Generative Agents 深度精讀
系列 · 1 篇
-
Generative Agents：用觀察–反思–計畫模擬多人行為，但不能把沙盒記憶當成 MemGPT 的 OS 分頁
中階 Agent Runtime、安全與評測精讀 Park et al. UIST 2023／arXiv:2304.03442 v2：25 個 agent 在 Smallville 以 memory stream、週期反思與檢索式規劃互動。訪談消融 TrueSkill μ 29.89 對完全消融 21.21；兩天沙盒中資訊擴散與派對協調是定性證據，不是生產 runtime。
90 秒掌握這篇論文
- 問題
- LLM 能在單一時間點產生像人的行為，但長期連貫的 believable agent 需要隨互動增長的記憶、跨 agent 的社會動態，以及把過去經驗用來規劃下一步——只靠更長 prompt 或單次生成不夠。
- 核心洞見
- 把每個 agent 的完整經驗以自然語言寫進 memory stream，用 reflection 週期合成高階推論，再用 relevance／recency／importance 檢索相關記憶來 plan 與 react；25 個 agent 在 Smallville 沙盒中互動，記憶控制平面是「社交模擬的觀察–反思–計畫」，不是 MemGPT 對單一 agent 的 OS 式 context 分頁。
- 最強證據
- 訪談消融（Figure 8）上完整架構 TrueSkill μ 29.89（σ=0.72），優於無反思（26.88）、無反思＋規劃（25.64）、眾包基線（22.95）、完全消融（21.21）。兩天開放模擬（Section 7.1）：市長資訊持有者 4%→32%、派對資訊 4%→52%；關係網路密度 0.167→0.74；派對 12 人受邀、5 人到場。
- 主要邊界
- 沙盒＋ChatGPT，模擬兩天遊戲時間成本「數千美元 token、多天運行」（Section 8.2）；常見失效是檢索不到相關記憶、捏造 embellishment、instruction tuning 帶來過度正式語氣。不是生產 ACL 記憶、不是 Reflexion 的跨 trial 語言 credit assignment，也不是後來 Letta／xMemory 產品或 benchmark 數字。
歡迎演講、企業內部技術分享與架構交流；可以先查看我適合分享的主題與公開工程成果。
演講與聯絡