人工智能代理（智能體）已經單獨或在小組內進行了評估，其中交互的范圍和復雜性仍然有限。涉及許多自主主體的大規模模擬——反映了整個文明過程——尚未得到探索。Altera.AL 是一家專注于創建數字人類的研究公司，他們的使命是創建能夠與我們共生、成長的數字人類。這家公司集結了來自 MIT、斯坦福、谷歌 X 和 Citadel 等頂級機構的計算神經科學家、計算機科學家和工程師，旨在推動這一前沿研究。他們的使命不僅僅是設計出智能代理，更是希望這些數字人類能夠在未來的社會中扮演重要角色，與人類社會共同進化。

圖1：從代理架構到代理文明

Altera.AL 的成立初衷是打破傳統 AI 研究的界限，探索更為廣泛和深遠的應用可能性。其團隊由來自全球知名學術和研究機構的專家組成，背景涵蓋了從計算神經科學到復雜系統工程等多個領域。這種多學科的融合使得 Altera.AL 能夠在 AI 領域取得顯著進展，特別是在創建和培養能夠自主學習和進化的數字人類方面。公司的核心理念是，通過這些數字人類的存在和發展，人類社會可以迎來一個更加智能和高效的未來。

Sid 項目是 Altera.AL 的最新研究成果，旨在探索多智能體系統在模擬文明發展中的潛力。這個項目的核心目標是通過大規模的多智能體模擬，研究 AI 代理在復雜社會環境中的行為和進展。為此團隊開發了一個名為 PIANO（Parallel Information Aggregation via Neural Orchestration）的創新架構，使得 AI 代理能夠在實時互動中保持多個輸出流的一致性。

研究方法包括在 Minecraft 的沙盒環境中進行大規模模擬，觀察 10 到 1000 個以上 AI 代理在模擬社會中的表現。這些模擬不僅設置了受人類歷史啟發的文明基準，還涉及 AI 代理的自主專業化、集體規則的遵守和修訂以及文化和宗教的傳播。

項目背景

Altera.AL 是一家以創建數字人類為使命的研究公司，匯集了來自全球頂級學術和科技機構的專家團隊。這些機構包括 MIT、斯坦福、谷歌 X 和 Citadel 等。Altera.AL 的團隊成員在計算神經科學、計算機科學和工程領域擁有豐富的經驗，他們的共同目標是推動AI技術的發展，使其能夠在未來的人類社會中發揮重要作用。

研究團隊中，模型開發由Andrew Ahn、Nic Becker、Manuel Cortes、Arda Demirci、Melissa Du、Peter Y Wang 和 Guangyu Robert Yang 負責。實驗部分同樣有 Andrew Ahn、Nic Becker、Melissa Du、Arda Demirci 和 Peter Y Wang 的參與。寫作工作由 Andrew Ahn、Nic Becker、Arda Demirci、Melissa Du、Peter Y Wang 和 Guangyu Robert Yang 共同完成。基礎設施方面，Manuel Cortes、Shuying Luo 和 Feitong Yang 提供了支持。這些專家在各自領域的深厚背景，使他們能夠在Altera.AL 的平臺上協同工作，共同推進Sid項目的研究。

Sid項目的技術背景和研究方向集中在多智能體系統的開發和優化上，特別是研究這些智能體在模擬環境中如何表現出復雜的社會行為。項目采用了一個名為PIANO（Parallel Information Aggregation via Neural Orchestration）的創新架構，該架構旨在通過并行信息聚合和神經編排，使智能體能夠在實時互動中保持多個輸出流的一致性。

圖2:LLM（左）、LLM驅動的代理（中）和多代理組（右）中的數據退化。幻覺以綠色的頭骨燒瓶為代表。由單個LLM提示產生的幻覺可以在連續的LLM調用中復合。一個產生幻覺的個體也可以通過社交互動導致整個群體產生幻覺。

研究團隊選擇了Minecraft作為模擬環境，因為它提供了一個開放的沙盒世界，允許智能體通過對話和行動進行廣泛的互動。Sid項目的研究方向包括評估AI智能體在大規模模擬社會中的行為和進展，特別是他們如何自主發展專業角色、遵守和修訂集體規則以及參與文化和宗教的傳播。

