**生成式智能体** ACM UIST 2023 | Generative Agents: Interactive Simulacra of Human Behavior

于 2023-08-10 15:01:22 发布
阅读量173 收藏
点赞数
分类专栏： # 概念解析 # 论文阅读 文章标签： 人工智能 AIGC 智能体 论文阅读
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qazwsxrx/article/details/132210054
版权
概念解析 同时被 2 个专栏收录
121 篇文章 130 订阅 ¥29.90 ¥99.00
订阅专栏
论文阅读
38 篇文章 5 订阅
订阅专栏
本文介绍了一种名为生成式代理的新型计算软件代理，利用生成式模型模拟人类行为，适用于交互式应用如沉浸式环境和人际交流。生成式代理结合大模型的表达能力和记忆机制，实现连贯的长期行为。通过记忆流、检索、反思和计划，代理可以在不断交互的环境中形成自然的行为。在《模拟人生》风格的沙盒环境中，代理展示了如日常生活般的复杂社交行为。未来研究将关注提高检索效率、解决代理行为问题及增强模型能力。
摘要由CSDN通过智能技术生成

注1:本文系“最新热点论文速递”系列之一,致力于简洁清晰完整地介绍、解读热点领域最新的顶会/顶刊论文(包括但不限于 Nature/Science及其子刊; CVPR, ICCV, ECCV, NeurIPS, ICLR, ICML, TPAMI, IJCV 等)。本次介绍的论文是:Generative Agents: Interactive Simulacra of Human Behavior, 2023, UIST

在这里插入图片描述

Generative Agents: Interactive Simulacra of Human Behavior, 2023 | 利用生成式模型构建交互式的人类行为仿真系统

本文提出了生成式代理(Generative Agents),这是一种利用生成式模型模拟人类行为的交互式计算软件代理。这项研究对于交互式应用具有广阔的应用前景,比如沉浸式环境,人际交流排练空间和原型设计工具等。

