Transforming Competition into Collaboration: The Revolutionary Role of Multi-Agent Systems and Language Models in Modern Organizations

本文探讨了基于多智能体系统理论（SMA）和大型语言模型（LLM）的计算实体的动态影响，这些实体具有模拟复杂人类交互的能力，可能从专业人工智能代理到支持操作性组织流程和基于应用知识和人类编排的战略决策等方面彻底改变人类用户交互。以前的研究表明，特别是在处理诸如引导逻辑推理和解决问题等新挑战和实用任务时，人工智能代理的自主方法存在局限性。同时，传统的技术，如思维链的刺激，需要明确的人类指导。在我们的方法中，我们使用从大型语言模型（LLM）中开发出来的代理，每个代理都具有考虑行为元素的不同原型，由策略驱动，激发基于场景（角色扮演）业务提出的用例的知识生成，使用代理之间的讨论方法（引导式对话）。我们展示了开发对组织战略有用的代理的潜力，基于多智能体系统理论（SMA）和基于大型语言模型（LLM）的创新应用，提供了一种不同于LLM的可适应的实验，适用于不同的应用、复杂性、领域和能力。

本文试图探讨基于多智能体系统理论（SMA）和大型语言模型（LLM）的计算实体的动态影响，以革新人类用户交互，从使用专门的人工智能助手支持操作性组织流程到基于应用知识和人类编排的战略决策。同时，本文也试图解决人工智能助手在处理新挑战和实际任务时的自主性限制，以及传统技术需要明确的人类指导的问题。

本文提出了一种基于大型语言模型（LLM）的代理人开发方法，每个代理人都具有考虑行为元素的不同原型，由刺激基于场景（角色扮演）业务的知识生成的策略驱动，使用代理人之间的讨论方法（引导对话）展示了开发对组织策略有用的代理人的潜力。

本文的亮点在于使用大型语言模型（LLM）开发代理人，以解决传统技术需要明确人类指导的问题。同时，本文提出的方法是可适应不同应用、复杂性、领域和LLM能力的。实验使用了多个数据集，但未提供开源代码。值得深入研究的工作包括如何改进自主性和推理能力。

最近的相关研究包括基于SMA和LLM的自然语言处理和对话系统的发展，如《GPT-3》和《DialoGPT》等。还有一些研究探讨了如何使用代理人来解决组织中的问题，如《Multi-agent systems for the simulation of complex organizational processes》。