024

战斗模拟：多模态动态仿真用于补充历史分析

PDF
TL;DRBattleAgent 是一种结合了大型视觉语言模型和多智能体系统的仿真系统，旨在模拟多个智能体之间以及智能体与环境之间的复杂动态交互，以及领导者的决策过程与普通参与者（如士兵）的观点。该系统通过细粒度的多模态智能体与景观交互展示智能体的当前能力，并提供了可定制的智能体结构以满足特定的情景需求，例如侦察和挖掘战壕等与战争相关的活动。BattleAgent 的技术基础为历史战役建立了详细和沉浸式的环境，使单个智能体能够参与、观察和动态应对战斗场景的演化。这种方法有潜力深化我们对历史事件的理解，特别是通过个体的描述。此类举措还可以帮助历史研究，因为传统的历史叙述经常缺乏文献记载并优先考虑决策者的视角，从而忽视了普通人的经历。BattleAgent 展示了人工智能在重要社会事件中振兴人类因素的潜力，从而促进了更加细致入微的集体理解，并推动了人类社会的进步发展。
battleagentemulation systemmulti-agent systemhistorical eventshuman society
发现论文，激发创造
  • 战争与和平（战争代理）：基于大语言模型的世界大战多智能体模拟

    通过使用人工智能和大型语言模型，在历史的国际冲突中，包括第一次世界大战（WWI）、第二次世界大战（WWII）和中国的战国时期（WSP），我们提出了一种名为 WarAgent 的多智能体人工智能系统，模拟参与国家、它们的决策以及结果。通过评估模拟的效果，我们研究了先进人工智能系统在研究复杂的集体人类行为（如国际冲突）方面的进展和限制。我们的研究结果提供了以数据驱动和人工智能增强的洞察力，重新定义我们解决冲突和维持和平策略的方法。这些发现的意义超出了历史分析，为使用人工智能理解人类历史并可能预防未来的国际冲突提供了蓝图。

    Nov, 2023

  • 大型语言模型赋能基于代理的建模与模拟：调查与展望

    综述了利用大型语言模型进行基于代理的建模和仿真的现状、挑战和未来发展方向，并提供了大型语言模型 - 基于代理的建模和仿真在实际环境和虚拟环境中的最新研究成果。

    Dec, 2023

  • Agent AI：多模态交互视野调查

    多模态人工智能系统中，基于 Agent 的多模态智能研究，通过在真实和虚拟环境中嵌入具有感知能力的智能体，能够处理和解释视觉和语境数据，以提高智能系统的上下文感知和交互能力。

    Jan, 2024

  • 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

  • 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

  • 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

  • VideoAgent：一个增强记忆的多模态视频理解代理

    利用多模态代理、统一记忆机制和零样本工具使用能力来解决视频理解中的长期时间关系问题，在多个长期视觉理解基准测试中表现出色，相比基准模型，NExT-QA 平均提升 6.6%，EgoSchema 平均提升 26.0%，缩小了开源模型与私有对应模型之间的差距。

    Mar, 2024

  • 语音代理：多模式多智能体系统下的人际交流模拟

    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

  • 咖啡厅场景的多模态体验互动代理

    通过多模态环境记忆模块，我们提出了多模态交互式智能体（MEIA），能够将自然语言表达的高级任务转化为可执行动作序列，从而实现了大型模型与具有体现性控制的集成，实验结果展示了 MEIA 在各种交互任务中的良好表现。

    Feb, 2024

  • 自生成战争游戏 AI: 基于大型语言模型的双层代理任务规划

    这篇论文将较大的语言模型应用于智能决策领域，构建了一个以大语言模型为核心的代理体系结构，并通过自然语言的交互发布和执行决策命令，进一步进行仿真验证。通过游戏对抗模拟实验，发现大语言模型的智能决策能力明显优于常用的强化学习人工智能和规则人工智能，并且智能、可理解性和泛化性都更好。通过实验还发现，大语言模型的智能与提示密切相关。这项工作将大语言模型从人机交互扩展到智能决策领域，对智能决策的发展具有重要的参考价值和意义。

    Dec, 2023