研究人员开发了一种通过收集步进式人类偏好数据来训练社交模拟中生成式智能体的新方法。该方法涉及一个交互式模拟界面，收集了超过 57,000 条关于智能体决策轨迹的细粒度标注。通过使用此数据对开放权重语言模型进行监督微调和直接偏好优化，该研究证明了模拟保真度、协调性和智能体行为整体质量的一致性改进。 AI
影响 这项研究可能导致模拟中出现更复杂、更符合人类期望的 AI 智能体，提高它们在长周期内进行规划和行动的能力。
排序理由 该集群包含一篇详细介绍 AI 智能体训练新方法的学术论文。
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Direct Preference Optimization: Your Language Model is Secretly a Reward Model
- Generative Agents: Interactive Simulacra of Human Behavior
- Gotit.pub
- Hugging Face
- ScienceCast
- Social Simulations for Border Security
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