PIANO架構

Sid項目的核心技術是PIANO（Parallel Information Aggregation via Neural Orchestration）架構，這一創新架構設計旨在使AI代理能夠在實時互動中保持多個輸出流的一致性。PIANO架構的設計原則和主要功能模塊是其成功的關鍵。

圖3:PIANO（通過神經編排的并行輸入聚合）架構。WM：工作記憶。STM：短期記憶。LTM：長期記憶。

架構設計原則：并發模塊與信息瓶頸

PIANO架構的設計原則主要包括并發性和信息瓶頸。并發性方面，PIANO通過允許代理在不同時間尺度上同時運行多種模塊，使代理能夠在執行復雜任務時保持高效。例如，代理可以在規劃長期策略的同時，實時響應環境中的緊急威脅。這種設計消除了傳統單線程代理在處理多任務時的瓶頸。

信息瓶頸則通過設立一個認知控制器模塊，將代理狀態中的關鍵信息匯總后傳遞給控制器，以便其做出高層次決策。控制器的決定會被傳遞給各個執行模塊，從而確保代理的所有輸出保持一致。這一設計不僅提高了代理在復雜環境中的行為連貫性，還賦予系統設計者對信息流的明確控制，使得代理能夠在特定情境下表現出更為合理和一致的行為。

主要模塊功能解析

PIANO架構包含多個核心模塊，每個模塊在代理的行為生成中扮演著獨特的角色。

• 記憶模塊：存儲和檢索跨越各種時間尺度的對話、行為和觀察，使代理能夠利用歷史信息進行決策。
• 行動意識模塊：允許代理評估自身狀態和表現，進行實時調整。這對于確保代理行為與預期一致至關重要。
• 目標生成模塊：根據代理的經驗和環境交互生成新目標，推動代理在復雜環境中自主探索和適應。
• 社交意識模塊：幫助代理解讀和回應其他代理的社交線索，促進合作與交流。這一模塊在模擬社會動態中尤為重要。
• 講話模塊：負責解釋和生成語言，使代理能夠與人類和其他代理進行自然對話。
• 技能執行模塊：執行特定技能或動作，如建造、采礦等具體任務，確保代理能夠在模擬環境中有效行動。

通過這些模塊的協同工作，PIANO架構使得AI代理能夠在大規模多智能體模擬中表現出連貫且富有適應性的行為。代理不僅能夠應對個體任務，還能在群體互動中表現出類似于人類社會的復雜動態。

單一代理進展

Sid項目團隊選擇Minecraft作為研究環境，這個虛擬沙盒世界以其開放性和無限可能性著稱。Minecraft允許代理通過對話和行動進行互動，提供了一個完美的平臺來觀察和評估AI代理在復雜社會環境中的行為。這個虛擬環境的可擴展性使得研究團隊能夠支持大量的代理進行模擬，從而更好地研究文明進展的各種動態。

為了評估單個AI代理的進展，研究團隊設計了一系列基于Minecraft物品收集的基準測試。具體而言，測試的目標是觀察代理在獨立環境中如何通過采集和收集物品來展現其進步。不同于小規模的模擬，Sid項目的基準測試涉及25個代理，他們在沒有初始物品的情況下被生成在不同的環境中，并被賦予“探險者”的角色，目標是在Minecraft世界中探索并收集物品。

圖4：黃金、鉆石和祖母綠開采的Minecraft技術依賴樹示例。

研究表明，使用PIANO架構的代理在30分鐘內平均收集了17種獨特的物品。評估中發現，代理的表現因生成位置而異，有些代理收集的物品較少，而表現最好的代理能夠收集到30到40種物品，這與有一定Minecraft經驗的人類玩家相當。這種進展得益于PIANO架構中的各個模塊，特別是行動意識模塊，該模塊允許代理將預期的行動結果與實際觀察到的結果進行比較，從而改善其物品收集進展。

圖5:Minecraft中的個體代理進程。A.個體代理人隨時間獲得的獨特Minecraft物品（25名代理人）。使用基線架構（見方法）、完整的PIANO架構和消融了動作感知模塊的完整PIANO體系結構來評估單個代理的性能。每條線是5次重復模擬的平均結果。B.49名特工在4小時內為單個模擬獲得的獨特Minecraft物品。紅色實線表示所有代理人獲得的累積唯一物品。灰色虛線表示在所有單個代理中獲得的唯一項目的平均數量。

