XiaoMi-AI文件搜索系统
World File Search System代理的
混合动力团队Tetris：混合多代理的新平台，...
摘要。Metcalfe等人（1）认为，人类伙伴关系的最大潜力在于它们在高度复杂的问题空间中的应用。在此，我们讨论了三种不同形式的混合团队智能，并认为在所有三种形式中，在正确的条件下，人类和机器智能的杂交可以有效。我们预见到有效的混合智能创造的两个重要的研发（R＆D）挑战。首先，随着时间的推移，机器智能和/或人类行为或能力的基本变化的快速进步可以超过研发。第二，混合智能在未来的条件是未知的，但不太可能与当今的条件相同。克服这两个挑战都需要对多个以人为中心和机器为中心的学科有深入的了解，这为进入该领域带来了巨大的障碍。在此，我们概述了一个开放的，可共享的研究平台，该平台创建了一种混合团队智能形式，该智能在代表性的未来条件下起作用。该平台的目的是促进新形式的混合情报研究，允许以人为中心或以机器为中心的个人快速进入该领域并启动研究。我们的希望是，通过在平台上进行开放的社区研究，可以在目前不同的研发社区中迅速传达人类和机器智能的最先进进步，并允许混合团队情报研究保持科学进步的最前沿。
从行动和说明中推断出代理的目标
当人类合作时，他们经常通过言语交流和非语言诉讼来协调自己的活动，并使用此信息推断共同的目标和计划。我们如何建模这种推论能力？在本文中，我们介绍了一个合作团队的模型，其中一个代理人（校长）可以将有关其共同计划的自然语言指示传达给另一个代理人，助手，使用GPT-3作为指导说法的可能性功能。然后，我们展示了第三人称观察者如何通过采取行动和指令的多模式贝叶斯逆计划来推断团队的目标，从而在代理人将采取行动并合理地实现目标的情况下计算后验分布对目标的后验分配。我们通过将这种方法与多代理网格世界中的人类目标推断进行比较来评估这种方法，发现我们的模型的推论与人类的判断非常紧密相关（r =0。96）。与仅采取行动的推论相比，我们发现指示会导致更快，不确定的目标推断，从而强调了言语交流对合作社的重要性。引言为了度过合作生活，像我们本身这样的社会代理人必须将口头和非语言信息同时整合到他人思想的连贯理论中，从而推断出有关共享或个人目标和计划的推论，这些目标和计划可以用作合作行动的指导。是什么解释了人类的这种推论能力，如何才能告知合作AI系统的表现？2017）。我们通过基于认知能力的悠久传统来迈出答案的步骤，即人类语言和行动将其视为贝叶斯解释的过程：一方面，贝叶斯理论理论（BTOM）认为，人类通过推断出这些行动来推断这些行动，这些行动将这些行动推断为这些行动，这些行动将这些行动解释为理性（Baker，saxe，saxe and saxe and and and and and and and and and and and and and and and and and and and and and and and and and and and and and and and and and 2009;另一方面，比率语音法案（RSA）理论表明，人类不仅在裸语义上，而且是他们所暗示的务实意图（Goodman andStuhlmüller2013; Goodman and Frank 2016）。由于这些框架中的每个框架都是根据贝叶斯的范围而在精神状态上提出的，这些状态可能会解释观察到的
一项基于大语言模型的自主代理的调查
摘要自主代理人长期以来一直是学术和行业社会的研究重点。以前的研究通常集中于孤立的环境中知识有限的培训代理，这与人类的学习过程有很大不同，并使特工难以实现类似人类的决策。最近，通过获取大量的Web知识，大型语言模型（LLMS）在人类水平的智能中表现出了潜在的，从而导致对基于LLM的自主代理的研究激增。在本文中，我们对这些研究进行了全面的调查，从整体观点进行了对基于LLM的自主剂的系统综述。我们首先讨论基于LLM的自主代理的构建，提出了一个统一的框架，该框架涵盖了以前的许多工作。然后，我们概述了基于LLM的自主代理在社会科学，自然科学和工程中的应用。最后，我们深入研究了通常用于
