Modeling Others' Minds as Code
7 months ago
- #Program Synthesis
- #Human Behavior Modeling
- #Artificial Intelligence
- 准确预测人类行为对安全的人机协作至关重要。
- 现有的人类建模方法通常需要大量数据且脆弱性高。
- 日常社交互动可能遵循可预测的模式或'脚本'以降低认知负荷。
- 提出将日常行为建模为代码化的行为程序，而非基于信念和欲望的策略。
- 介绍ROTE算法：结合LLMs合成行为程序，利用概率推理处理不确定性。
- ROTE在网格世界任务和家庭模拟器中测试，准确率和泛化能力最高提升50%。
- 将行为理解视为程序合成问题，实现高效的人类行为预测。