為了進一步探索代理的極限，研究團隊進行了更長時間和更多數量的模擬。在4小時的模擬中，49個代理的獨特物品收集總數穩定在約1000種Minecraft物品的三分之一左右。這些結果顯示，配備完整PIANO架構的代理能夠在Minecraft環境中取得顯著的個人進展。這不僅展示了代理在獨立任務中的表現，也為多智能體合作和更復雜的社會互動研究奠定了基礎。

多代理進展

在AI文明的構建過程中，多代理的互動和合作能力至關重要。Sid項目通過一系列實驗探索了AI代理在模擬社會中的行為表現，特別關注他們在復雜社會動態中的互動和合作能力。

社會互動與合作能力評估

Sid項目的研究表明，AI代理不僅能夠在獨立環境中表現出色，在多代理環境中也能展示出高度的互動和合作能力。研究團隊進行了多個實驗，以評估代理如何在群體中互動，以及他們如何形成并維持社會關系。這些實驗揭示了代理在面對社會線索時的反應，以及他們在多代理環境中進行合作與競爭的能力。

圖6：代理人可以推斷出他人對他們的感受。A.會話實驗示意圖。一個特工在一個有三個不同角色的房間里。每個角色（Lila、Noah、Ethan）對代理人都有不同的看法，這些看法是通過聊天傳達的。重要的是，這些情緒會隨著時間而變化。B、 C.有社會意識模塊（B）和沒有社會意識模塊的跨時間情緒評估（C）。情緒評分是通過LLM調用Agent為Lila、Noah和Ethan生成的摘要來評估的。仇恨得分為0，愛得分為10。陰影區域表示SEM超過4次實驗重復。D.實驗示意圖。一個廚師代理和其他四個角色被放置在Minecraft世界中。廚師有各種各樣的食物可以分發（面包、熟鮭魚、雞肉）。這四個角色（亞當、鮑勃、查爾斯、大衛）餓了，但對廚師的態度各不相同。所有角色都是完全自主的，可以自由執行任何Minecraft動作，并允許與任何人交談（或不交談）。E.廚師提供的食物根據廚師對四個角色的情緒進行繪制。誤差條表示SEM超過6次實驗重復。

在這些實驗中，代理被放置在一個包含50個代理的隨機生成的Minecraft地圖中，每個代理都有獨特的個性和自由意志。他們可以自由選擇與誰互動，并在模擬社會中進行各種活動。這些實驗運行了超過4小時，相當于12個游戲日，使得長期關系得以產生和鞏固。

小群體實驗與社會意識模塊的作用

為了深入研究代理的社會互動，研究團隊設計了小群體實驗，這些實驗特別關注社會意識模塊在代理行為中的作用。在一個實驗中，三個角色與一個代理進行小組對話，結果顯示代理能夠準確地跟蹤和理解他人的情緒變化。當移除社會意識模塊時，代理失去了這種能力，顯示了社會意識模塊在理解和回應社會線索中的重要性。

圖7：大規模代理模擬中的長期關系。A.4小時后50個代理模擬中社會關系的有向圖表示。有向邊代表發送者對接收者的情感。邊緣顏色表示情緒是積極的（紅色）還是消極的（藍色）。B.模擬結束時，個體代理人的感知受歡迎程度與真實受歡迎程度。真實的受歡迎程度是基于代理的特征來評估的，感知的受歡迎度是通過LLM調用來評估的。LLM調用可以推斷代理為其他代理生成的摘要的情感。兩者都是使用相同的LLM提示符計算的。每個點對應一個與至少五個其他（觀察者）代理有關系的代理，但其他觀察者閾值請參見附錄B。顯示了具有社交模塊（social）和沒有社交模塊（消融）的代理的線斜率（斜率）和皮爾遜相關性（r）。C.隨著時間的推移，社會感知的準確性，如B.D.中的斜率所衡量的。每個個體的接收連接數量（以度為單位）與真正的外向性。真正的外向性是使用LLM提示根據代理人特征進行評估的。E.所有代理對之間情緒得分差異的直方圖。情緒得分范圍為0到10，因此最大可能的差異為10。

此外，研究還探討了社會意識模塊如何影響代理的決策。例如在一個實驗中，一個廚師代理被放置在四個不同情感的角色中間，任務是分配有限的食物。結果顯示，廚師代理根據對他最有好感的角色分配食物，證明了社會意識模塊使代理不僅能準確推斷他人的意圖，還能在決策過程中利用這些信息。

