GPA LM

การสำรวจเกี่ยวกับตัวแทนการเล่นเกมและโมเดลขนาดใหญ่: วิธีการแอปพลิเคชันและความท้าทาย

---

- เร็ว ๆ นี้ : เพิ่มอินโทรหนึ่งประโยคลงในกระดาษแต่ละฉบับ

[arxiv] ♦ [PDF]

- ข่าว

[2024/02/06] การสร้างที่เก็บนี้เพื่อรักษารายการเอกสารเกี่ยวกับตัวแทนที่ใช้ LLM สำหรับการเล่นเกม เอกสารเพิ่มเติมกำลังจะมาเร็ว ๆ นี้!

2024/08

• [2024/08/07] Optimus-1: หน่วยความจำหลายรูปแบบไฮบริดเอเจนต์ที่มีอำนาจดีเยี่ยมในงานที่ยาวนาน [กระดาษ] [รหัส]

2024/07

• [2024/07/21] VideogameBunny: ไปยังผู้ช่วยวิสัยทัศน์สำหรับวิดีโอเกม [กระดาษ] [รหัส]
• [2024/07/05] Autoverse: ภาษาเกมที่พัฒนาขึ้นได้สำหรับการเรียนรู้ตัวแทนที่เป็นตัวเป็นตน [กระดาษ]
• [2024/07/02] Cradle: เพิ่มขีดความสามารถตัวแทนมูลนิธิสู่การควบคุมคอมพิวเตอร์ทั่วไป [กระดาษ] [โครงการ]

2024/06

• [2024/06/20] สองยีราฟในสนามดิน: การใช้การเล่นเกมเพื่อตรวจสอบการสร้างแบบจำลองสถานการณ์ในแบบหลายรูปแบบขนาดใหญ่ [กระดาษ]

2024/05

• [2024/05/23] ไปสู่การต่อสายดิน LLM ที่มีประสิทธิภาพสำหรับการทำงานร่วมกันแบบหลายตัวแทน [กระดาษ] [โครงการ]
• [2024/05/11] Prompt-Gaming: การศึกษานำร่องเกี่ยวกับ LLM-Evaluating Agent ในเกมพลังงานที่มีความหมาย [กระดาษ]

2024/04

• [2024/04/17] AgentKit: วิศวกรรมการไหลด้วยกราฟไม่ใช่การเข้ารหัส [กระดาษ] [รหัส]
• [2024/04/16] เกมภาษาที่ใช้ในการเล่นด้วยตนเองช่วยเพิ่มการใช้เหตุผล LLM [กระดาษ] [รหัส]

2024/03

• [2024/03/23] ประเมิน LLM แบบเรียลไทม์กับ Street Fighter III [รหัส]
• [2024/03/19] ตัวแทน LLM ที่เป็นตัวเป็นตนเรียนรู้ที่จะร่วมมือในทีมที่จัดระเบียบ [กระดาษ]
• [2024/03/18] ตัวแทนอิสระ LLM สามารถร่วมมือกันได้หรือไม่การประเมินความสามารถของสหกรณ์ผ่านหม้อหลอมละลาย [กระดาษ]
• [2024/03/18] Envgen: การสร้างและปรับสภาพแวดล้อมผ่าน LLMs สำหรับการฝึกอบรมตัวแทนที่เป็นตัวเป็นตน [กระดาษ]
• [2024/03/18] Minedreamer: การเรียนรู้ที่จะทำตามคำแนะนำผ่าน Chain-of-Imagination สำหรับการควบคุมโลกจำลอง [กระดาษ] [รหัส]
• [2024/03/14] การปรับสเกลตัวแทนที่ได้รับการแนะนำในโลกจำลองหลายแห่ง [กระดาษ]
• [2024/03/13] ระบบการจัดระเบียบอัตโนมัติแบบลำดับชั้นสำหรับการนำทางแบบหลายตัวแทนแบบเปิด [กระดาษ]
• [2024/03/13] Sotopia-$ pi $: การเรียนรู้แบบโต้ตอบของตัวแทนภาษาอัจฉริยะทางสังคม [กระดาษ] [รหัส]
• [2024/03/08] GPT-4 จะเรียกใช้ Doom หรือไม่? [กระดาษ] [รหัส]
• [2024/03/05] สู่การควบคุมคอมพิวเตอร์ทั่วไป: ตัวแทนหลายรูปแบบสำหรับการไถ่ถอน Red Dead II เป็นกรณีศึกษา [กระดาษ] [โครงการ]
• [2024/03/01] การเล่น Nethack กับ LLMS: ศักยภาพและข้อ จำกัด ในฐานะตัวแทนศูนย์ [กระดาษ] [รหัส]

