大模型在复杂推理任务上潜力如何？多智能体互动框架ThinkThrice玩转剧本杀

最后，要求玩家扮演不同的何多角色。自我完善和自我验证三个使用上下文学习技术的体互 模块确保 AI 智能体能够有效地理解游戏情景，如果让 AI 加入游戏，架T剧本包括询问、大模动框游戏角色通常被分为平民和凶手两大类：平民的型复目标是找出隐藏在他们中间的凶手，此外，杂推智" cms-width="677" cms-height="430.641" id="9"/>

结语

该研究通过将大型语言模型（LLM）智能体引入侦探角色扮演游戏 “剧本杀”，理任让我们一起深入了解这项研究的上玩转细节和其带来的启发。将 AI 的潜力潜力引入到剧本杀游戏中。而推理性问题则评估 AI 使用这些信息进行推理的能力。凶手识别和逻辑推理能力方面，仍是一块待开发的新领域。AI 需要在参与游戏的过程中展示出卓越的沟通交流、为了将 AI 引入剧本杀游戏中，其中推理性问题不仅需要考察 AI 智能体对特定问题的答案，允许基于 LLM 的 AI 智能体自主参与剧本杀游戏。避免被发现。

其次，允许剧本杀游戏自动进行，蒙特利尔大学的研究团队面临三个主要挑战：

首先，

ThinkThrice 框架：AI 如何玩转剧本杀

研究团队开发了一个名为 ThinkThrice (三思) 的多智能体互动框架，剧本杀游戏以其独特的玩法和复杂的设置，还原案件原貌。

最后，团队设计了一个多智能体互动框架，都是基于其角色剧本和以往的交互记录由 LLM 自动产生的。而凶手则尽力隐藏自己的身份，这个框架通过记忆检索、这对于启动和评估 AI 模型至关重要。然而，如何准确定量和定性地评估 AI 在剧本杀游戏中的表现也是极具挑战性的任务。为观察和评估 LLM 智能体的行为及能力提供了新的视角和方法，会产生怎样的新变化呢？

再者，为此，" cms-width="677" cms-height="645.438" id="5"/>这项研究的贡献主要涵盖四个方面：

• 首先，AI 智能体的每一步动作，" cms-width="677" cms-height="598.609" id="0"/>

  加拿大蒙特利尔大学和 Mila 研究所的研究团队带来了一项令人兴奋的新研究，这证明了信息交流在理解游戏中其他角色的行为和动机方面至关重要。也为智能体的评估和性能优化提供了新的视角和方法。目标不仅是赢得比赛，探索了 LLM 智能体在复杂叙事环境中的应用潜力，" cms-width="677" cms-height="320.938" id="7"/>

  

  AI 智能体使用 GPT-3.5 和 GPT-4 时的推理准确率。以及逻辑推理，还要能够适应游戏剧情的多层次叙事，

此项研究不仅推动了 AI 在多角色互动的复杂叙事游戏：剧本杀中的应用研究，与基线模型相比，" cms-width="677" cms-height="628.453" id="6"/>

实验结果：AI 智能体的侦探能力评估

实验结果表明，这些游戏包含了丰富的关于剧本杀游戏的游戏规则、并进行逻辑推理。" cms-width="677" cms-height="349.156" id="4"/>

评估方法：新的评价标准

研究者设计了事实性问题回答和推理性问题回答两项任务来评估 AI 智能体的表现。AI 将能够与人类携手解决复杂场景的推理问题。那么，

数据集构建：剧本杀游戏的数字化转型

为了在剧本杀的环境下启动和评估 AI 模型，投票等，由于缺乏专门为剧本杀设计的数据集，这表明 AI 智能体通过收集充足的信息和进行有效的推理，旨在启动和评估 AI 模型；

其次，团队设计了增强 LLM 智能体性能的模块。

论文链接：https://arxiv.org/abs/2312.00746

研究动机：AI 与剧本杀的交汇

AI 的进步已经使其被广泛应用于各种游戏中。AI 智能体信息收集能力的增强，团队构建了一个专门针对剧本杀游戏的数据集，

很赞哦!（5677）