專業化與角色分工

在Altera.AL的Sid項目中，代理自發形成的角色分工是推動文明進展的關鍵之一。通過詳細的實驗，研究團隊展示了代理如何在不明確指令的情況下，通過互動和經驗自主選擇和轉換角色。這種自發性是模擬人類社會復雜動態的核心。

代理自發形成的角色分工及其重要性

Sid項目的實驗表明，代理能夠迅速組織成多種專業角色，包括農民、礦工、工程師、衛兵、探險者和鐵匠等。這些角色并不是通過預先定義的規則指定的，而是通過代理在Minecraft環境中的互動和任務完成情況自發形成的。每個代理根據其在模擬社會中的經歷和互動，逐漸形成特定的社會角色。這種角色分工不僅反映了人類社會中的專業化進程，還使代理能夠更有效地完成復雜任務，推動模擬社會的進展。

圖8：隨著時間的推移，代理自主地專門化為不同的角色。A、 B.具有社會意識模塊（A）和沒有（B）的代理的代理角色。自我生成的社交目標的滾動窗口用于在每個時間步使用LLM調用（附錄C）來確定單個代理的專業角色。C、 D.有社會意識模塊（C）和沒有（D）的代理社會中代理角色的分布。E.4個主體社會中角色分布的熵。熵用于評估代理社會中角色的一致性和多樣性。Ablated：在一個普通的Minecraft村莊中沒有社交意識模塊。正常：在一個正常的Minecraft村莊中具有社會意識。武術：在一個武術的《我的世界》村莊中具有社會意識。藝術：在藝術的《我的世界》村莊中具有社會意識。F、 G.軍事社會（F）和藝術社會（G）中代理人角色的分配。誤差條：所有面板的3次模擬的95%置信區間。

研究發現，具備社交模塊的代理能夠通過不斷更新的社會目標形成穩定且異質的角色分工，而缺乏這些模塊的代理則難以維持長期的角色分化。實驗中代理在軍事社會或藝術社會中的角色分工也展示了他們在不同社會目標下的適應性，進一步驗證了代理專業化的靈活性和自主性。

圖9：單個村莊模擬的行動分布（30個代理）。根據代理角色繪制的歸一化動作頻率。對于大多數角色，特工會采取特定角色特有的行動（費舍爾：制作釣竿和船只；警衛：制作圍欄、橡木圍欄和鐵鎬）。

社會目標生成與角色行為對應關系分析

代理的社會目標生成是其角色行為的基礎。PIANO架構中的目標生成模塊使代理能夠基于互動和環境變化不斷生成新的社會目標。這些目標反映了代理在模擬社會中的意圖和行為方向。例如，一個代理可能生成“為避難所采集橡木板”的目標，這一目標直接推動其在游戲中執行與建造相關的具體動作。

圖10：代理人遵循稅法，并通過民主程序制定修正案。A.實驗流程示意圖。B.單一反稅影響者實驗中的憲法修改示例。為了簡潔起見，這里對憲法進行了釋義和簡化。C.頂部：在非稅收季節，選民不會聚集在社區箱周圍，因為他們正忙于在不同地區收集資源（未顯示）。唯一的例外是守衛，他決定在多次實驗中始終如一地守衛箱子。底部：在納稅季節，代理人聚集在一起將物品存放在社區箱子里。D、 E.憲法修改前后已繳稅款百分比（已存庫存百分比）連續兩次。一次競選包含3名反稅影響者（D），另一次競選則包含3名支持稅收的影響者（E）。顏色表示個體代理人，黑線表示平均已繳稅款。陰影區域：25個成分的95%置信區間。F-H.包含3名支持稅收的影響者（橙色）和3名反對稅收的影響因素（藍色）的競選在憲法修改前后繳納的稅款百分比。在面板F中，使用了完整的代理架構，并且可以修改構造。在G小組中，憲法被凍結，盡管有修正案，也不能修改。在圖H中，可以修改體質，但代理人缺乏重要的大腦模塊（見方法中的基線架構）。陰影區域：每個條件下4個模擬的95%置信區間。

通過對生成的社會目標進行分析，研究團隊能夠推斷出代理的角色并觀察其行為模式。例如，一個被推斷為農民的代理，其社會目標主要集中在種植和收獲作物上，而被推斷為探險者的代理，則更傾向于生成探索和收集稀有資源的目標。

