Generative agent-based modeling with actions grounded in physical, social, or digital space using Concordia
作者: Alexander Sasha Vezhnevets, John P. Agapiou, Avia Aharon, Ron Ziv, Jayd Matyas, Edgar A. Duéñez-Guzmán, William A. Cunningham, Simon Osindero, Danny Karmon, Joel Z. Leibo
分类: cs.AI, cs.CL
发布日期: 2023-12-06 (更新: 2023-12-13)
备注: 32 pages, 5 figures
💡 一句话要点
Concordia：一个基于生成式Agent的建模库，支持物理、社会和数字空间中的行为模拟。
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 生成式Agent建模 大型语言模型 自然语言交互 物理环境模拟 数字环境模拟
📋 核心要点
- 传统Agent建模方法难以有效利用大型语言模型（LLM）的常识推理和自然语言交互能力，限制了模拟的真实性和复杂性。
- Concordia通过LLM和联想记忆的结合，使Agent能够以自然语言描述行为，并由Game Master（GM）将其转化为具体的物理或数字行动。
- Concordia旨在支持广泛的应用，包括科学研究和评估真实数字服务的性能，通过模拟用户行为或生成合成数据。
📝 摘要（中文）
本文介绍Concordia，一个用于构建和使用生成式Agent建模（GABM）的库。GABM不仅仅是经典的Agent建模（ABM），而是利用大型语言模型（LLM）来应用常识、合理行动、回忆语义知识、生成API调用以控制数字技术（如应用程序），并在模拟内部以及与外部研究人员进行通信。Concordia简化了物理或数字环境中基于语言的模拟构建。Concordia Agent使用灵活的组件系统生成行为，该系统在LLM调用和联想记忆检索之间进行协调。受桌面角色扮演游戏启发的Game Master（GM）负责模拟Agent交互的环境。Agent用自然语言描述他们想要做的事情来采取行动，GM将他们的行动转化为适当的实现。在模拟的物理世界中，GM检查Agent行动的物理合理性并描述其效果。在模拟应用程序和服务的数字环境中，GM可以处理API调用以与外部工具（如通用AI助手和数字应用程序）集成。Concordia旨在支持科学研究和通过模拟用户和/或生成合成数据来评估真实数字服务的性能。
🔬 方法详解
问题定义：现有的Agent建模方法难以充分利用大型语言模型的推理和交互能力，使得Agent的行为缺乏真实感和智能性。此外，将Agent的行为与物理或数字环境进行有效连接也存在挑战，限制了Agent建模的应用范围。
核心思路：Concordia的核心思路是利用大型语言模型（LLM）作为Agent的“大脑”，使其能够理解环境、做出决策并以自然语言表达行动。同时，引入Game Master（GM）来负责模拟环境，并将Agent的自然语言行动转化为具体的物理或数字操作。
技术框架：Concordia的整体架构包含Agent、Game Master（GM）和环境三个主要组成部分。Agent通过LLM和联想记忆系统生成行为，并以自然语言描述行动。GM负责模拟环境，接收Agent的行动描述，并将其转化为具体的物理或数字操作。环境则根据GM的操作结果进行更新，并将新的状态反馈给Agent。
关键创新：Concordia的关键创新在于将大型语言模型（LLM）与Agent建模相结合，使得Agent能够以自然语言进行交互，并具备一定的常识推理能力。此外，引入Game Master（GM）的概念，实现了Agent行为与物理或数字环境的有效连接。
关键设计：Agent的行为生成依赖于LLM和联想记忆的结合。LLM负责生成Agent的行动描述，联想记忆则用于存储Agent的经验和知识。GM的设计需要考虑物理环境的模拟和数字API的调用，以确保Agent的行动能够有效地影响环境。
📊 实验亮点
论文提出了Concordia库，但摘要中没有提供具体的实验结果或性能数据。Concordia旨在通过模拟用户行为或生成合成数据来评估真实数字服务的性能，但具体效果未知。未来研究可以关注Concordia在不同应用场景下的性能表现，并与其他Agent建模方法进行比较。
🎯 应用场景
Concordia可应用于社会科学研究，例如模拟人群行为、研究社会动态。在数字服务领域，可用于评估用户体验、生成合成数据以训练AI模型。此外，还可用于机器人控制，使机器人能够理解自然语言指令并在复杂环境中执行任务。
📄 摘要（原文）
Agent-based modeling has been around for decades, and applied widely across the social and natural sciences. The scope of this research method is now poised to grow dramatically as it absorbs the new affordances provided by Large Language Models (LLM)s. Generative Agent-Based Models (GABM) are not just classic Agent-Based Models (ABM)s where the agents talk to one another. Rather, GABMs are constructed using an LLM to apply common sense to situations, act "reasonably", recall common semantic knowledge, produce API calls to control digital technologies like apps, and communicate both within the simulation and to researchers viewing it from the outside. Here we present Concordia, a library to facilitate constructing and working with GABMs. Concordia makes it easy to construct language-mediated simulations of physically- or digitally-grounded environments. Concordia agents produce their behavior using a flexible component system which mediates between two fundamental operations: LLM calls and associative memory retrieval. A special agent called the Game Master (GM), which was inspired by tabletop role-playing games, is responsible for simulating the environment where the agents interact. Agents take actions by describing what they want to do in natural language. The GM then translates their actions into appropriate implementations. In a simulated physical world, the GM checks the physical plausibility of agent actions and describes their effects. In digital environments simulating technologies such as apps and services, the GM may handle API calls to integrate with external tools such as general AI assistants (e.g., Bard, ChatGPT), and digital apps (e.g., Calendar, Email, Search, etc.). Concordia was designed to support a wide array of applications both in scientific research and for evaluating performance of real digital services by simulating users and/or generating synthetic data.