Agent Memory LLM Agent 人工社会模拟 多目标规划 自适应智能体
摘要

AIvilization v0是一个公开部署的大规模人工社会系统,结合了资源受限的沙盒经济与统一的LLM智能体架构,旨在实现长期自主性并适应快速变化的环境。为缓解目标稳定性与反应正确性之间的矛盾,本文引入了三个关键机制:(i) 分层分支思维规划器,将生活目标分解为并行目标分支,并通过模拟引导验证和分层重规划确保可行性;(ii) 具有双过程记忆的自适应智能体档案,分离短期执行轨迹与长期语义整合,使身份保持持久且持续演化;(iii) 人机协同控制接口,在适当抽象层级注入长期目标和短期指令,效果通过记忆传播而非脆弱的提示覆盖。该环境集成了生理生存成本、不可替代的多级生产体系、基于AMM的价格机制以及门控教育-职业系统。利用平台成熟阶段的高频交易数据,发现稳定的市场能够再现关键特征事实(重尾收益和波动聚集),并产生由教育和访问限制驱动的结构化财富分层。实验表明,简化规划器在特定任务中表现良好,而完整架构在多目标、长期设置下更具鲁棒性,支持延迟投资和持续探索。

AI 推荐理由

论文提出双过程记忆机制,用于区分短期执行与长期语义整合,属于Agent Memory相关研究。

论文信息
作者 Wenkai Fan, Shurui Zhang, Xiaolong Wang, Haowei Yang, Tsz Wai Chan et al.
发布日期 2026-02-11
arXiv ID 2602.10429
相关性评分 7/10 (相关)