May, 2024

培育多智能体合作的认知洞察与稳定联盟匹配

PDF
TL;DR我们提出了一种新的匹配联盟机制，利用不同 ToM 水平的智能体的优势，明确考虑信念一致性和专门能力，在形成联盟时寻找最大程度促进合作行为并确保长期可行性的稳定联盟，从而将 ToM 应用于设计多智能体系统，提供更复杂和类似于人类的协调策略，促进合作并提高整体系统性能。
cognitive abilitiestheory of mindcooperationmatching algorithmmulti-agent systems
发现论文，激发创造
  • ToM2C: 以心理意图为导向的多智能体通讯与协作

    本文介绍了一种使用心理意识理论建立社交智能代理以有效沟通与合作完成任务的方法，通过观察、推断和接收信息，这些代理可以推断他人的心理状态和意图并决定何时、与谁分享自己的意图，最终在两个典型目标导向的多代理任务中展示了优异的性能。

    Oct, 2021

  • 利用心理理论提高多智能体协作

    研究使用贝叶斯心理理论，通过比较具有 ToM 代理和非 ToM 代理的合作玩家的表现，证明 ToM 代理的存在可以显著提高所有类型合作伙伴（包括人类玩家）的合作效率，对于设计更好的合作代理有重要的意义。

    Jul, 2020

  • 通过大型语言模型实现多智能体协作的心智理论

    评估了基于大型语言模型的多智能体协作文本游戏中的理论推理任务，并与多智能体强化学习和基于计划的基准进行比较。研究发现基于大型语言模型的智能体表现出紧密合作行为和高级理论推理能力，但也存在在管理长期视野环境和任务状态幻觉方面的规划优化限制。通过利用显式信念状态表示来减轻这些问题，改善了基于大型语言模型的智能体的任务表现和理论推理准确性。

    Oct, 2023

  • 基于心智理论的信任感知机器人策略

    本文研究了多智能体环境中，人类与机器人协作对抗他人时，基于心智化理论的机器人政策对于人机信任的重要性和有效性，并通过采用机器人心智理论模型来缓解机器人采用逆心理策略的问题以保持信任。

    Nov, 2023

  • 通过建模心理理论实现少样本语言协调

    该研究探讨了几颗子任务的语言协调，通过群体与不同的语言能力代理进行快速交流，提出了使用 ToM 建立代理人之间交流的重要性，实验表明使用 ToM 建立指令可以更好地执行交流任务。

    Jul, 2021

  • COKE：用于机器心智理论的认知知识图谱

    本文提出了 COKE，即第一种认知知识图谱，以提高 AI 系统的理论能力并缩小与人类之间的差距，其通过形式化 ToM 并使用预训练语言模型扩展将 ToM 描述为一组 45k+ 人类认知链，并进一步建立了功能强大的认知生成模型 COKE+，自动和人类评估结果表明，COKE+ 具有较高的 ToM 能力和高质量的认知能力。

    May, 2023

  • 硅心智论

    研究了人工智能在多个环境中具备与人类相似的心智推理能力，包括判断他人的意图、偏好等，并揭示了当其与克隆体进行互动时的现象和差异。

    Mar, 2024

  • 具有心智理论的计算语言习得

    本研究为了衡量 Theory of Mind（意念）在语言学习中的影响，在现有 ToM 的版本上，建立了能够融合 ToM 的语言学习代理，并通过实验，证实高度融合 ToM listener 组件的训练，可以在图像指称游戏环境中获得更好的性能，这表明在计算语言习得中进一步结合 ToM 以及儿童语言习得研究的潜在效用。

    Mar, 2023

  • 对话式协作计划获取中的心智理论建模限制

    通过将计划表示为图形并利用任务特定的约束条件，我们表明，在预测自己的缺失知识时，对心智模型的改进并没有显著提高协作计划获取的性能，这一现象甚至在评估现有基准方法时仍然存在。

    May, 2024

  • 通过自我观察学习心智理论的机器人：利用意图 - 信仰的协同作用

    本文介绍了一种学习他人低层次和高层次心智状态的神经网络模型，并表明把高层次认知附加到低层次状态模型中可以使模型更快、更准确地进行意图预测，并提高学习表现。

    Oct, 2022