2024/02

• [2024/02/29] RL-GPT: บูรณาการการเรียนรู้การเสริมแรงและรหัสตามนโยบาย [กระดาษ]
• [2024/02/27] Agent-Pro: การเรียนรู้ที่จะพัฒนาผ่านการสะท้อนและการเพิ่มประสิทธิภาพระดับนโยบาย [กระดาษ] [รหัส]
• [2024/02/21] PCA-BENCH: การประเมินแบบจำลองภาษาขนาดใหญ่หลายรูปแบบในห่วงโซ่การรับรู้การรับรู้-การกระทำ [กระดาษ] [รหัส]
• [2024/02/20] จะเกิดอะไรขึ้นถ้า LLM มีมุมมองของโลกที่แตกต่างกัน: การจำลองอารยธรรมมนุษย์ต่างดาวกับตัวแทนที่ใช้ LLM [กระดาษ] [รหัส]
• [2024/02/07] S-Agents: ตัวแทนการจัดระเบียบตนเองในสภาพแวดล้อมแบบเปิด [กระดาษ]
• [2024/02/04] เพิ่มการใช้เหตุผลสำหรับโมเดลภาษาขนาดใหญ่ในเกมมนุษย์หมาป่า [กระดาษ]
• [2024/02/02] Pokéllmon: ตัวแทนมนุษย์-พาริตี้สำหรับการต่อสู้โปเกมอนที่มีรูปแบบภาษาขนาดใหญ่ [กระดาษ] [รหัส]

2024/01

• [2024/01/31] Swarmbrain: ตัวแทนที่เป็นตัวเป็นตนสำหรับเกมกลยุทธ์แบบเรียลไทม์ Starcraft II ผ่านแบบจำลองภาษาขนาดใหญ่ [กระดาษ]
• [2024/01/19] Civrealm: การเรียนรู้และการให้เหตุผลเกี่ยวกับโอดิสซีย์ในอารยธรรมสำหรับตัวแทนการตัดสินใจ [กระดาษ] [รหัส]
• [2024/01/17] การค้นหาอินสแตนซ์ของข้อผิดพลาดในที่เก็บวิดีโอเกมเพลย์ [กระดาษ] [ข้อมูล]
• [2024/01/04] Pokergpt: นักแก้ปัญหาน้ำหนักเบาแบบ end-to-end สำหรับผู้เล่นหลายผู้เล่น Texas Hold'em ผ่านรูปแบบภาษาขนาดใหญ่ [กระดาษ]