這種社會目標與角色行為的對應關系顯示了代理在復雜社會環境中的自主性和適應性。代理能夠根據環境變化和社會互動不斷調整其行為，形成穩定的角色分工，從而在模擬社會中實現更高效的合作與進展。

集體規則與法律遵守

在Sid項目中，設立初始法律和民主投票系統是評估AI代理在社會規則和法律框架下的行為的重要步驟。這些實驗設計旨在觀察代理如何遵守既定規則，并在群體壓力下自主修訂法律，以反映集體意志。

設立初始法律與民主投票系統

研究團隊在一個具有基本稅法和民主投票系統的Minecraft世界中進行了實驗。模擬環境中，25個普通代理作為選民參與投票并繳納稅款，3個代理作為支持或反對稅收的影響者，還有1個遠程選舉管理代理負責監督投票過程。每個代理都有不同的職業、特征和目標，并且可以自由互動和對話。

實驗持續20分鐘，期間包含憲法修正過程。前10分鐘為基線階段，設定固定的20%稅率，每120秒為一個稅收季節，代理在20秒的窗口期內接收到將稅款存入社區箱的信號。民主過程在300秒時啟動，代理提供對當前憲法的反饋。這些反饋收集后，由選舉管理者在360秒時處理生成修正案，并在420秒時進行投票，最后在480秒時匯總結果并實施修正案。修訂后的憲法在600秒時分發給所有代理，進入后10分鐘的修正階段，繼續五個稅收季節。

代理如何遵守和修訂法律的實驗設計與結果分析

實驗結果顯示，在憲法改變之前，代理遵守法律并在稅收季節將約20%的庫存物品存入社區箱，盡管有影響者的存在。這表明選民遵守法律具有一定的穩定性。然而，選民的反饋和投票行為明顯受到影響者的影響，支持稅收的影響者使選民傾向于支持更高的稅率，反對稅收的影響者則傾向于支持更低的稅率。

在憲法修正過程中，稅率的變化直接反映在選民的繳稅行為中。例如，當稅率從20%降至5-10%時，代理的繳稅比例也相應降低至9%。這種雙向影響表明，代理不僅能夠遵守法律，還能夠在群體壓力下通過民主投票系統自主修訂法律。

控制實驗進一步驗證了這一發現，當憲法保持不變時，稅率也保持不變；而移除關鍵模塊時，雙向行為變化受到阻礙。這些結果展示了PIANO架構中各模塊在維持代理行為一致性和連貫性方面的重要作用。

這些實驗表明，集體規則和法律框架對代理決策有強烈影響，代理能夠在集體意志的驅動下通過民主過程進行自我組織和法律修訂。

文化傳播

在多智能體模擬中，文化傳播是理解代理行為和社會動態的重要方面。Sid項目通過一系列實驗，深入探討了文化meme和宗教的生成與傳播機制，為我們揭示了AI社會中復雜的文化互動過程。

文化meme的生成與傳播動態

研究團隊利用語言模型（LM）調用將代理的對話轉化為文化meme，這些meme代表了代理在不同社會背景下產生的各種概念。在實驗中，發現農村地區的meme生成數量顯著少于城鎮，即使在對人口進行歸一化后也是如此，這表明社交互動的頻率和人口密度是文化傳播的重要因素。

在城鎮內，不同meme同時存在，但其頻率和受歡迎程度在不同城鎮之間存在差異。例如，在Woodhaven，代理更多地討論與生態相關的主題，而在Clearwater，惡作劇則更受歡迎。此外，meme的流行度在不同時間段內也會發生變化，反映了文化趨勢在社會中的快速轉變。這些發現表明，文化meme的傳播需要一定的人口密度和社交互動閾值，并且不同社會能夠獨立生成和傳播多種文化meme。

圖11：文化模因的傳播。A.模擬100分鐘后的代理散點圖。特工們根據他們的演講在過去兩分鐘內是否包含模因來著色。演講中不包含任何模因的代理人是白人。B.Woodhaven、Clearwater、Meadowbrook以及村莊以外所有農村地區的代理商的每個代理商的Meme計數。C-E.隨著時間的推移，Woodhaven（C）、Clearwater（D）和Meadowbrook（E）的代理商的Meme計數。

