ITCMA：基于计算意识结构的生成式智能体
人工智能
2025-09-24 v2 人机交互
神经元与认知
摘要
大型语言模型（LLM）在需要理解隐式指令和应用常识知识的任务中仍面临挑战。在这种情况下，LLM可能需要多次尝试才能达到人类水平的表现，这可能导致在实际环境中产生不准确的响应或推理，影响其长期一致性和行为。本文介绍了内部时间意识机器（ITCM），一种模拟人类意识过程的计算意识结构。我们进一步提出了基于ITCM的智能体（ITCMA），它支持开放世界环境中的动作生成和推理，并能独立完成任务。ITCMA通过考虑智能体与环境的交互和推理，增强了LLM理解隐式指令和应用常识知识的能力。在Alfworld环境中的评估表明，经过训练的ITCMA在已见集上比最先进（SOTA）方法高出9%。即使未经训练的ITCMA在已见集上也达到了96%的任务完成率，比SOTA高5%，表明其在效用和泛化方面优于传统智能体。在四足机器人的真实世界任务中，未经训练的ITCMA达到了85%的任务完成率，接近其在未见集上的表现，证明了其在真实世界设置中的可比效用和普适性。
引用
@article{arxiv.2403.20097,
title = {ITCMA: A Generative Agent Based on a Computational Consciousness Structure},
author = {Hanzhong Zhang and Jibin Yin and Haoyang Wang and Ziwei Xiang},
journal= {arXiv preprint arXiv:2403.20097},
year = {2025}
}
备注
20 pages, 11 figures