TL;DR
- v1 نوع اعلام:.
- جدید چکیده:.
- نظریه ذهن (ToM) -- توانایی مدل سازی حالات ذهنی دیگران -- برای شناخت اجتماعی انسان اساسی است.
چه اتفاقی افتاد
v1 نوع اعلام:. جدید چکیده:.
نظریه ذهن (ToM) -- توانایی مدل سازی حالات ذهنی دیگران -- برای شناخت اجتماعی انسان اساسی است. این که آیا مدلهای زبان بزرگ (LLM) میتوانند ToM را توسعه دهند،.
منحصراً از طریق خطهای ایستا آزمایش شده است،. و باز میماند که آیا استدلال ToM مانند میتواند از طریق تعامل پویا ظاهر شود یا خیر.
در اینجا گزارش میدهیم که عوامل LLM مستقل که جلسات طولانی پوکر تگزاس هولدم را بازی میکنند،. به تدریج مدلهای حریف پیچیدهای را توسعه میدهند،.
اما تنها زمانی که به حافظه پایدار مجهز شده باشند. در یک حافظه متقاطع طرح فاکتوریل 2x2 (حاضر/غایب) با دانش دامنه (حال/غایب)،.
هر کدام با پنج تکرار (N = 20 آزمایش،. ~ 6000 مشاهدات با دست عامل)،.
متوجه میشویم که حافظه برای ظهور رفتار ToM-مانند هم لازم و هم کافی است (دلتای کلیف = 1. 0، p = 1.
0). عوامل با حافظه به سطح ToM 3-5 میرسند (پیش بینی به مدلسازی بازگشتی)،.
در حالی که عوامل بدون حافظه در تمام تکرارها در سطح 0 باقی میمانند. فریب استراتژیک مبتنی بر مدلهای حریف منحصراً در شرایط مجهز به حافظه رخ میدهد (P دقیق فیشر 0.
001). تخصص دامنه ظهور رفتار ToM مانند را ایجاد نمیکند،.
اما کاربرد آن را افزایش میدهد:. عوامل بدون دانش پوکر سطوح ToM معادل اما فریب دقیق کمتری را توسعه میدهند (0.
004 = p). عوامل با ToM از بازی از لحاظ نظری بازی بهینه منحرف میشوند (67% در مقابل 79% پایبندی به،.
دلتا = -1. 0، p = 0.
008) برای سوء استفاده از حریفان خاص، بازتاب بازی انسانی متخصص. همه مدلهای ذهنی به زبان طبیعی بیان میشوند و مستقیماً قابل خواندن هستند و پنجرهای شفاف به شناخت.
اجتماعی هوش مصنوعی ارائه میکنند. اعتبارسنجی مدل متقاطع با GPT-4o کاپا کوهن را با وزن 0.
81 به دست میدهد (توافق تقریباً کامل). این یافتهها نشان میدهند که رفتار ToM مانند عملکردی میتواند از آن پدید آید پویایی تعامل به تنهایی،.
بدون آموزش یا تحریک صریح،. با مفاهیمیبرای درک هوش اجتماعی مصنوعی و شناخت اجتماعی بیولوژیکی.
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.