上海交通大学与牛津大学合作开发的多智能体仿真平台 —— MATRIX-Gen

MATRIX-Gen指的是什么

MATRIX-Gen是由上海交通大学与牛津大学的研究团队开发的一款多智能体模拟系统。该系统通过构建一个由超过一千个具有独特身份及个性的AI实体组成的社会环境来创建丰富且高质量的训练指令数据集。这些数据被用于大型语言模型（LLMs）的进一步训练，以增强其响应人类命令的能力，并在多种任务中表现出色。MATRIX-Gen能够根据不同的应用需求生成多样化的指令集合，涵盖通用及特定领域的内容，从而促进了大模型自我优化与性能升级的过程。

MATRIX-Gen的核心特性

• 数据融合MATRIX-Gen依据具体要求生成多样化的高品质训练指导数据，用于大规模语言模型（LLMs）的后期培训。
• 情境仿真通过仿真超过1000个AI角色之间的社会交互，MATRIX-Gen创造出既真实又内容丰富的环境，涵盖范围从软件工程延伸至各类商务活动。
• 创建任务说明通过构建虚拟情境，MATRIX-Gen能够创造与人的目的相符的指导命令，保障所产生命令的真实可靠及可控制性。
• 效能增强通过利用MATRIX-Gen生成的数据，可以增强LLMs在诸如代码创建、连续对话及安全相关工作等多个领域的能力。
• 自身演进通过运用MATRIX-Gen生成的数据，大型语言模型能够完成自我提升，并且即使在面临较小规模的数据集时，其表现依旧优于传统的训练技术。

MATRIX-Gen的核心技术机制

• 多个代理的仿真模型MATRIX-Gen运用了多代理仿真技术，构建了一个含有超过一千个代理的人工智能社会模型（MATRIX）。每一个代理都依据真实的个人记录拥有了独特的个性与身份特征。
• 现实世界记录的启动配置该智能体依据经过隐私处理的人类资料构建初始状态，并通过一个大规模的语言模型来塑造它的性格与生活愿景。随后，这些长远的目标会被细化成一系列具体的行动方案，构成智能体的操作蓝图。
• 组织化的沟通体系： MATRIX-Gen依托于一种结构化通讯系统，通过使用分组技术和模式调节器来调控智能体之间的交流方式，从而增强了模拟环境的扩展能力和真实感。
• 情境创建利用智能体互动机制，MATRIX-Gen创建出大量逼真的环境场景，并将这些场景作为后续训练数据合成的重要来源。
• 命令创建工具MATRIX-Gen是一款以情景为导向的指令创造工具，它依据仿真情境及用户的个性化需要来构建后续的学习资料，涵盖监督精细调整（SFT）数据库、喜好优化（DPO）数据库以及专门领域的SFT数据库。

MATRIX-Gen的工程链接

• Git代码库：在GitHub上可以找到由ShuoTang123维护的MATRIX-Gen项目。
• 关于技术的arXiv论文在学术预印平台ArXiv上发布了一篇研究论文，其在线地址为：https://arxiv.org/pdf/2410.14251，该链接指向了完整的PDF文档。

MATRIX-Gen的使用情境

• 编程构建创建用于代码编写、审核、调试及测试的指导信息，以提升LLMs在软件开发相关工作中的性能与效率。
• 企业经营活动通过仿真商业抉择、市场评估及客户支持等多种情境，创建数据以增强LLMs于商务智慧与战略策划领域的效能表现。
• 医学判断构建涉及医学诊断、病情评估及治疗计划探讨的指示信息，以增强LLMs在医疗卫生行业中的支持决策效能。
• 教育培训优化用于创建教学材料、课程安排及学习路线规划的指导信息，以提升大型语言模型在定制化教育与网络学习系统中的应用效果。
• 客户支持通过构建模拟客户询问、处理问题及改进服务流程的情境，来创建数据以增强LLMs在自动客户服务系统中表现的效果。