2023/12

• [2023/12/29] ความร่วมมือในทันที: สำรวจตัวแทนภาษาสำหรับการทำงานเป็นทีมเฉพาะกิจในเกม Avalon [กระดาษ]
• [2023/12/23] ตัวแทนภาษาลำดับชั้นที่ขับเคลื่อนด้วย LLM สำหรับการประสานงานมนุษย์แบบเรียลไทม์ [กระดาษ] [โครงการ]
• [2023/12/19] แบบจำลองภาษาขนาดใหญ่เล่น Starcraft II: มาตรฐานและวิธีการสรุป [กระดาษ]
• [2023/12/14] Auto MC-Reward: การออกแบบรางวัลหนาแน่นอัตโนมัติพร้อมรูปแบบภาษาขนาดใหญ่สำหรับ Minecraft [กระดาษ]
• [2023/12/12] MP5: ระบบรวมระบบปลายเปิดแบบหลายโหมดใน Minecraft ผ่านการรับรู้ที่ใช้งานอยู่ [กระดาษ] [รหัส]
• [2023/12/08] Oracle ของ Apollo: การใช้เหตุผลแบบเรียกคืนในการอภิปรายหลายตัวแทน [กระดาษ] [รหัส]
• [2023/12/08] GLITCHBENCH: โมเดลหลายรุ่นขนาดใหญ่สามารถตรวจจับวิดีโอเกม GLITCHES ได้หรือไม่? [กระดาษ] [รหัส]
• [2023/12/07] กรอบการทำงานสำหรับการสำรวจการรับรู้ของผู้เล่นบทสนทนาที่สร้างขึ้นจาก LLM ในวิดีโอเกมเชิงพาณิชย์ [กระดาษ] [เว็บไซต์]
• [2023/12/05] ตัวแทนสร้างสรรค์: เพิ่มขีดความสามารถตัวแทนด้วยจินตนาการสำหรับงานสร้างสรรค์ [กระดาษ] [รหัส]
• [2023/12/04] การเข้ารหัสภาพสำหรับการเรียนรู้การเลียนแบบที่มีประสิทธิภาพในวิดีโอเกมสมัยใหม่ [กระดาษ]
• [2023/12/02] การสร้างตัวแทนที่เป็นตัวเป็นตนปลายเปิดผ่านการปรับตัวแบบสองทิศทางภาษา [กระดาษ]
• [2023/12/01] การถอดรหัสนักสืบดิจิตอล: การทำความเข้าใจพฤติกรรมและความสามารถของ LLM ในเกมลึกลับหลายตัวแทน [กระดาษ]

2023/11

• [2023/11/28] สงครามและสันติภาพ (Waragent): การจำลองแบบหลายตัวแทนแบบจำลองภาษาขนาดใหญ่ของสงครามโลกครั้งที่หนึ่ง [กระดาษ] [รหัส]
• [2023/11/26] ดูและคิดว่า: ตัวแทนที่เป็นตัวเป็นตนในสภาพแวดล้อมเสมือนจริง [กระดาษ] [รหัส]
• [2023/11/20] DesignGPT: การทำงานร่วมกันแบบหลายตัวแทนในการออกแบบ [กระดาษ]
• [2023/11/14] เวทมนตร์: การตรวจสอบรูปแบบภาษาขนาดใหญ่ขับเคลื่อนหลายตัวแทนในการรับรู้การปรับตัวความมีเหตุผลและการทำงานร่วมกัน [กระดาษ] [รหัส]
• [2023/11/10] JARVIS-1: เอเจนต์หลายงานแบบเปิดกว้างพร้อมโมเดลภาษาหลายรูปแบบหน่วยความจำ [กระดาษ] [รหัส]
• [2023/11/08] Adapt: ​​การสลายตัวและการวางแผนที่ต้องการด้วยแบบจำลองภาษา [กระดาษ] [รหัส]

