MindForge:赋予具身智能体心智理论以实现终身文化学习

由大语言模型（LLM）驱动的具身智能体（如 Voyager）有望在 Minecraft 等世界中具备开放式能力。然而，当由开放权重的 LLM 驱动时，即使在特定领域微调后，它们在基础任务上仍会失败。我们提出 MindForge，这是一种通过显式视角采择实现文化终身学习的生成式智能体框架。我们引入了三项关键创新：（1）连接感知、信念、愿望与动作的结构化心智理论表示；（2）智能体间的自然通信；（3）多组件记忆系统。遵循文化学习框架，我们在 Minecraft 的教学和协作环境中测试了 MindForge。在使用 GPT-4 的教学环境中，由开放权重 LLM 驱动的 MindForge 智能体在基础任务上显著优于 Voyager 对应版本，与 Voyager 基线相比，获得了 $3\times$ 的科技树里程碑，并收集了 $2.3\times$ 的独特物品。此外，在完全协作的环境中，我们发现两个表现不佳的智能体的性能随着通信轮次的增加而提升，这与孔多塞陪审团定理相呼应。MindForge 智能体展现出复杂的行为，包括专家到新手的迁移、协作解决问题，以及通过积累的文化经验适应分布外任务。