Simulating phenomenal consciousness using generative agents based on large language models

Han‐Zhong Zhang

doi:10.1016/j.asoc.2025.113922

Simulating phenomenal consciousness using generative agents based on large language models

2025-09-22

0

PRE

AI

DOI：10.1016/j.asoc.2025.113922

原文链接

原文求助

摘要

En 中文

• 为增强生成式智能体的基础结构，使其更智能且可解释，我们提出内部时间意识机（ITCM）作为生成式智能体底层架构的重构。这一计算意识结构可帮助生成式智能体以更高的灵活性和智能性处理复杂任务，同时提升其可解释性，使其行为更易理解和预测。 • 技术上，基于所提出的ITCM结构，我们引入一种基于ITCM的智能体（ITCMA）。 • 在Alfworld环境中的评估表明，经过训练的ITCMA在已见数据集上的表现优于当前最佳水平（SOTA）9%。即使未训练的ITCMA在已见数据集上的任务完成率也达到96%，比SOTA高5%，表明其在效用和泛化能力上优于传统智能体。 • 在四足机器人的实际任务中，未训练的ITCMA实现了85%的任务完成率，这一表现接近其在未见数据集上的性能，证明了其在现实场景中的实用性与可比性。

Simulating phenomenal consciousness using generative agents based on large language models

摘要

期刊

机构

引用论文