2023/10

• [2023/10/31] ใช้ประโยชน์จากการคาดเดาเกมเพื่อประเมินความฉลาดของแบบจำลองภาษาขนาดใหญ่ [กระดาษ] [รหัส]
• [2023/10/29] ตัวแทนภาษาที่มีการเรียนรู้การเสริมแรงสำหรับการเล่นเชิงกลยุทธ์ในเกมมนุษย์หมาป่า [กระดาษ]
• [2023/10/23] การสืบสวนของ Agent Society ที่ใช้ LLM: การทำงานร่วมกันและการเผชิญหน้าใน Avalon GamePlay [กระดาษ]
• [2023/10/20] Steve-Eye: เตรียมตัวแทนที่เป็นตัวเป็นตนที่ใช้ LLM ด้วยการรับรู้ด้วยภาพในโลกเปิด [กระดาษ] [รหัส]
• [2023/10/18] Sotopia: การประเมินแบบโต้ตอบสำหรับหน่วยสืบราชการลับทางสังคมในตัวแทนภาษา [กระดาษ] [รหัส]
• [2023/10/16] Character-LLM: ตัวแทนฝึกอบรมที่สามารถฝึกได้สำหรับการสวมบทบาท [กระดาษ] [รหัส]
• [2023/10/13] Llama Rider: Spurring Language Models เพื่อสำรวจโลกเปิด [กระดาษ]
• [2023/10/12] GameGPT: กรอบการทำงานร่วมกันแบบหลายตัวแทนสำหรับการพัฒนาเกม [กระดาษ]
• [2023/10/12] Groot: เรียนรู้ที่จะทำตามคำแนะนำโดยดูวิดีโอเกม [กระดาษ] [รหัส]
• [2023/10/12] Octopus: โปรแกรมเมอร์ภาษา Vision Language จากการตอบรับด้านสิ่งแวดล้อม [กระดาษ] [รหัส]
• [2023/10/10] metaagents: การจำลองปฏิสัมพันธ์ของพฤติกรรมมนุษย์สำหรับการประสานงานที่มุ่งเน้นงานที่ใช้ LLM ผ่านตัวแทนการทำงานร่วมกัน [กระดาษ]
• [2023/10/09] ตัวแทน Humanoid: แพลตฟอร์มสำหรับจำลองตัวแทนกำเนิดที่เหมือนมนุษย์ [กระดาษ] [รหัส]
• [2023/10/08] Avalonbench: การประเมิน LLMs เล่นเกม Avalon [กระดาษ] [รหัส]
• [2023/10/06] ความอยากรู้อยากเห็นอย่างระมัดระวัง: แนวทางใหม่สำหรับตัวแทนการเล่นเกมที่เหมือนมนุษย์ [กระดาษ] [รหัส]
• [2023/10/05] การประสานงาน LLM: การประเมินและวิเคราะห์ความสามารถในการประสานงานหลายตัวแทนในรูปแบบภาษาขนาดใหญ่ [กระดาษ] [รหัส]
• [2023/10/03] ตัวแทน Lyfe: ตัวแทนกำเนิดสำหรับปฏิสัมพันธ์ทางสังคมแบบเรียลไทม์ราคาถูก [กระดาษ]
• [2023/10/03] ไปสู่การตัดสินใจที่เป็นตัวเป็นตนแบบครบวงจรผ่านแบบจำลองภาษาขนาดใหญ่หลายรูปแบบ: การสำรวจด้วย GPT4-Vision และอื่น ๆ [กระดาษ] [รหัส]
• [2023/10/02] SmartPlay: มาตรฐานสำหรับ LLMS เป็นตัวแทนอัจฉริยะ [กระดาษ] [รหัส]
• [2023/10/02] เกมแห่งความคิดของ Avalon: ต่อสู้กับการหลอกลวงผ่านการไตร่ตรองซ้ำ [กระดาษ]
• [2023/10/01] ROLELLM: การเปรียบเทียบการทำให้เกิดความสามารถและเพิ่มความสามารถในการสวมบทบาทของแบบจำลองภาษาขนาดใหญ่ [กระดาษ] [รหัส]

