论现实世界中智能决策的实现：基础决策模型视角

现实世界环境中普遍存在的的不确定性与动态特性，对机器驱动的智能决策（IDM）系统的广泛应用提出了重大挑战。因此，IDM应具备持续获取新技能并在广泛应用间有效泛化的能力。超越任务与应用边界的人工通用智能（AGI）的发展，对增强IDM至关重要。近期研究广泛探讨了将Transformer神经架构作为计算机视觉、自然语言处理与强化学习等多种任务的基础模型。我们提出，可通过使用Transformer架构将多样化决策任务表述为序列解码任务，从而开发基础决策模型（FDM），为在复杂现实情境中拓展IDM应用提供有前景的解决方案。本文中，我们讨论了基础决策模型为IDM带来的效率与泛化提升，并探索其在多智能体博弈AI、生产调度与机器人任务中的潜在应用。最后，我们给出案例研究，展示了我们的FDM实现——拥有13亿参数的DigitalBrain（DB1），在文本生成、图像描述、视频游戏博弈、机器人控制与旅行商问题等870项任务中达到人类水平表现。作为基础决策模型，DB1代表着迈向更自主、更高效的现实世界IDM应用的初步一步。