Jun, 2024

更多胜利，较少合作：评估西塞罗的外交策略

PDF
TL;DR通过将游戏内的交流与抽象意义表达进行注释，以及与人类进行二十四场比赛，总计超过 200 个小时的竞争，本研究旨在了解 Cicero 在交流上的成功程度，结果显示 Cicero 在策略上表现出色，但在隐瞒和说服方面仍存在困难，尚未实现完全的交流合作人工智能的潜力。
发现论文，激发创造
  • 通过平衡搜索实现无新闻发布外交的人类水平表现

    本文讲述了在 Diplomacy 中使用监督学习和一步向前搜索与后悔最小化的策略相结合的方式来构建代理。这个代理胜过以往的 Diplomacy 机器人，性能达到了人类顶尖水平，并且在合作和竞争中都表现出色。

    Oct, 2020

  • 从零开始的非正式外交

    本文介绍了一种在组合动作空间游戏中进行动作探索和平衡逼近的算法，该算法同时执行价值迭代和学习策略建议网络。 我们使用这个算法，训练了一种名为 DORA 的代理，完全从零开始，它在人类玩家之上展现了超人类的表现，这是对 “Diplomacy” 中多个均衡的首个强有力的证据，表明单靠自我对战可能不足以达到超人类水平。

    Oct, 2021

  • 福利外交：语言模型合作的基准

    通过引入一种称为 “福利外交” 的博弈规则，该研究旨在提供评估和加强合作能力的机会，以帮助研究人员发展和评估多智能体 AI 系统，并为全面社会安全做出贡献。

    Oct, 2023

  • 通过人类规范化强化学习和规划掌握非宣传外交游戏

    通过引入规划算法 DiL-piKL，将以人类学习策略为导向的策略规则化，弥补了仅靠自我对弈训练出的强化学习算法在协作游戏中的不足。通过 RL-DiL-piKL，训练出一名名为 Diplodocus 的与人类玩家进行博弈的 AI 代理，其在 62 名人类选手参赛的 200 场比赛中排名第一和第三。

    Oct, 2022

  • 无新闻外交：多代理人游戏建模

    该研究使用专家轨迹训练了一个基于神经网络的无语版外交政策模型，然后使用强化学习代理在自我对弈过程中进行了训练，两种代理表现均超过了基于规则的机器人。

    Sep, 2019

  • 最优策略迭代学习无压力外交

    本文介绍了使用强化学习、策略迭代方法和博弈论等技术，以应对多智能体交互问题，从而在 7 人博弈 Diplomacy 中实现了前所未有的胜率提升，并取得与博弈论理论预测相一致的结果。

    Jun, 2020

  • Cicero：多轮、上下文论证的精确众包

    本文介绍了 Cicero，一个通过在实时同步辩论中让工作者参与多轮、上下文相关的讨论来提高难度任务的众包准确性的新工作流程。相较于现有的讨论系统，我们的工作流程可以显著提高平均个体工作者的准确性，特别是在 Relation Extraction 领域，平均提高了 16.7 个百分点。此外，相较于传统的方法，Cicero 在可能有多个答案的任务中也能良好运作，如在 Codenames 领域中，将准确度从 66.7% 提高到了 98.8%。

    Oct, 2018

  • 成交还是放弃？端到端学习的谈判对话

    本文基于一项采用自然语言对话的多议题协商任务的人际交互数据集，通过对对话状态未标记的文本数据的学习，对话模型能够具备自然语言对话和推理技能，通过模拟对话过程能够取得更好的表现，本文的数据集和代码公开。

    Jun, 2017

  • 通过辩论实现人工智能安全

    通过采用自我对弈的零和辩论游戏的方式来训练智能体，以此作为人类判断的替代，来实现 AI 系统对于复杂任务的精准输出，并讨论了辩论模型的理论和实践方面的问题。

    May, 2018

  • 多智能体游戏中语言的出现：学习使用符号序列进行沟通

    通过玩转指代博弈，研究者们发现使用可微分方式（ST Gumbel-softmax estimator）的强化学习方法能够有效地解决学习沟通的问题，从而使得交互遵循自然语言的组成性和可变性。

    May, 2017