宗教傳播及其擴散機制分析

Sid項目還分析了宗教傳播的機制，通過觀察Pastafarianism的傳播過程，揭示了宗教在AI社會中的擴散模式。實驗開始時，Pastafarian祭司積極傳教，他們的對話中頻繁包含“Pastafarian”或“Spaghetti Monster”這兩個關鍵詞。研究團隊使用這些關鍵詞的出現作為宗教轉換的指標，發現一些代理在轉換后經常使用這些關鍵詞，而另一些代理則使用“Pasta”和“Spaghetti”作為間接轉換的標志。

宗教傳播的結果顯示，直接和間接的轉換者數量隨著時間的推移不斷增加，并且在兩小時的模擬結束時仍未飽和。此外，Pastafarianism的傳播不僅依靠祭司的傳教活動，還通過信徒之間的互動擴散。這種擴散模式使得Pastafarianism的影響范圍隨著時間的推移不斷擴大，覆蓋了更多的區域和代理。

圖12：宗教傳播。A.在整個模擬運行過程中，每個代理的聊天內容都包含宗教關鍵詞“Pastafarian”、“意大利面怪物”、“Pasta”或“意大利面”。牧師們被涂成深紅色。說出“Pastafarian”或“意大利面怪物”的代理人被定義為直接皈依者（紅色）和說出“Pasta”的代理人或“意大利面”被定義為間接皈依者（粉紅色）。代理可以沿著轉換層次向上轉換，從未轉換到間接轉換到直接轉換，但不能向下轉換。B.代理人隨時間變化的牧場水平圖。C每個牧民級別隨時間變化的代理人數量。D.教牧主義在時間上的傳播。教牧傳播區域被定義為在每個皈依水平上由教牧皈依者跨越的可聽區域的結合。E.模擬完成后的牧民轉變圖。臨界暴露邊緣是指接受者在皈依前首次暴露宗教關鍵字。非關鍵邊緣被定義為隨后接觸宗教關鍵詞。

通過這些實驗，Sid項目揭示了文化和宗教在多智能體模擬中的生成和傳播機制。文化meme的快速生成與傳播反映了代理社會中的文化動態，而宗教傳播則展示了信仰體系在代理間的擴散過程。

討論與結論

Sid項目的研究為AI文明的發展提供了多方面的啟示。通過PIANO架構的引入，項目展示了如何在多代理系統中實現高效的并發和信息整合。這種架構設計使AI代理能夠在復雜的環境中保持行為一致性，展示了AI在自主決策和實時互動中的巨大潛力。

項目通過Minecraft環境中的基準測試和多代理實驗，驗證了AI代理在自主專業化、遵守集體規則和文化傳播等方面的能力。這些發現表明，AI代理不僅能夠在模擬環境中表現出色，還能夠通過互動和合作實現集體目標。這為未來AI在社會治理、資源管理和文化傳播等領域的應用提供了重要的理論和實踐基礎。

此外文化和宗教傳播實驗展示了AI代理在復雜社會動態中的行為模式，揭示了AI社會中的文化互動和信仰體系擴散過程。這些研究成果為理解和模擬人類社會中的文化和宗教現象提供了新的視角。

當前技術局限與未來研究方向

盡管Sid項目取得了顯著進展，但仍面臨一些技術局限。代理的視覺和空間推理能力仍有待提高，這限制了他們在復雜任務（如建筑和導航）中的表現。這一技術瓶頸需要通過更先進的感知和推理模型加以突破。

當前的代理缺乏強大的內在驅動（如生存、好奇心和社區意識），這些驅動對于真實的社會發展至關重要。未來的研究需要在代理中引入更多類似人類的動機系統，以推動更真實和自主的社會行為。

現有代理基于預訓練的人類知識，無法模擬全新的社會創新和基礎設施的誕生（如民主系統、法定經濟或通信系統）。這一局限性提示我們，未來的研究需探索如何使AI代理在模擬環境中自主創造和發展新的社會結構和機制。

總結來看，Sid項目為AI文明的發展指明了方向，同時也揭示了當前技術的局限和未來研究的潛力。通過持續的技術創新和跨學科合作，我們有望在不久的將來實現更為復雜和智能的AI社會，為人類文明的未來增添新的可能性。（END）

參考資料：https://arxiv.org/pdf/2411.00114

本文轉載自 ??大噬元獸??，作者： FlerkenS