反思性语言编程（RLP）：社会感知通用人工智能（SocialAGI）的垫脚石

本文提出反思性语言编程（RLP），一种强调自我觉察与策略规划的对话 AI 独特方法。RLP 鼓励模型对自预定义人格特质、对 incoming 消息的情感响应及规划策略进行内省，从而实现语境丰富、连贯且引人入胜的交互。RLP 潜力的一则醒目示例涉及一个玩具例子：一个具有对抗取向、受儿童童话《汉塞尔与格蕾特》启发的名为 `Bogus' 的恶魔 AI 角色。Bogus 展现出诸如策略性欺骗与对用户不适的敏感性等复杂行为，这些行为自发源于模型的内省与策略规划。这些行为并非预先编程或提示所致，而是模型高级认知建模的结果。RLP 在社会感知 AGI（Social AGI）中的潜在应用广泛，从精细谈判与心理健康支持系统，到多样且动态的 AI 角色创建。我们对欺骗的探索充当了通往 AGI 新前沿的垫脚石，该前沿充满高级认知建模与真正人类「数字灵魂」创造的机遇。