Becoming an Expert in a Complex Human System Through Behavior Simulation

本篇文章属于LLM系列内容，主要涉及对《大型语言模型在复杂人类系统中通过行为模拟实现推理：成为专家的顾问角色》这一文献的翻译工作。

大型语言模型需要顾问进行推理：通过行为模拟成为复杂人类系统中的专家

• 摘要
  • 1 引言
  • 2 相关研究
  • 3 社交游戏中行为的仿真
  • 4 架构与技术手段
  • 5 实验分析
  • 6 分析与探讨
  • 7 总结

摘要

大型语言模型（LLM）与多种推理增强手段相融合，在数学、法律、编程、常识以及世界知识等多个领域展现出接近人类水平的卓越能力。本文中，我们对LLM在复杂人类系统中的推理性能进行了深入探讨。通过引入基于生成代理的仿真技术，我们构建了一种全新的推理体系，命名为“马赛克专家观察墙”（MEOW）。在MEOW框架下，借助模拟数据对专家模型进行训练，使其在每一个独立的模拟周期内聚焦于特定任务所积累的“经验”。正是这些由模拟过程所产生的“经验”，使专家模型能够在复杂的现实系统中完成指定任务。我们选取了一个能够反映真实世界安全情境的通信游戏作为实验平台。实验结果显示，所提出的方法能够有效与现有技术结合，从而显著增强LLM在复杂人类系统中的推理表现。

1 引言

2 相关工作

3 交际游戏中的行为模拟

4 结构和方法

5 实验