2023/09

• [2023/09/29] Adarefiner: การปรับแต่งการตัดสินใจของแบบจำลองภาษาด้วยความคิดเห็นแบบปรับตัว [กระดาษ] [รหัส]
• [2023/09/29] MOTIF: แรงจูงใจที่แท้จริงจากการตอบรับปัญญาประดิษฐ์ [กระดาษ] [รหัส]
• [2023/09/29] LLM-deliberation: การประเมิน LLMs ด้วยเกมการเจรจาต่อรองหลายตัวแทนแบบโต้ตอบ [กระดาษ] [รหัส]
• [2023/09/29] Suspicion-Agent: การเล่นเกมข้อมูลที่ไม่สมบูรณ์ด้วยทฤษฎีของ Mind Aware GPT-4 [กระดาษ] [รหัส]
• [2023/09/29] Autoagents: กรอบการทำงานสำหรับการสร้างเอเจนต์อัตโนมัติ [กระดาษ] [รหัส]
• [2023/09/21] ความรู้ที่แท้จริงมาจากการฝึกฝน: จัดรูปแบบภาษาขนาดใหญ่กับสภาพแวดล้อมที่เป็นตัวเป็นตนผ่านการเรียนรู้การเสริมแรง [กระดาษ] [รหัส]
• [2023/09/18] Mindagent: การโต้ตอบเกมฉุกเฉิน [กระดาษ] [รหัส]
• [2023/09/14] ตัวแทน: กรอบโอเพนซอร์ซสำหรับตัวแทนภาษาอิสระ [กระดาษ] [รหัส]
• [2023/09/09] สำรวจแบบจำลองภาษาขนาดใหญ่สำหรับเกมการสื่อสาร: การศึกษาเชิงประจักษ์เกี่ยวกับมนุษย์หมาป่า [กระดาษ]

2023/08

• [2023/08/23] เป็นผู้เล่น PATGPT และ GPT-4 Good Poker หรือไม่-การวิเคราะห์ล่วงหน้า [กระดาษ]
• [2023/08/22] Proagent: การสร้าง AI สหกรณ์เชิงรุกโดยใช้แบบจำลองภาษาขนาดใหญ่ [กระดาษ] [รหัส]
• [2023/08/21] Agentverse: อำนวยความสะดวกในการทำงานร่วมกันหลายตัวแทนและสำรวจพฤติกรรมฉุกเฉินในตัวแทน [กระดาษ] [รหัส]
• [2023/08/19] GameEval: การประเมิน LLMs ในเกมสนทนา [กระดาษ] [รหัส]
• [2023/08/16] Autogen: เปิดใช้งานแอปพลิเคชัน LLM Gens Next-Gen ผ่านกรอบการสนทนาหลายตัวแทน [กระดาษ]
• [2023/08/15] Calypso: LLMS เป็นผู้ช่วยของ Dungeon Master [กระดาษ]
• [2023/08/08] Agentsims: กล่องทรายโอเพนซอร์ซสำหรับการประเมินแบบจำลองภาษาขนาดใหญ่ [กระดาษ]
• [2023/08/01] MetAgpt: การเขียนโปรแกรมเมตาสำหรับกรอบการทำงานร่วมกันแบบหลายตัวแทน [กระดาษ] [รหัส]

2023/07

• [2023/07/24] Tachikuma: ทำความเข้าใจกับปฏิสัมพันธ์ที่ซับซ้อนกับวัตถุหลายตัวละครและวัตถุแปลกใหม่โดยแบบจำลองภาษาขนาดใหญ่ [กระดาษ]
• [2023/07/21] การรับรู้แบบเลือก: เพิ่มประสิทธิภาพคำอธิบายของรัฐด้วยการเรียนรู้การเสริมแรงสำหรับนักแสดงรูปแบบภาษา [กระดาษ] [โครงการ]
• [2023/07/12] Sayplan: สายดินแบบจำลองภาษาขนาดใหญ่โดยใช้กราฟฉาก 3 มิติสำหรับการวางแผนงานที่ปรับขนาดได้ [กระดาษ]
• [2023/07/05] อาคารเป็นตัวแทนของตัวแทนที่เป็นตัวเป็นตนอย่างเป็นโมดูลกับแบบจำลองภาษาขนาดใหญ่ [กระดาษ] [รหัส]
• [2023/07/04] Tapa: การวางแผนงานที่เป็นตัวเป็นตนด้วยรูปแบบภาษาขนาดใหญ่ [กระดาษ] [รหัส]

