大模型讓智能體學會與人類合作，具身智能新成果來了
來自馬薩諸塞大學阿默斯特分校和MIT-IBM Watson AI Lab的淦創團隊
具身智能，已成為最火的研究方向之一。
在大模型加持下，智能體不光能聽懂人話，還學會相互合作或與人合作。
圖2展示了「共享信息」能力：Alice先向Bob分享自己找到的容器的位置信息，隨后Bob向Alice分享了目標的的位置信息。
圖3展示了「向他人的行為提出建議」的能力：除了Alice和Bob互相分享自己的位置外，Bob還根據自己所掌握的信息向Alice提出了具體的行動建議。
圖4展示了「向他人提出請求并回應請求」的能力：Bob在容器已經滿了的情況下發現了新的目標物體，于是他請求Alice幫忙取走這個目標物體。Alice在隨后的行為中確實幫忙取走了這個物體。
圖5展示了「推理」能力：Alice和Bob分別分享自己探索到的知識，然后Alice根據Bob提供的信息改變了策略，使用了更有效率的合作方式。
圖6還展示了大語言模型智能體各種令人驚訝的能力。包括：（a）進行辯論與方案的選擇（b）提出與響應請求（c）在能夠快速完成任務的情況下選擇不去交流（d）在需要幫助的情況下尋求幫助（e）共享信息
圖7展示了大語言模型智能體與人類合作也表現良好，通過與人類交流劃分了探索空間，從而快速完成了任務。
工作原理：（圖8 ）
該研究中的LLM智能體包含了觀察、信念、交流、推理和規劃五個模塊。
觀察模塊：在智能體從環境中接收到的高維原始信息中提取有效信息。
信念模塊：用來維護對環境和其他智能體的記憶。
交流模塊：利用大語言模型的理解能力和自由形式語言生成能力來生成溝通的內容，借助精心設計的提示詞實現。
推理模塊：利用大語言模型的復雜推理能力，綜合前面模塊獲得的所有信息，進行決策，決定包括是否溝通在內的高層級的計劃。具體實現則是利用精心設計的提示詞將問題轉化為選擇題，并利用思維鏈技術更好的激發大語言模型推理能力。
規劃模塊：將推理模塊生成的高層級計劃轉化為環境可執行的低層級動作。
該研究來自馬薩諸塞大學阿默斯特分校和MIT-IBM Watson AI Lab的淦創團隊，目前論文和開源代碼均已上線。
項目主頁：
https://vis-www.cs.umass.edu/Co-LLM-Agents
GitHub：
https://github.com/UMass-Foundation-Model/Co-LLM-Agents
- 空間智能卡脖子難題被杭州攻克！難倒GPT-5后，六小龍企業出手了2025-08-28
- 陳丹琦有了個公司郵箱，北大翁荔同款2025-08-28
- 英偉達最新芯片B30A曝光2025-08-20
- AI應用如何落地政企？首先不要卷通用大模型2025-08-12
相關閱讀
