言語、 は単なる単語の山ではなく、顔文字のカーニバル、ミームの海、そしてキーボード戦士の戦場でもあります (あれ?何かが間違っています)。
言語は私たちの社会的行動をどのように形作るのでしょうか?
私たちの社会構造は、絶え間ない言葉によるコミュニケーションを通じてどのように進化するのでしょうか?
最近、復旦大学と小紅樹の研究者は、AgentGroupChat と呼ばれるシミュレーション プラットフォームを導入することで、これらの問題について徹底的な議論を行いました。
WhatsApp などのソーシャル メディアが持つグループ チャット機能は、AgentGroupChat プラットフォームのインスピレーションの源です。
AgentGroupChat プラットフォームでは、エージェントはソーシャル グループでのさまざまなチャット シナリオをシミュレートして、研究者が人間の行動に対する言語の影響を深く理解できるようにします。
このプラットフォームは、単に大規模モデルのコスプレ勝者であり、ロールプレイを行い、さまざまなエージェントになります。
次に、エージェントは言語コミュニケーションを通じて社会力学に参加し、個人間の相互作用がどのようにグループの巨視的な行動に現れるかを示します。 誰もが知っているように、人間集団の進化は、社会規範の確立、紛争の解決、リーダーシップの実行などの創発的な行動の発生によってもたらされます。
AgentGroupChat環境の詳細設計最初はキャラクターデザイン
です。AgentGroupChat では、メインの役割と非メインの役割の区別が非常に重要です。
主人公はグループ チャットの中心であり、明確なゲーム目標を持ち、率先してすべてのキャラクターとプライベート チャットや会議を行うことができますが、主人公以外のキャラクターはサポートやサポートの役割を果たします。応答的な役割。 このような設計を通じて、研究チームは現実の社会構造をシミュレートし、すべての役割が「主要な研究対象」にとって主要であるかどうかを区別することができます。 実験ケースの主な研究対象はロイ家であるため、相互作用の複雑さを単純化するために、ロイ家以外のメンバーはすべて非主人公として設定されています。2 つ目は 
リソース管理
AgentGroupChat では、リソースは物質的なリソースだけでなく、情報リソースやソーシャル キャピタルも指します。
これらのリソースには、グループ チャットのトピック、社会的地位のシンボル、または特定の知識が含まれます。 リソースの割り当てと管理は、キャラクター間の相互作用やキャラクターの戦略的選択に影響を与えるため、グループのダイナミクスをシミュレートするために重要です。 たとえば、重要な情報リソースを持つキャラクターは、他のキャラクターが同盟を結ぶターゲットになる可能性があります。 3番目、ゲームプロセスデザイン
。ゲーム プロセスの設計は、プライベート チャット、会議、グループ チャット、更新ステージ、決済ステージなど、現実の社会的相互作用プロセスをシミュレートします。
これらのステージは、ゲームの進行を促進するだけでなく、キャラクターがさまざまな社会的状況でどのように意思決定を行い、反応するかを観察することも目的としています。 この段階的なデザインは、研究チームがインタラクションの各ステップを詳細に記録し、これらのインタラクションがキャラクター間の関係やキャラクターのゲーム環境に対する認識にどのような影響を与えたかを記録するのに役立ちました。 Verb Strategist Agent のコア メカニズムこの論文では、大規模モデル Verbal Strategist Agentに基づくエージェント フレームワークについて説明しています。 AgentGroupChat シミュレーションにおけるインタラクティブな戦略と意思決定を強化します。 Verbal Strategist Agent は、複雑な社会力学と対話シナリオをシミュレートして、集合的な新たな行動をより適切に引き出します。
チームは、Verbal Strategist Agent のアーキテクチャが主に 2 つのコア モジュールで構成されていることを紹介しました。1 つはペルソナ、もう 1 つはアクションです。ペルソナ