人工智能代理的层级：从规则到大型语言模型
黄宇 Roboraction.AI 摘要：人工智能代理被定义为能够感知环境、做出决策并采取行动的人工实体。受到美国汽车工程师学会 (SAE) 自动驾驶 6 个级别的启发，人工智能代理也基于实用性和强度进行分类，分为以下几个级别： L0 —无人工智能，使用工具（具有感知）加动作； L1 —使用基于规则的人工智能； L2 —用基于 IL/RL 的人工智能取代基于规则的人工智能，增加推理和决策能力； L3 —应用基于 LLM 的人工智能代替基于 IL/RL 的人工智能，另外设置记忆和反思； L4 —基于 L3，促进自主学习和泛化； L5 —基于 L4，附加个性（情感+性格）和协作行为（多智能体）。 1 引言 任何能够感知环境并执行动作的实体都可以看作是代理。代理可分为五种类型：简单反射代理、基于模型的反射代理、基于目标的代理、基于效用的代理和学习代理 [1]。随着人工智能的发展，“代理”一词被用来描述表现出智能行为并拥有自主性、反应性、主动性和社交互动等能力的实体。20 世纪 50 年代，阿兰·图灵提出了著名的图灵测试 [2]。它是人工智能的基石，旨在探索机器是否能表现出与人类相当的智能行为。这些人工智能实体通常被称为“代理”，是人工智能系统的基本构建块。基础模型 [3] 在自然语言处理中最为常见。从技术层面上讲，基础模型是由迁移学习和扩展实现的。迁移学习的理念是将从一个任务中学到的“知识”应用到另一个任务中。基础模型通常遵循这样的范式：模型在替代任务上进行预训练，然后通过微调适应感兴趣的下游任务。近期出现的大多数大规模语言模型 (LLM) [ 4 ] 都属于基础模型或基于基础模型。由于近期表现出的卓越能力，LLM 被视为人工智能 (AGI) 的潜在渗透，为构建通用人工智能代理带来了希望。人工智能代理主要是指能够使用传感器感知周围环境、做出决策并使用执行器采取行动的人工实体 [ 5 ]。根据世界范围 (WS) [ 6 ] 的概念，该概念涵盖了从 NLP 到通用人工智能的五个层次（即语料库、互联网、感知、体现和社交），纯粹基于 LLM 的代理仅建立在书面互联网世界的第二层。除此之外，LLM 在知识捕获、指令解释、泛化、规划和推理方面表现出色，同时展示了与人类的自然语言交互。从这个状态来看，有了 LLM 辅助的智能体，感知空间和行动空间都得到了拓展，有望达到世界范围的第三层和第四层，即感知人工智能和具身人工智能。此外，这些基于 LLM 的智能体还能通过协作或游戏等方式处理更困难的任务，并发现社会现象，实现世界范围的第五层，即社交世界。
基于代理的材料数据集从科学文献中学习
过去十年在利用机器学习的化学发现中取得的非凡成就突出了可访问知识和结构化数据的力量。1 - 3但是，化学知识的一部分，尤其是实验知识的一部分，以非结构化的形式散布在整个科学文学中。4研究人员在有效地利用现有知识来设计实验方面面临着挑战，以及在ELD中理解以前的整个研究。因此，开发从文献中提取信息并将其转换为结构化数据的方法论将在推进分子和材料的机器学习方面起着基本作用。自然语言处理（NLP）是从科学文学中提取信息的强大工具。召开NLP方法已用于材料和化学
阿贡的全球关键材料基于代理的模型 (GCMat)
