Artificial Agency and Large Language Models

大型语言模型（LLMs）的出现引发了有关在人工方式下实现代理能力的哲学辩论。在本文中，我们通过提出一个理论模型来为这场辩论做出贡献，该模型可以用作人工代理的阈值概念。该模型将代理定义为系统，其行动和目标始终受到由代理的可访问历史、其适应性库和外部环境组成的动态因素框架的影响。而这个框架又受到代理所采取的行动和形成的目标的影响。我们利用这个模型表明，目前最先进的LLMs还不是代理，但其中有一些元素表明了一种前进的方向。本文认为，将Park等人（2023）提出的代理架构与Boiko等人（2023）的Coscientist等模块结合使用，可能是实现人工代理的一种途径。我们在文章结尾反思了在构建这样一个人工代理时可能会面临的障碍，并提出了未来研究的可能方向。

论文探讨了如何在人工智能中实现代理行为，提出了一个理论模型作为实现代理的阈值概念。

论文提出了一个代理行为的理论模型，该模型定义了代理系统的行为和目标受到的动态因素框架，并指出当前的LLMs还不是代理。

论文提出了一个结合Park等人提出的代理架构和Boiko等人提出的Coscientist模块的方案，可以实现人工智能代理行为。论文反思了建立这样一个人工智能代理的障碍，并提出了未来研究的方向。

最近的相关研究包括Park等人和Boiko等人提出的代理架构和Coscientist模块，以及其他一些人工智能代理的研究。