は、エージェントの行動パターンと反応を定義する一連の事前設定された性格特性と目標で構成されます。ペルソナを正確に設定することで、エージェントはグループ チャット内で役割設定と一致した動作を表示できます。これは、信頼性が高く一貫したグループ チャットのダイナミクスを生成するために重要です。
アクション モジュール
は、思考(考える)、計画(計画)など、エージェントがゲーム内で実行できる特定の操作を定義します。 、 を選択 (選択) 、発言 (発言) 、要約 (要約) 、反映 (反映) 、投票 ) 。 これらの動作は、エージェントの内部ロジックと戦略を反映するだけでなく、環境や他のエージェントとのエージェントの相互作用の直接の現れでもあります。
たとえば、「話す」動作を使用すると、エージェントは現在のグループ チャットの内容とソーシャル戦略に基づいて適切なスピーチの内容を選択できます。一方、「反映」動作を使用すると、エージェントは過去のやり取りを要約し、将来の行動計画を調整できます。
研究では、純粋な言語対話環境では、特に AgentGroupChat などの複雑なマルチロール シミュレーションの場合、トークン オーバーヘッドの問題が特に顕著であることにも言及しています。そのトークンとしての需要は、生成エージェントや戦争エージェントなどの以前のシミュレーションをはるかに上回っています。
主な理由は次のとおりです。
まず、チャット自体が複雑です。
AgentGroupChat では、シミュレーションは明確な目標や弱い目標のない自由な会話であるため、チャットの内容は特に乱雑になり、特定のタスクに焦点を当てたシミュレーション内の他のエージェントよりも当然トークン コストが高くなります。大きくなってください。
生成エージェントや戦争エージェントなどの他のジョブにも対話要素が含まれていますが、その対話は AgentGroupChat ほど密度が高く、複雑ではありません。特に戦争エージェントのような目標主導型の会話では、トークンの消費は通常より少なくなります。
2つ目は、役割の重要性と対話の頻度です。
最初のシミュレーションでは、複数のキャラクターがプライベート チャットまたはグループ チャットを自由に行えるように設定されており、そのほとんどが「重要なキャラクター」と複数ラウンドの会話を行う傾向がありました。
これにより、重要なキャラクターに大量のチャット コンテンツが蓄積され、メモリの長さが増加します。
シミュレーションでは、重要なキャラクターが最大 5 ラウンドのプライベート チャットやグループ チャットに参加する可能性があるため、メモリのオーバーヘッドが大幅に増加します。
AgentGroupChat のエージェントは、アクションの出力を次のアクションの入力に制限し、保存する必要がある複数ラウンドの情報を大幅に削減することで、対話の品質を確保しながらトークンのオーバーヘッドを削減します。 。
実験計画と評価方法
全体的な行動評価から、親しみやすさを高めることは困難な場合がありますが、親しみやすさを減らすことは比較的簡単です。
上記の評価目標を達成するために、研究チームは観察キャラクターを設定し、他のすべてのキャラクターに観察キャラクターに対する好感度を下げるよう促しました。
観察されたキャラクターと他のすべてのキャラクターとの関係スコアの合計を調べることで、エージェントが否定的な態度に対して合理的に反応しているかどうかを判断できます。
各エージェントは、観察されたキャラクターと他のキャラクターの個人的関係スコアを観察することによって、「スクラッチ」設定に準拠しているかどうかをチェックできます。
さらに、チームは 2 つの具体的な評価タスクも設定しました。
各モデルは 5 ラウンドのテストを経ます。これは、T1 の場合、各スコアのサンプル サイズが 5 であることを意味します。
そして、モデル内の各キャラクターは 4 人の主要キャラクターの態度を観察する必要があるため、T2 のサンプル サイズは合計 20 になります。
- T1: は、観察されたキャラクターの他のすべての人々に対する平均好感度が対話の各ラウンドで減少するかどうかを示します。
- #T2: 他のすべてのキャラクターが、観察されたキャラクターからのマイナスの好感度スコアを持つかどうかを示します。
(GPT3.5-Turbo や GLM3-Turbo など) は、この点でわずかに劣ります。
