human behavior
PulseAugur coverage of human behavior — every cluster mentioning human behavior across labs, papers, and developer communities, ranked by signal.
-
Harness Engineering：指导AI编码代理实现可靠的软件开发
Harness engineering 是一种将AI编码代理有效集成到软件开发工作流程中的概念。它涉及创建一个“harness”（约束系统），用项目特定的规则来指导AI，并检查其输出是否出错。这种方法旨在利用AI的能力，同时减轻其缺乏人类经验和常识所带来的风险。通过结合“Guides”（任务前指令）和“Sensors”（任务后检查和反馈循环），开发人员可以创建一个环境，让AI代理能够更可靠地执行任务并迭代改进其性能。
-
新的LLM训练方法SALT改进了社会模拟评估
研究人员开发了一种名为Subjectivity-Adaptive soft-Label Training (SALT)的新方法，以更好地评估和优化用于社会模拟的大型语言模型（LLM）。传统方法通常依赖于准确性指标和硬标签，这对于可能出现一系列响应的主观人类行为来说是不够的。SALT通过使用“主观性系数”来衡量任务的主观性或客观性程度，然后使用适应这种主观性的软分布标签来训练LLM。创建了一个包含19,300个上下文的新基准SUBJSI…
-
CityReal框架使用LLM模拟真实的城市人类行为
研究人员开发了CityReal，一个使用大型语言模型（LLM）模拟城市动态和人类行为的新框架。与依赖有限提示的先前方法不同，CityReal将代理建模为意图驱动的决策者，他们会随着时间的推移学习习惯和偏好。这种方法将代理决策与观察到的人口统计数据相结合，从而实现更真实微观和宏观层面的人类行为模拟。该框架可以扩展到数万个代理，从而能够分析各种城市场景下的人群密度、流动性和福祉。
-
新模型和框架推动具身AI能力发展
研究人员正在开发先进的模型和框架，以实现更具能力的具身人工智能。一种方法是Athena-Brain-8B，一个为设备端机器人大脑设计的8B LLM，展现出强大的通用智能和具身交互能力，并能给出简洁的响应。另一篇论文探讨了Edmund Berkeley和David L. Heiserman的历史工作，将其视为一个未被充分探索的具身智能架构，将逻辑与硬件和时间扩展行为联系起来。此外，一个1.5B的开源VLA模型MiniCPM-Robot，…