详细内容或原文请订阅后点击阅览
介绍我们在通用 LLM 代理方面的工作
在 GoodAI，我们致力于突破人工智能的界限。我们目前的重点是开发基于大型语言模型 (LLM) 的代理，这些代理的个性超越了简单的对话，而是表现出 LLM 驱动的行为，与人类和其他代理以及他们的虚拟环境进行交互。我们的代理从反馈中学习，存储长期记忆并表达以目标为导向的行为。我们正在 LLM 之上构建一个认知架构，用作推理引擎，并添加长期记忆，这是持续学习的基础。释放大型语言模型代理的潜力自 2021 年以来，我们一直将我们的研究应用于 AI People 的开发，这是我们的内部视频游戏，LLM 代理在其中栩栩如生。在这个开放式沙盒模拟中，代理彼此之间以及与环境之间进行交互，建立关系并表现出情绪。工作原理我们的 LLM 代理是具有目标和记忆的模拟个性。作为设计师，我们用纯文本描述他们的个性，这是他们行为的蓝图。我们将代理的观察结果和近期事件输入 LLM，并生成能够反映代理在特定情况下会做什么的响应。然后，这些响应被转化为可能的游戏动作，为我们的代理提供自主性和适应性，以驾驭周围环境。需要注意的是，我们的代理的行为不是脚本化的；它们是动态的
来源:Marek Rosa - Goodai博客在 GoodAI，我们致力于突破人工智能的界限。我们目前的重点是开发基于大型语言模型 (LLM) 的代理，这些代理的个性超越了简单的对话，而是表现出 LLM 驱动的行为，与人类和其他代理以及他们的虚拟环境进行交互。我们的代理从反馈中学习，存储长期记忆并表达以目标为导向的行为。我们正在 LLM 之上构建一个认知架构，用作推理引擎，并添加长期记忆，这是持续学习的基础。
释放大型语言模型代理的潜力
释放大型语言模型代理的潜力
释放大型语言模型代理的潜力自 2021 年以来，我们一直将我们的研究应用于 AI People 的开发，这是我们的内部视频游戏，LLM 代理在其中栩栩如生。在这个开放式沙盒模拟中，代理彼此之间以及与周围环境之间进行交互，形成关系并表现出情绪。
视频
工作原理
工作原理我们的 LLM 代理是具有目标和记忆的模拟人物。作为设计师，我们用纯文本描述他们的个性，作为他们行为的蓝图。我们将代理的观察结果和近期事件输入 LLM，并生成反映代理在特定情况下会做什么的响应。
然后将这些响应转化为可能的游戏动作，为我们的代理提供自主性和适应性，以驾驭周围环境。值得注意的是，我们的代理的行为不是脚本化的；它们是由 LLM 动态生成的，从而带来不可预测、逼真且有趣的体验。