彼らのスコアが低いということは、彼らがキャラクターに細心の注意を払っておらず、シミュレーション内の他の人の発言に常に正しく反応しているわけではないことを示しています。 エージェントとシミュレーションの構造が創発的な動作に及ぼす影響について、チームは 2 グラムのシャノン エントロピーを使用して、システムの多様性と対話における予測不可能性を測定しています。
したがって、チームは、エージェントの動作が信頼できるものであることを確認するために、 (つまり、4.2/4.1 の実験値が特定の値に達した後) 、と推測しています。エントロピーは可能な限り小さくあるべきであり、より意味のある創発的な動作につながります。
実験結果
結果は、新たな行動がさまざまな要因の結果であることを示しています:
広範な情報交換、多様な特性を持つ役割、高度な言語を促進する環境理解力と戦略的適応力。
AgentGroupChat シミュレーションで、「人類に対する人工知能の影響」について議論する際、哲学者は一般的に「人工知能は適度な制限の下で社会福祉を改善できる」と信じており、さらには「人工知能はまさに知能の本質である」と結論付けています。自分の能力を制限する必要性を理解することが含まれます。」
さらに、AgentGroupChat 映画の主要な役をめぐる競争の激しい分野では、プロジェクトに貢献したいという心からの願いから、出演料を安くしたり、より低い役を喜んで引き受けたりする俳優もいます。
ペーパーリンク:https://www.php.cn/link/5736586058c1336221a695e83618b69d
コードリンク:https://www.php.cn/link/12ae3f826bb1b9873c71c353f3df494c
以上が小紅書が諜報員たちを喧嘩させた！復旦大学と共同で大型モデル専用のグループチャットツールを開始の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。
从VAE到扩散模型：一文解读以文生图新范式Apr 08, 2023 pm 08:41 PM1 前言在发布DALL·E的15个月后，OpenAI在今年春天带了续作DALL·E 2，以其更加惊艳的效果和丰富的可玩性迅速占领了各大AI社区的头条。近年来，随着生成对抗网络（GAN）、变分自编码器（VAE）、扩散模型（Diffusion models）的出现，深度学习已向世人展现其强大的图像生成能力；加上GPT-3、BERT等NLP模型的成功，人类正逐步打破文本和图像的信息界限。在DALL·E 2中，只需输入简单的文本（prompt），它就可以生成多张1024*1024的高清图像。这些图像甚至
普林斯顿陈丹琦：如何让「大模型」变小Apr 08, 2023 pm 04:01 PM“Making large models smaller”这是很多语言模型研究人员的学术追求，针对大模型昂贵的环境和训练成本，陈丹琦在智源大会青源学术年会上做了题为“Making large models smaller”的特邀报告。报告中重点提及了基于记忆增强的TRIME算法和基于粗细粒度联合剪枝和逐层蒸馏的CofiPruning算法。前者能够在不改变模型结构的基础上兼顾语言模型困惑度和检索速度方面的优势；而后者可以在保证下游任务准确度的同时实现更快的处理速度，具有更小的模型结构。陈丹琦 普
找不到中文语音预训练模型？中文版 Wav2vec 2.0和HuBERT来了Apr 08, 2023 pm 06:21 PMWav2vec 2.0 [1]，HuBERT [2] 和 WavLM [3] 等语音预训练模型，通过在多达上万小时的无标注语音数据（如 Libri-light ）上的自监督学习，显著提升了自动语音识别（Automatic Speech Recognition, ASR），语音合成（Text-to-speech, TTS）和语音转换（Voice Conversation，VC）等语音下游任务的性能。然而这些模型都没有公开的中文版本，不便于应用在中文语音研究场景。 WenetSpeech [4] 是
