The Smallville sandbox world - 25个虚拟居民的小镇
今天，我们要谈论斯坦福大学和谷歌共同开发的一个有25个虚拟居民的小镇。这个项目是一个月前上线的，我在周末终于有时间体验了一下。
这个游戏主要目的是模拟人类行为交互，通过生成模型研究不断变化的经验和环境下，个体与群体行为如何互动，以深入了解各种互动、人际关系和社会理论。游戏链接：http://reverie.herokuapp.com/arXiv_Demo/#
当进入游戏时，时间从2023年2月13日星期一早上6点开始，也就是情人节的前一天。游戏世界的时间比现实世界快得多，每个小时在现实世界只有40秒。正所谓人间一年，游戏世界百年。游戏中有25个虚拟角色，我选择了一个名叫Adam Smith的角色，观察了他一天的活动。
在游戏时间的早上9:39:40，我们看到Adam Smith在与Abigail Chen聊天。点击角色头像可查看更多对话细节。
http://reverie.herokuapp.com/replay_persona_state/March20_the_ville_n25_UIST_RUN-step-1-141/2160/Adam_Smith/ 也可以看到节点信息：
[node_241] 2023-02-13 09:38:20: Adam Smith is conversing about a conversation between Abigail Chen and Adam Smith discussing local politics, investing in the local economy, promoting creativity and innovation, interactive art projects, meeting with Yuriko Yamamoto, running into Rajiv to talk about local politics and art, and also sharing recommendations for interesting books and drinks at the pub.
我把 AS 的流水账发给 chatGPT，ChatGPT总结了Adam Smith是一个什么样的人：
Adam Smith 是一个关注社区、艺术与创新的人，同时也着眼于创建就业机会和探索潜在的合作关系。他对本地经济和政治感兴趣，想与社区中的他人合作推广创意和创新，为年轻人创造就业机会。他对研究即将到来的市长选举以及混合饮料行业的发展极为关注，并计划与Yuriko Yamamoto和Arthur Burton合作。他喜欢阅读，并与社区中的不同人沟通，包括在The Rose and Crown Pub这样的咖啡馆中。此外，他也对数学和自然、艺术的联系有共同的兴趣，同时也喜爱美食鸡尾酒及调酒。
也帮我总结了他今天干了啥：
Adam Smith这一天的活动包括但不限于以下几点：
I.
准备并吃早餐。 进行晨练，包括跑步、仰卧起坐和俯卧撑等。 清洗餐具并清理早餐厨房。 阅读报纸。 撰写笔记。 参与讨论，包括讨论了 Sam Moore 的竞选问题和书籍推荐等。 选择阅读书籍。 休息和反思。 完成未知的任务 # 1。 保持家具和设备的闲置状态。 II.
研究市长选举，包括研究候选人、研究选举流程、研究当地新闻和民意调查以及总结研究结果。 与人交流合作研究市长选举，包括与Yuriko Yamamoto和John Lin的对话以及与Hailey Johnson和Eddy Lin的对话。 休息，包括听音乐、散步、吃零食、冥想、写日记和伸展。 规划未来，包括与Hailey Johnson和Eddy Lin的对话以及回顾研究结果和做出必要的改变。 睡觉和睡眠。
该项目的论文名为《Generative Agents: Interactive Simulacra of Human Behavior》，论文链接：https://arxiv.org/pdf/2304.03442.pdf
团队的主要贡献包括：创建了能够动态地模拟代理不断变化的经验和环境的生成代理；设计了一种新颖的架构，使生成代理能够记住、检索、反映、与其他代理交互，并通过动态变化的环境进行规划；通过两种评估方法建立架构组件重要性的因果关系，并识别由错误的记忆检索等引起的故障；讨论了生成代理在交互式系统中的机会以及伦理和社会风险。该团队试图建立一个虚拟的开放世界框架，智能代理在其中开展业务并以自然语言相互交流。他们的代理架构将大型语言模型与基于LLM输出合成和提取信息的机制相结合，使代理能够从过去的经验中学习并做出更准确的实时推理，同时保持角色的连贯性。
核心代理组件是他们的记忆流，一个综合记录过去经历的数据库。代理可以从其内存流中检索相关信息，进行反思并制定行动计划。代理还可以递归地将记录综合到更高级别的观察中，以指导更复杂的行为。
该团队通过让25个生成代理在一个沙盒环境中充当非玩家角色(NPC)，以自然语言进行互动，并进行了实证研究。这个沙盒环境是使用Phaser网络游戏开发框架构建的Smallville。在实验中，这些代理展示了性格连贯性以及在记忆、计划、反应和反思方面的可信类人行为。
这项工作推动了基于LLM的拟像的发展，这些拟像由具有动态和交互式类人行为的代理组成，具有在角色扮演、社交原型、沉浸式环境和游戏中的潜在应用。