论文提出自涌现智能体架构 SEAA
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载把惯性写进状态矩阵
SEAA 把长期行为与认知上的惯性做成一个可编辑的状态转移矩阵，由隐马尔可夫模型承载。与依赖静态记忆和固定提示词的生成式智能体模拟不同，这套设计让惯性成为可被改写的参数，而不是散落在上下文里的文本片段。作者指出，现有方案既维持不住行为惯性，也做不到内生的自我演化，因此把惯性显式建模为状态转移结构，是整条链路的第一环。矩阵可编辑这一点意味着后续的反思结果有地方落地：反思不是往记忆里再堆一段话，而是直接改动转移概率本身。
反思直接改参数
第二个组件是 Reflexion 风格的言语化元认知回路，其输出被用来更新 HMM 的参数，而非仅仅作为文本存档。这是与已有反思式智能体方案的关键差别：常见做法把反思结论写回记忆库供下次检索，SEAA 则让反思作用于惯性模型本身。三个组件因此首尾相接，形成社会行动、反馈、自我反思、惯性更新、差异化行动的闭环。作者据此提出三条可证伪假设，并给出可复现的实验协议与可操作指标，使闭环的每一环都能被单独观测。
同源智能体如何分化
第三个组件是多智能体社会环境，起初完全相同的智能体在其中持续与他人比对行为。作者用一个不含语言模型的原型验证闭环：初始一致的智能体自发打破对称，各自固化出不同且稳定的性格，而对照组没有出现这一现象。接入托管大模型后，这些差异以各异的第一人称自述呈现；五个智能体的审议过程自发形成社会结构，出现一个共识枢纽和一个被一致排斥的离群者，对照组中则不存在这种结构。作者借用庄子的立场，声明只研究可观测的行为涌现，不对主观感受作任何断言。
沙盒的定位与边界
SEAA 的产出包括一个统一框架、带伪代码的具体架构、机制层面的证据，以及一个用于研究人工自我涌现的显微镜式沙盒。对关注智能体长期一致性的读者而言，可编辑的惯性矩阵提供了比提示词更直接的干预点；对研究群体行为的读者而言，同源智能体分化与审议中社会结构的自发形成，给出了可对照的观测对象。需要留意的是，这套架构针对的是性格漂移、反思不演化、自我与他者边界缺失这三项结构性局限，其结论建立在作者设定的实验协议与指标之上，适用范围限于可观测行为的涌现层面。
为什么值得看
为解决智能体人格不稳定问题提供了新架构与实验证据。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。