Nadine: An LLM-driven Intelligent Social Robot with Affective Capabilities and Human-like Memory
Centre Universitaire d’Informatique(大学信息中心);University of Geneva(日内瓦大学)
本研究为Nadine社交机器人平台提出由LLM驱动的SoR-ReAct智能体框架,通过集成多模态输入处理、类人长期记忆与情感评估模块,实现了具备类人情感与认知能力的社交机器人系统,提升了人机交互质量。
2024-05-30 cs.AI cs.RO
Towards AI Logic for Social Reasoning
Zhejiang University(浙江大学);University of Luxembourg(卢森堡大学)
人工智能逻辑对智能主体推理进行形式表征。在本文中,我们讨论了如何使用基于论证的人工智能逻辑来形式化社会推理的重要方面。除了推理个体代理人的知识和行为之外,社会AI逻辑还可以推理代理人之间的社会依赖性,使用代理人的权利、义务和许可。我们讨论了社交AI逻辑的四个方面。首先,我们讨论了权限如何表示智能主体的义务和权限之间的关系。其次,我们讨论了如何论证知情权,这是最近隐私和伦理讨论的一个中心问题。第三,我们讨论了如何通过比较形式化参数来识别和(有时)解决智能主体之间的各种冲突。重要的是,为了涵盖日常生活中发生的各种各样的争论,谬误的争论也可以被表现出来并进行推理。第四,我们讨论了如何论证智能主体的行动自由。来自社会、法律和伦理推理的例子突出了发展社会AI逻辑的挑战。对这四个挑战的讨论引出了一个基于争论的社会人工智能逻辑的研究计划,为人工智能逻辑的未来发展做出了贡献。
2021-10-09 cs.AI cs.LO
Towards Socially Intelligent Agents with Mental State Transition and Human Utility
University of California, Los Angeles(加州大学洛杉矶分校);Columbia University(哥伦比亚大学)
构建一个社会智能代理涉及许多挑战。其中之一是跟踪智能体的心理状态转换,并教会智能体像人类一样在其价值观的指导下做出决策。为此,我们建议将心理状态模拟和价值建模到对话代理。首先,我们建立了一个混合的心理状态解析器,从对话和事件观察中提取信息,并保持代理的思想的图形表示;同时,基于transformer的价值模型从人类价值数据集ValueNet中学习人类偏好。实证结果表明,该模型达到了最先进的性能上的对话/动作/情感预测任务的幻想文本冒险游戏数据集,光。我们还展示了示例案例来演示:(i)拟议的心理状态解析器如何通过基于位置和对象等上下文来帮助代理的决策,以及(ii)价值模型如何帮助代理根据其个人优先级做出决策。
2022-07-22 cs.AI cs.CL
Intelligent Computing Social Modeling and Methodological Innovations in Political Science in the Era of Large Language Models
Shanghai Academy of Social Sciences(上海社会科学院);Nanjing University(南京大学);Shanghai Jiao Tong University(上海交通大学);Shanghai Institutes for International Studies(上海国际问题研究院)
本文提出智能计算社会建模(ICSM)方法,利用大语言模型的综合与模拟能力,通过模拟社会建构和验证推动政治学方法论创新,并以美国总统选举模拟实证展示其兼顾可解释性与预测能力的优势。
2025-11-05 cs.AI cs.CY
Socially Intelligent Genetic Agents for the Emergence of Explicit Norms
North Carolina State University(北卡罗来纳州立大学);University of Bristol(布里斯托尔大学)
规范有助于规范一个社会。规范可以是明确的(以结构化形式表示)或隐含的。我们通过发展代理人来解决明确规范的出现,这些代理人在决定制裁和确定替代规范时为违反规范提供解释。这些代理使用遗传算法来产生规范,并使用强化学习来学习这些规范的值。我们发现,应用解释导致规范,提供更好的凝聚力和目标满意度的代理。我们的研究结果在不同慷慨态度的社会中是稳定的。
2022-08-07 cs.AI cs.LG cs.MA
MuMMER: Socially Intelligent Human-Robot Interaction in Public Spaces
