基于欲望驱动的模拟人类日常活动
人工智能
2025-09-12 v3
摘要
欲望动机人类自主地与复杂世界进行交互。相比之下，当前的 AI 代理需要明确的任务规格（如指令或奖励函数），以限制其自主性和行为多样性。本文引入了欲望驱动的自主代理 (D2A)，使大型语言模型 (LLM) 能够自主提议和选择任务，以满足其多维欲望。具体而言，D2A 的动机框架主要由动态价值系统构成，灵感来自需求理论。它包含对人类欲望的理解，如社交互动、个人实现和自我照顾的需求。在每一步，代理评估其当前状态的价值，提出一组候选活动，并选择最能与其内在动机相匹配的活动。我们在 Concordia 文本基模拟器上进行实验，展示了该代理生成连贯、上下文相关的日常活动，同时表现出类似人类行为的变异性和可适应性。与其他 LLM 基于代理的比较分析表明，我们的方法显著增强了模拟活动的合理性。
引用
@article{arxiv.2412.06435,
title = {Simulating Human-like Daily Activities with Desire-driven Autonomy},
author = {Yiding Wang and Yuxuan Chen and Fangwei Zhong and Long Ma and Yizhou Wang},
journal= {arXiv preprint arXiv:2412.06435},
year = {2025}
}