学术研讨

题目： On human-in-the-loop optimization of human–robot interaction & 基于大模型的人工智能代理

摘要：在当代社会中，人们期望机器人在医疗康复、工业生产乃至日常生活中与人紧密协作以提升我们的能力和生活质量。从外骨骼到医疗植入设备，越来越离不开人与机器的协同问题。但现实是，设计高效的人机交互系统非常困难。人体的复杂性和多变性导致难以对人的部分进行建模。现有的设计方法主要依赖工程师的直觉经验或基于生物力学模型进行参数调节，但是计算模型难以准确地刻画出真人的响应，人工参数调整的周期长、成本高，在复杂的人机系统中容易陷入抵消试错。为了解决这个问题，本次分享将基于Nature论文《On human-in-the-loop-optimizati-on of human–robot interaction》，从“人在环优化”的角度，为理解人与机器的关系提供思路。

      大语言模型的浪潮推动了 AI Agent 相关研究快速发展，AI Agent 是当前通往 AGI 的主要探索路线。大模型庞大的训练数据集中包含了大量人类行为数据，为模拟类 人的交互打下了坚实基础；另一方面，随着模型规模不断增大，大模型涌现出了上 下文学习能力、推理能力、思维链等类似人类思考方式的多种能力。将大模型作为 AI Agent 的核心大脑，就可以实现以往难以实现的将复杂问题拆解成可实现的子任 务、类人的自然语言交互等能力。由于大模型仍存在大量的问题如幻觉、上下文容 量限制等，通过让大模型借助一个或多个 Agent 的能力，构建成为具备自主思考决策和执行能力的智能体，成为了当前通往 AGI 的主要研究方向。

报告人：赵建伟，方彦博