背景介绍

了解本专栏 订阅专栏 解锁全文
R.X. NLOS
关注
专栏目录
订阅专栏
智能体之斯坦福AI小镇（Generative Agents: Interactive Simulacra of Human Behavior）
qq_52053775的博客
05-25 1937
论文提出了一种多个智能体进行协同，进而模拟可信的人类行为，适用于沉浸式环境、人际沟通排练空间和原型工具等互动应用。生成代理能够像人类一样起床、做早餐、工作；艺术家画画，作家写作；他们形成意见、注意彼此并开始对话；他们记住和反思过去的日子，并计划未来的行为。为了实现生成代理，论文描述了一种架构，该架构通过自然语言存储代理的完整经历记录，随着时间的推移综合这些记忆形成高层次的反思，并动态检索它们以计划行为。研究表明，这些生成代理能够在一个交互沙箱环境中生成可信的个体和群体行为。
对于DFS，BFS，A*与IDA*等寻路算法的总结跟感悟
漏れた玩具博客
01-01 1万+
一周前看见了贪吃蛇AI算法，受到震撼于是就把以前的win32贪吃蛇加了个AI实现，让我这个渣渣写了好几天才完工，终于能吃完全屏了，虽然离自己看的那个贪吃蛇AI的gif还有些距离emmmm，贪吃蛇AI不可避免的用到了寻路算法，所以今天当做复习总结提一提， 不说了，进入正题吧，常见的搜索有深度优先搜索，广度优先搜索，迭代加深搜索，双向广度优先先搜索，A*搜索，IDA*搜索等，这些搜索分为盲...
CVPR 2023 | GAN的反击！朱俊彦新作GigaGAN，出图速度秒杀Stable Diffusion
Paper weekly
03-11 7851
©作者 |张倩、小舟来源|机器之心在文生图领域，扩散模型似乎已经一统天下，让曾经也风头无两的 GAN 显得有些过时。但两相比较，GAN 依然存在不可磨灭的优势。这使得一些研究者在这一方向上持续努力，并取得了非常实用的成果。相关论文已被 CVPR 2023 接收。图像生成是当前 AIGC 领域最热门的方向之一。近期发布的图像生成模型如 DALL・E 2、Imagen、Stable Diffus...
人工智能研究的新前线：生成式对抗网络
人工智能学家
08-21 4518
林懿伦, 戴星原, 李力, 王晓, 王飞跃来源：科学网 摘要：生成式对抗网络（Generative adversarial networks, GAN）是当前人工智能学界...
Eclipse、Cygwin配置OpenCV2.0 make: *** multiple target patterns错误解决
yanzi1225627的专栏
11-26 1万+
为了更好的调试OpenCV，需在本地构建一个C++的OpenCV调试环境，本文记录了OpenCV2.0在eclipse上利用Cygwin作编译器的配置方式。重点讲述了“make: *** multiple target patterns. Stop”这个错误的解决方法。
从B树、B+树、B*树谈到R 树
热门推荐
结构之法 算法之道
06-07 66万+
从B 树、B+ 树、B* 树谈到R 树   作者：July、weedge、Frankie。编程艺术室出品。 说明：本文从B树开始谈起，然后论述B+树、B*树，最后谈到R 树。其中B树、B+树及B*树部分由weedge完成，R 树部分由Frankie完成，全文最终由July统稿修订完成。 出处：http://blog.csdn.net/v_JULY_v 。   第一节、B树、B+树、B*...
如何选择和使用ACM LaTeX模板
白水的博客
05-27 1万+
1. ACM模板 ACM模板是发表会议论文常用的模板之一，但是学术新人通常搞不懂到底怎么用、怎么选模板，本博客解决帮你这个问题。 2. 下载ACM模板 我们进入ACM模板下载页面：ACM 模板 [https://www.acm.org/publications/proceedings-template] 2.1. Word模板 如果你想下载Word格式的模板，就找到Word Authors，然后点击Interim layout.docx 下载word模板，点击interim sample pdf 下载对应的
probe of *** failed with error 45
anita_的博客
08-03 3732
总线设备驱动： # insmod bus.ko # insmod driver.ko # insmod device.ko driver found the device it can handle! my_dev: probe of my_dev failed with error 45 上面错误是以为driver.c中的下面子函数没有加return 0;
2023年第十五届四川赛区ACM真题及官方题解
最新发布
渡梦酒的博客
06-04 4244
先给大家看看今年的比赛氛围： 。今年四川的ACM在都江堰举办。因为比赛时间很紧张，所以没来得及去公费旅个游哈哈，不过题目很棒，志愿者效率很高，比赛中途还给我们发了KFC，结束后的滚榜也很刺激，友友们的队伍名一个比一个好听，体验好极辽。好，那接下来，就开始我们快乐的做题之旅吧！
LLMs之GPT：《Improving Language Understanding by Generative Pre-Training》翻译与解读
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
12-26 1万+
​ Paper：GPT之《Improving Language Understanding by Generative Pre-Training》翻译与解读 目录 GPT之《Improving Language Understanding by Generative Pre-Training》翻译与解读 GPT的demo体验 Abstract 1、Introduction 2 Related Work 3 Framework 4 Experiments 5 Analysis 6
《英雄编程体验课》第 15 课 | C语言中的数学库
英雄哪里出来
07-05 5万+
C语言中的数学库
直播预告|AAAI 2022：基于锚框排序的目标检测知识蒸馏
AI_Drive的博客
03-23 3929
「AI Drive」是由 biendata 和PaperWeekly 共同发起的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。 本期 AI Drive，我们邀请到南京理工大学计算机学院博士-李钢，为大家在线解读其发表在 AAAI 2022的最新研究成果：基于锚框排序的目标检测知识蒸馏。对本期主题感兴趣的小伙伴，3 月 24 日（周四）晚 7 点，我们准时相约 AI_D...
LIVE 预告 | 快手宋洋：千亿特征，万亿参数，快手推荐精排模型的发展史
BAAIBeijing的博客
03-22 2567
随着GPT-3给人们带来的震撼，大模型在各个应用领域得到迅速的发展和应用。近期，媒体平台「机器之心」上发布了一篇文章「1.9万亿参数量，快手落地业界首个万亿参数推荐精排模型」，其中提到快手...
光电倍增管PMT (photomultiplier tube) 原理、结构和特性总结
NLOS的博客
11-26 2万+
在学习单光子计数器的时候涉及到了外光电效应和光电倍增管。 为了对外光电效应和光电倍增管有更深刻的印象，故参考下面的论文写了本文。 王海科,吕云鹏.光电倍增管特性及应用[J].仪器仪表与分析监测,2005(01):1-4. 光电倍增管的理论基础 光电子发射效应(外光电效应):光照在照在光电材料上，材料表面的电子吸收的能量，若电子吸收的能量足够大，电子会克服束缚逸出表面，从而改变光电子材料的导电性，这种现象成为外光电效应。 二次电子发射：二次电子发射是指用电子流或离子流轰击物体表面，使之发射电子..
论文阅读 激光测距综述|| Laser ranging: a critical review of unusual techniques for distance measurement
NLOS的博客
11-24 4861
原始论文： Markus-Christian Amann, Thierry M. Bosch, Marc Lescure, Risto A. Myllylae, Marc Rioux, "Laser ranging: a critical review of unusual techniques for distance measurement," Opt. Eng. 40(1) (1 January 2001)https://doi.org/10.1117/1.1330700 激光测距：一种不寻常的.
论文阅读 视频生成(vid2vid) || Few-shot Video-to-Video Synthesis
NLOS的博客
12-20 2591
论文原文： Ting-Chun Wang, Ming-Yu Liu, Andrew Tao, Guilin Liu, Jan Kautz, and Bryan Catanzaro. "Few-shot Video-to-Video Synthesis", in NeurIPS, 2019. https://nvlabs.github.io/few-shot-vid2vid/main.pdf 论文地址： https://nvlabs.github.io/few-shot-vid2vid/ ..
论文阅读 激光脉冲主动非视距成像+深度学习 || Learned Feature Embeddings for Non-Line-of-Sight Imaging and Recognition
NLOS的博客
12-12 2455
论文原文： Wenzheng Chen, FangyinWei, Kiriakos N. Kutulakos, Szymon Rusinkiewicz, and Felix Heide. 2020. Learned Feature Embeddings for Non-Line-of-Sight Imaging and Recognition. ACM Trans. Graph. 39, 6, Article 230 (December 2020), 18 pages. https://doi.org/1
论文阅读 视频生成|| Video-to-Video Synthesis
NLOS的博客
11-04 2293
T.-C. Wang et al., “Video-to-Video Synthesis,” arXiv:1808.06601 [cs], Dec. 2018, Accessed: Nov. 03, 2020. [Online]. Available: http://arxiv.org/abs/1808.06601. 论文项目地址:https://tcwang0509.github.io/vid2vid/ Abstract video-to-video synthesis: 学习一个从输入视频..
ACM搜索算法详解：回溯法、A*等十种策略
ACM搜索算法是计算机科学中一种关键的技术，主要用于解决各种问题，尤其是在人工智能和竞赛编程领域。本文档涵盖了多种搜索算法，包括： 1. **回溯法**：这是一种盲目搜索策略，它通过递归或迭代方式遍历问题的解...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

R.X. NLOS

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值