“逐代传承”提升强化学习效果；LLM重塑Multi-agent建模与仿真

以下是【算AI】小编近期发现的几篇不错的论文，在这里分享一下吧。

“逐代传承”提升强化学习效果

人类能够对知识和技能进行一代代的传承和创新，然而在强化学习等人工学习系统中，学习的周期一般只有一代。英国牛津大学和谷歌DeepMind公司的研究人员近期发表了一篇论文，论文尝试了将人类一代代学习、探索的机制融入到强化学习中，并通过多项实验，发现使用多代学习和探索的强化学习，在学习的效果上要优于仅经过一代的强化学习。

论文链接：
Artificial Generational Intelligence: Cultural Accumulation in Reinforcement Learning. https://arxiv.org/abs/2406.00392

LLM重塑Multi-agent建模与仿真

经典的Multi-agent建模和仿真一般通过相对简单的规则，来模拟多个个体的行为和互动。随着具有人类知识的LLM的出现，基于LLM的对于人类社会的各种模拟，例如“斯坦福小镇”（又称“斯坦福AI小镇”、“斯坦福虚拟小镇”），以及后续的有关研究已经为数不少。

以下几篇综述性论文，从多方面总结了近期LLM在Multi-agent建模与仿真中的应用，可以有助于感兴趣的同学快速掌握这一领域的近期进展。这几篇论文的作者分别来自中国人民大学、清华大学和复旦大学。

论文链接：

• A Survey on Large Language Model based Autonomous Agents. https://arxiv.org/abs/2308.11432
• Large Language Models Empowered Agent-based Modeling and Simulation: A Survey and Perspectives. https://arxiv.org/abs/2312.11970
• The Rise and Potential of Large Language Model Based Agents: A Survey. https://arxiv.org/abs/2309.07864

封面图：Emily、Pexels