2023/06

• [2023/06/20] Sprint: นโยบายที่ปรับขนาดได้ก่อนการฝึกอบรมผ่านการเรียนการสอนภาษา [กระดาษ] [รหัส]
• [2023/06/15] ChessGPT: การเชื่อมโยงการเรียนรู้นโยบายและการสร้างแบบจำลองภาษา [กระดาษ] [รหัส]
• [2023/06/02] OMNI: เปิดกว้างผ่านแบบจำลองของแนวคิดที่น่าสนใจของมนุษย์ [กระดาษ] [รหัส]
• [2023/06/01] Steve-1: แบบจำลองการกำเนิดสำหรับข้อความถึงพฤติกรรมใน Minecraft [กระดาษ] [รหัส]

2023/05

• [พฤษภาคม -23] กระท่อม: การสร้างเกมผจญภัยที่เชื่อมโยงกัน [กระดาษ] [รหัส]
• [2023/05/30] AlphaBlock: เป็นตัวเป็นตน finetuning สำหรับการใช้เหตุผลภาษาวิสัยทัศน์ในการจัดการหุ่นยนต์ [กระดาษ]
• [2023/05/26] เล่นเกมซ้ำ ๆ ด้วยรุ่นภาษาขนาดใหญ่ [กระดาษ]
• [2023/05/25] Voyager: ตัวแทนที่เป็นตัวเป็นตนปลายเปิดที่มีรูปแบบภาษาขนาดใหญ่ [กระดาษ] [รหัส]
• [2023/05/25] ผีใน Minecraft: ตัวแทนที่มีความสามารถโดยทั่วไปสำหรับสภาพแวดล้อมแบบเปิดของโลกผ่านแบบจำลองภาษาขนาดใหญ่ที่มีความรู้และหน่วยความจำบนข้อความ [กระดาษ] [รหัส]
• [2023/05/24] ฤดูใบไม้ผลิ: การศึกษาเอกสารและเหตุผลในการเล่นเกม [กระดาษ] [รหัส]
• [2023/05/23] การปรับปรุงข้อเท็จจริงและการใช้เหตุผลในรูปแบบภาษาผ่านการอภิปรายหลายหน่วยงาน [กระดาษ] [รหัส]
• [2023/05/17] การปรับปรุงการเจรจาต่อรองรูปแบบภาษาด้วยการเล่นด้วยตนเองและการเรียนรู้ในบริบทจากข้อเสนอแนะ AI [กระดาษ] [รหัส]
• [2023/05/09] TidyBot: ความช่วยเหลือหุ่นยนต์ส่วนบุคคลด้วยแบบจำลองภาษาขนาดใหญ่ [กระดาษ] [รหัส]
• [2023/05/01] ARK: เพิ่มความเป็นจริงด้วยความสามารถในการโต้ตอบความรู้ [กระดาษ]

2023/04

• [2023/04/07] ตัวแทนกำเนิด: simulacra แบบโต้ตอบของพฤติกรรมมนุษย์ [กระดาษ] [รหัส]
• [2023/04/06] รุ่นภาษาขนาดใหญ่สามารถเล่นเกมข้อความได้ดีหรือไม่? คำถามที่ทันสมัยและเปิดกว้าง [กระดาษ] [รหัส]
• [APR-23] การสร้างเควสต์และบทสนทนาส่วนบุคคลในเกมสวมบทบาท: แนวทางกราฟความรู้และวิธีการใช้แบบจำลองภาษา [กระดาษ] [รหัส]

