- 您的同事很重要:评估语言模型在 Blocks World 中的协作能力
通过设计一个块世界环境,在这个环境中,两个拥有独特目标和技能的语言代理需要通过行动和自然语言交流合作来建立一个目标结构,并采用中间推理步骤来模拟合作者的状态并识别和纠正执行错误,最终的实验结果表明语言代理具有很强的基础能力,并且我们的方法显 - 在面向患者的风险预测模型中进行语言沟通不确定性
关于在医疗领域中应用人工智能模型时存在的不确定性量化问题以及与之相关的沟通和评估挑战,本文提出了一种针对风险预测的自然语言交流模型设计方案。
- 探索大型语言模型用于实现人机协作的可变自主性
该论文探讨了将大型语言模型(如生成式预训练变换器 GPT)整合到人机合作环境中,通过口头人机交流手段促进可变自主性的快速发展的数字景观中,介绍了一种基于 Unity 虚拟现实(VR)环境的 GPT 驱动多机器人测试平台的创新框架。用户研究表 - 探索大型语言模型用于沟通游戏:狼人杀的实证研究
我们提出了一个无需调整参数的框架,利用过去的沟通和经验改进大型语言模型在沟通游戏中的表现,通过在狼人游戏中的实证研究,证明该框架可以有效地进行游戏,而且在实验中产生了策略性行为,显示出在沟通游戏和相关领域中让大型语言模型参与的前景。
- 用于软件开发的交互代理
本文提出一种利用大型语言模型 (LLMs) 改变软件开发过程的创新性范例,能够通过自然语言沟通来简化和统一关键流程,进而在不需要在每个阶段进行专门软件领域模型开发的情况下,实现整个软件过程的快速生成。
- 自然语言交流中的概念、动机和情感过程的知识表示
UGALRS 框架结合 CD + 表示方案支持以深度和广义的方式处理概念,动机和情感过程,为智能系统提供自然语言沟通的通用知识表示和处理框架。
- 人类辅助的协作问题解决:一种基于自然语言的框架
本文介绍了一个人机协同问题解决框架,其中包含自然语言引擎、概念学习器和 HTN 规划器等三个组件,通过在基于 Minecraft 的积木世界中进行合作构建任务来演示该框架解决协同问题解决的关键挑战。
- ACL嗨,AI,你能通过与代理人对话解决复杂任务吗?
为了解决模型训练的数据和资源浪费问题,本文提出了一项新的挑战 —— 通过自然语言与现有智能体通信以完成复杂任务。通过设计一个综合性的基准测试 ——CommaQA,该基准测试包括三项复杂的推理任务,旨在通过与现有的 QA 智能体进行沟通来解决 - EMNLP通过分层强化学习在基于文本的游戏中实现泛化
本文介绍了一种基于知识图谱的 RL 代理的层次化框架,通过在高层次执行元策略将整个游戏分解为一组由文本目标指定的子任务,并通过知识图谱选择其中一个,然后在低层次执行子策略进行目标条件强化学习,实验结果表明,所提出的方法具有较好的泛化性能。
- AAAI具备自然语言目标的逆强化学习
本文提出了一种新颖的对抗式逆强化学习算法,使用条件化语言政策和奖励函数,以及使用变分目标生成器提高学习策略和奖励函数的泛化性,从而使自然语言变得可用于指导智能体任务的目标, 获得了非常好的性能表现。
- ACL人机交互中自主在线自然语言实体绑定
本文提出了一种基于交叉情景学习的符号接地框架,用于自然语言沟通机器人与人类交互,并在机器人与人类之间的交互实验中表现优异。
- NIPS自我对话交互式强化学习的物体定位
本文介绍了一个交互式培训方法,以改进自然语言对话系统的视觉基础任务。培训过程中,共同的奖励函数引导着两个代理逐渐适应并合作完成任务,同时,该参数化奖励函数更新自身使训练效果得到了明显提高。虽然我们在训练过程中观察到了语言漂移问题,但我们提出