概述
生成代理是由語言模型驅動的人工智慧角色，可以像可信的人一樣進行記憶、計劃和反應。它們被放置在一個模擬世界中，形成了微型社會，社會行為在其中自行出現。
生成代理和模擬社會是一個技術構建塊，會大規模影響模型品質、基礎設施成本、延遲和可靠性。
深入探討
在 2023 年史丹佛大學和 Google 的一個名為 Smallville 的計畫中，研究人員將 25 個由 GPT-3.5 驅動的智能體放置到一個沙盒城鎮中，觀察它們的行為就像一個社區。每個特工都有一個簡短的傳記，然後醒來，煮早餐，上班，和鄰居聊天。至關重要的是，行為不是照本宣科的。一位特工決定舉辦情人節派對，在模擬的兩天裡，邀請透過口耳相傳，特工們協調了時間，幾個人一起出現了。該架構結合了記憶流、檢索、反思和規劃，因此代理人可以在很長一段時間內一致地行動，而不是忘記幾分鐘前發生的事情。
技術洞察
核心技巧是記憶體流：代理觀察到的所有內容的長的、帶有時間戳記的日誌。為了採取行動，智能體檢索根據新近度、重要性和與當前情況的相似度評分的相關記憶，然後將它們輸入到語言模型提示中。定期的反思步驟將原始記憶總結為更高層次的見解（例如，推斷某人對研究充滿熱情），這些見解被儲存起來並指導未來的計劃和對話。
掌握生成代理人和模擬社會
生成代理是由語言模型驅動的人工智慧角色，可以像可信的人一樣進行記憶、計劃和反應。它們被放置在一個模擬世界中，形成了微型社會，社會行為在其中自行出現。生成代理和模擬社會是一個技術構建塊，會大規模影響模型品質、基礎設施成本、延遲和可靠性。為了建立深入的理解，請將生成代理和模擬社會視為一種操作模型，而不是單一功能：定義期望的結果，澄清假設，並將系統可以可靠地完成的任務與仍需要專家判斷的任務分開。
在實踐中，強大的團隊使用生成代理和模擬社會根據可靠性和成本優化架構、數據和基礎設施選擇。他們記錄明確的成功標準，根據實際數據和工作流程進行測試，並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。
多年來，架構決策決定著效能和營運成本。同時，優化一個基準測試可以隱藏更廣泛的系統弱點。最具彈性的方法是將實驗速度與治理規則結合：運行試點、捕獲證據、發布決策日誌，並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。
戰略影響
多年來，架構決策決定著效能和營運成本。
多年來，架構決策決定著效能和營運成本。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
技術教育幫助團隊選擇正確的堆疊，而不僅僅是最新的堆疊。
技術教育幫助團隊選擇正確的堆疊，而不僅僅是最新的堆疊。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
更好的工程選擇可以減少生產中的可靠性事故。
更好的工程選擇可以減少生產中的可靠性事故。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
現實世界的實施
在史丹佛大學的《超人前傳》模擬中，25 名特工自主組織並參加了情人節派對
電玩遊戲中可信的、由記憶驅動的 NPC 會記住過去玩家的互動，並懷有怨恨或友誼
綜合焦點小組對不同的客戶角色進行角色扮演，以預先測試行銷訊息或產品功能
訓練模擬器，人工智慧城鎮居民在災難應變或外交演習中對受訓者的決定做出反應
實施模式
實踐中的生成代理與模擬社會
在史丹佛大學的《超人前傳》模擬中，25 名特工自主組織並參加了情人節派對。
在史丹佛大學的《超人前傳》模擬中，25 名特工自主組織並參加了情人節派對。如果團隊預先定義品質閾值、為邊緣情況保留人工升級路徑，並隨著時間的推移追蹤生產力提升和錯誤成本，通常會獲得更好的結果。
實踐中的生成代理與模擬社會
電子遊戲中可信的、由記憶驅動的 NPC 會記住過去玩家的互動，並懷有怨恨或友誼。
電玩遊戲中可信的、由記憶驅動的 NPC 會記住過去的玩家互動，並懷有怨恨或友誼。當團隊預先定義品質閾值、為邊緣情況保留人為升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會得到更好的結果。
實踐中的生成代理與模擬社會
綜合焦點小組對不同的客戶角色進行角色扮演，以預先測試行銷訊息或產品功能。
綜合焦點小組對不同的客戶角色進行角色扮演，以預先測試行銷訊息或產品功能。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力增益和錯誤成本時，通常會獲得更好的結果。
實踐中的生成代理與模擬社會
訓練模擬器，人工智慧城鎮居民在災難應變或外交演習中對受訓者的決定做出反應。
培訓模擬器，人工智慧城鎮居民在災難應變或外交演習中對受訓者的決策做出反應。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力增益和錯誤成本時，通常會得到更好的結果。
風險與防護欄
優化一項基準測試可以隱藏更廣泛的系統弱點。
基礎設施和維護成本常常被低估。
隨著系統變得更加複雜，安全性和可觀察性差距可能會擴大。
實施路線圖
在實施之前定義延遲、品質和成本目標。
在實施之前定義延遲、品質和成本目標。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
在實際負載和資料條件下進行基準測試。
在實際負載和資料條件下進行基準測試。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
儀器監控錯誤、漂移和使用者影響。
儀器監控錯誤、漂移和使用者影響。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
在擴展之前準備回滾和事件回應路徑。
在擴展之前準備回滾和事件回應路徑。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。