美国能源部科学技术信息办公室 PO Box 62 Oak Ridge, TN 37831-0062 www.osti.gov 电话：(865) 576-8401 传真：(865) 576-5728 电子邮件：reports@osti.gov 免责声明 本报告由美国政府机构资助工作编制。美国政府及其任何机构、芝加哥大学阿贡分校有限责任公司及其任何员工或官员均不对所披露的信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，或承担任何法律责任或义务，或保证其使用不会侵犯私人权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或其任何机构对其的认可、推荐或支持。本文表达的文档作者的观点和意见不一定代表或反映美国政府或其任何机构、阿贡国家实验室或芝加哥大学阿贡有限责任公司的观点和意见。
使用LLM代理的自动威胁检测和响应
在第一次访问时，患者进行了第一阶段的治疗，即缩放和根计划以及夹板加固的综合。完成第一阶段后，使用再生牙周手术继续进行第二阶段治疗。患者在开始牙齿手术手术之前签署了知情同意书46。开始使用Povidone碘10％开始使用口腔和内部地录。使用rasparatorium使用粘膜叶状膜上的牙齿45介质到牙齿47的牙齿45到牙齿47的远端进行一个全厚度瓣切口，然后使用Rasparatorium进行粘膜叶状瓣反射，以便在牙齿的根表面上出现颗粒状薄纸。牙齿46的根表面的根平面和牙齿46颊毛部纤维组织的刮凝结物，以便在牙齿46周围出现缺陷（图2）。
高级，协作任务计划语法和异质代理的执行
代理人共同实现共同目标的代理人具有多种应用，例如仓库自动化或灾难响应。多代理任务在计划文献中以不同的方式定义。例如，在多代理任务分配[8，9，12]和联盟形成[14，22]中，每个任务都是具有相关实用程序的一个目标。单个代理或代理团队然后根据某些优化度量自动将自己分配给任务。群方法[18，21]将代理集体的紧急行为视为任务，例如聚合或形状形成。最近，已使用正式方法，例如任务规划的时间逻辑和正确的构造综合，已用于求解不同类型的多机构计划任务[2，17，20]。用时间逻辑编写的任务，例如线性时间逻辑（LTL），允许用户捕获具有时间约束的复杂任务。现有工作扩展了LTL [15，16]和信号时间逻辑[13]，以编码需要多个代理的任务。在本文中，我们考虑任务是，需要一组异质代理人来协作满足。例如，考虑
HPVSIM：基于代理的HPV传播和宫颈疾病模型
在2020年，WHO制定了首个加速宫颈癌的全球战略，概述了未来十年实现的一套雄心勃勃的目标。同时，新的工具，技术和策略正在管道中，可以改善筛查性能，扩大预防性疫苗的覆盖范围，并防止对致癌HPV的获取，持久性和进展。详细的机理建模可以帮助确定与宫颈癌作斗争的当前和未来策略的组合。需要开源建模工具来转移此类评估的能力。在这里，我们介绍了人类乳头瘤病毒模拟器（HPVSIM），这是一种新的，灵活的基于弹性的模型，可以通过国家特定的重要动态，结构化的性网络，共同传播HPV基因型，B-和T细胞介导的免疫力以及高分辨率疾病自然历史来参数。HPVSIM设计采用用户优先镜头设计：它是在Python中实现的，具有用于模拟常用干预措施的内置工具，包括一组全面的测试和文档，并在笔记本电脑上快速运行（秒至分钟）。没有牺牲有用的复杂性：该平台是灵活的，可以定制场景建模。
合作游戏环境中人工智能代理的心理模型
摘要 随着越来越多的人工智能形式变得普遍，了解人们如何开发这些系统的心理模型变得越来越重要。在这项工作中，我们通过合作猜词游戏研究人们对人工智能的心理模型。我们进行了出声思考研究，人们与人工智能代理一起玩游戏；通过主题分析，我们确定了参与者开发的心理模型的特征。在一项大规模研究中，我们让参与者在线与人工智能代理玩游戏，并使用赛后调查来探究他们的心理模型。我们发现获胜次数更多的人对人工智能代理的能力有更好的估计。我们提出了建模人工智能系统的三个组成部分，提出了解底层技术不足以开发适当的概念模型（行为分析也是必要的），并建议未来研究心理模型随时间推移的修订。