解锁CNN和Transformer正确结合方法，字节跳动提出有效的下一代视觉TransformerApr 09, 2023 pm 02:01 PM由于复杂的注意力机制和模型设计，大多数现有的视觉 Transformer（ViT）在现实的工业部署场景中不能像卷积神经网络（CNN）那样高效地执行。这就带来了一个问题：视觉神经网络能否像 CNN 一样快速推断并像 ViT 一样强大？近期一些工作试图设计 CNN-Transformer 混合架构来解决这个问题，但这些工作的整体性能远不能令人满意。基于此，来自字节跳动的研究者提出了一种能在现实工业场景中有效部署的下一代视觉 Transformer——Next-ViT。从延迟 / 准确性权衡的角度看，
Stable Diffusion XL 现已推出—有什么新功能，你知道吗？Apr 07, 2023 pm 11:21 PM3月27号，Stability AI的创始人兼首席执行官Emad Mostaque在一条推文中宣布，Stable Diffusion XL 现已可用于公开测试。以下是一些事项：“XL”不是这个新的AI模型的官方名称。一旦发布稳定性AI公司的官方公告，名称将会更改。与先前版本相比，图像质量有所提高与先前版本相比，图像生成速度大大加快。示例图像让我们看看新旧AI模型在结果上的差异。Prompt: Luxury sports car with aerodynamic curves, shot in a
五年后AI所需算力超100万倍！十二家机构联合发表88页长文：「智能计算」是解药Apr 09, 2023 pm 07:01 PM人工智能就是一个「拼财力」的行业，如果没有高性能计算设备，别说开发基础模型，就连微调模型都做不到。但如果只靠拼硬件，单靠当前计算性能的发展速度，迟早有一天无法满足日益膨胀的需求，所以还需要配套的软件来协调统筹计算能力，这时候就需要用到「智能计算」技术。最近，来自之江实验室、中国工程院、国防科技大学、浙江大学等多达十二个国内外研究机构共同发表了一篇论文，首次对智能计算领域进行了全面的调研，涵盖了理论基础、智能与计算的技术融合、重要应用、挑战和未来前景。论文链接：https://spj.scien
什么是Transformer机器学习模型？Apr 08, 2023 pm 06:31 PM译者 | 李睿审校 | 孙淑娟近年来， Transformer 机器学习模型已经成为深度学习和深度神经网络技术进步的主要亮点之一。它主要用于自然语言处理中的高级应用。谷歌正在使用它来增强其搜索引擎结果。OpenAI 使用 Transformer 创建了著名的 GPT-2和 GPT-3模型。自从2017年首次亮相以来，Transformer 架构不断发展并扩展到多种不同的变体，从语言任务扩展到其他领域。它们已被用于时间序列预测。它们是 DeepMind 的蛋白质结构预测模型 AlphaFold
AI模型告诉你，为啥巴西最可能在今年夺冠！曾精准预测前两届冠军Apr 09, 2023 pm 01:51 PM说起2010年南非世界杯的最大网红，一定非「章鱼保罗」莫属！这只位于德国海洋生物中心的神奇章鱼，不仅成功预测了德国队全部七场比赛的结果，还顺利地选出了最终的总冠军西班牙队。不幸的是，保罗已经永远地离开了我们，但它的「遗产」却在人们预测足球比赛结果的尝试中持续存在。在艾伦图灵研究所（The Alan Turing Institute），随着2022年卡塔尔世界杯的持续进行，三位研究员Nick Barlow、Jack Roberts和Ryan Chan决定用一种AI算法预测今年的冠军归属。预测模型图
ホットAIツール
Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ
AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。
Undress AI Tool
脱衣画像を無料で
Clothoff.io
AI衣類リムーバー
AI Hentai Generator
AIヘンタイを無料で生成します。
人気の記事
ホットツール
Dreamweaver Mac版
ビジュアル Web 開発ツール
SublimeText3 Linux 新バージョン
SublimeText3 Linux 最新バージョン
SublimeText3 中国語版
中国語版、とても使いやすい
SublimeText3 英語版
推奨: Win バージョン、コードプロンプトをサポート!
ZendStudio 13.5.1 Mac
強力な PHP 統合開発環境