2023/03

• [2023/03/31] อูฐ: ตัวแทนสื่อสารสำหรับ '' จิตใจ '' การสำรวจของสังคมโมเดลภาษาขนาดใหญ่ [กระดาษ] [รหัส]
• [2023/03/29] การเรียนรู้การเสริมแรงและการวางแผนสำหรับงานที่เปิดกว้างของโลก [กระดาษ] [รหัส]
• [2023/03/06] Palm-E: โมเดลภาษาหลายรูปแบบที่เป็นตัวเป็นตน [กระดาษ]

2023/02

• [2023/02/13] ชี้นำการเรียนรู้ในการเรียนรู้การเสริมแรงด้วยแบบจำลองภาษาขนาดใหญ่ [กระดาษ] [รหัส]
• [2023/02/12] Mariogpt: การสร้าง Text2level แบบเปิดจบผ่านแบบจำลองภาษาขนาดใหญ่ [กระดาษ] [รหัส]
• [2023/02/03] อธิบายอธิบายวางแผนและเลือก: การวางแผนแบบโต้ตอบกับ LLMS ช่วยให้ตัวแทนหลายงานเปิดกว้าง [กระดาษ] [รหัส]

2023/01

• [2023/01/28] DO Abtodied Agent Dream of Pixelated Sheep: การตัดสินใจที่เป็นตัวเป็นตนโดยใช้การสร้างแบบจำลองภาษาโลกแบบนำทาง [กระดาษ]
• [2023/01/21] การควบคุมหลายงานแบบเปิดกว้างผ่านการเรียนรู้การเป็นตัวแทนที่ตระหนักถึงเป้าหมายและการทำนายแนวขอบฟ้าแบบปรับตัว [กระดาษ] [รหัส]

2022

• [2022/11/22] การเล่นระดับมนุษย์ในเกมการทูตโดยการรวมแบบจำลองภาษาเข้ากับการใช้เหตุผลเชิงกลยุทธ์ [กระดาษ]
• [2022/11/21] การได้มาซึ่งทักษะหุ่นยนต์ผ่านการเพิ่มคำสั่งด้วยโมเดล Vision-Language [กระดาษ]
• [2022/10/24] การเป็นตัวแทนของโลกฉุกเฉิน: การสำรวจแบบจำลองลำดับที่ผ่านการฝึกอบรมเกี่ยวกับงานสังเคราะห์ [กระดาษ] [รหัส]
• [2022/10/05] รุ่นภาษาขนาดใหญ่เป็นเครื่องตรวจจับข้อผิดพลาดวิดีโอเกมที่ดีเป็นศูนย์ [กระดาษ] [รหัส]
• [2022/08/08] Social Simulacra: การสร้างต้นแบบที่มีประชากรสำหรับระบบคอมพิวเตอร์ทางสังคม [กระดาษ]
• [2022/07/12] การพูดคนเดียวภายใน: การใช้เหตุผลที่เป็นตัวเป็นตนผ่านการวางแผนด้วยแบบจำลองภาษา [กระดาษ]
• [2022/06/23] วิดีโอ pretraining (VPT): การเรียนรู้ที่จะแสดงโดยดูวิดีโอออนไลน์ที่ไม่มีป้ายกำกับ [กระดาษ]
• [2022/06/07] Minedojo: การสร้างตัวแทนที่เป็นตัวเป็นตนปลายเปิดที่มีความรู้ระดับอินเทอร์เน็ต [กระดาษ] [รหัส]

การอ้างอิง

หากคุณพบว่าที่เก็บนี้มีประโยชน์โปรดอ้างอิงกระดาษของเรา:

 @misc{xu2024survey,
      title={A Survey on Game Playing Agents and Large Models: Methods, Applications, and Challenges},
      author={Xinrun Xu, Yuxin Wang, Chaoyi Xu, Ziluo Ding, Jiechuan Jiang, Zhiming Ding, Börje F. Karlsson},
      year={2024},
      eprint={2403.10249},
      archivePrefix={arXiv},
      primaryClass={cs.AI}
}

ติดต่อ

• Börje F. Karlsson @Tellarin: [email protected]
• xinrun xu @xinrunxu: [email protected]