University of Glasgow(格拉斯哥大学);Heriot-Watt University(赫瑞-瓦特大学);Idiap Research Institute(Idiap研究所);LAAS-CNRS(法国国家科学研究中心分析与系统架构实验室);SoftBank Robotics Europe(软银机器人欧洲公司);VTT Technical Research Centre of Finland(芬兰技术研究中心)
在欧盟资助的MuMMER项目中,我们开发了一款社交机器人,旨在与购物中心等公共场所的用户进行自然灵活的互动。我们提出的最新版本的机器人系统在该项目中开发。该系统包括视听传感,社会信号处理,会话互动,观点采择,几何推理,和运动规划。它使用机器人操作系统(ROS)将所有这些组件成功地结合在一个总体框架中,并已部署到芬兰的一个购物中心与客户进行交互。在本文中,我们描述了系统的组成部分,它们之间的相互作用,以及由此产生的机器人行为和场景提供的购物中心。
2019-09-15 cs.AI cs.RO
MimeQA: Towards Socially-Intelligent Nonverbal Foundation Models
Massachusetts Institute of Technology(麻省理工学院);Imperial College London(伦敦帝国理工学院)
MimeQA通过引入非语言互动数据集,评估视频大语言模型在非语言社会推理中的表现,发现其准确率较低,人类表现更优。
2025-11-30 cs.AI cs.CL cs.CV
Modeling emotion for human-like behavior in future intelligent robots
Istituto Italiano di Tecnologia(意大利技术研究院);Sorbonne Université(索邦大学);CNRS(法国国家科学研究中心);University of Maryland(马里兰大学)
本文提出情感建模对类人行为至关重要,通过综述情感计算、社交机器人和神经机器人学现状,指出与神经科学脱节,并给出指导原则以推动未来智能机器研究。
2022-07-19 cs.AI
An Intelligent Social Learning-based Optimization Strategy for Black-box Robotic Control with Reinforcement Learning
School of Marine Science and Technology, Northwestern Polytechnical University(西北工业大学海洋科学与技术学院);College of Electrical Engineering and Control Science, Nanjing Tech University(南京工业大学电气工程与控制科学学院)
针对黑箱机器人控制难题,提出智能社会学习(ISL)算法,融合学习、模仿与自学三种策略,结合强化学习思想,在MuJoCo基准和UR3机器人抓取任务中验证了其高效性与优越性。
2023-11-11 cs.AI cs.NE cs.RO
Challenges in Building Intelligent Open-domain Dialog Systems
Tsinghua University(清华大学);Microsoft Research(微软研究院)
由于大量会话数据的可用性以及最近在会话AI的神经方法方面的进展,开发智能开放域对话系统的兴趣重新燃起。与传统的面向任务的机器人不同,开放域对话系统旨在通过满足人类对沟通、情感和社会归属感的需求,与用户建立长期联系。本文回顾了最近的神经方法,致力于解决三个挑战,在开发这样的系统:语义,一致性和交互性的工作。语义学要求对话系统不仅要理解对话的内容,而且要在对话过程中识别用户的社交需求。一致性要求系统表现出一致的个性,以赢得用户的信任并获得他们的长期信心。互动性是指系统产生人际反应以实现特定社交目标(如娱乐、协调和任务完成)的能力。我们选择在这里展示的作品是基于我们的独特观点,并不完整。尽管如此,我们希望讨论将激发新的研究,开发更智能的对话系统。
2020-02-28 cs.AI cs.CL
Intelligent Device Discovery in the Internet of Things - Enabling the Robot Society
California State University Los Angeles(加州州立大学洛杉矶分校)
物联网(IoT)正在不断发展,以类似互联网的结构随时随地连接数十亿台智能设备,从而实现人与物体之间的各种应用、服务和交互。在未来,智能设备应该能够自主发现具有所需功能的目标设备,并生成一组全新的服务和应用程序,这些服务和应用程序不受人类的监督甚至想象。智能设备的普及以及它们的设计和功能的异质性引起了一个主要问题:智能设备如何有效地发现所需的目标设备?在本文中,我们提出了一种社交感知和分布式(SAND)方案,可以在物联网中实现快速,可扩展和高效的设备发现。建议的SAND计划采用了一种新的设备排名标准,衡量设备的程度,社会关系的多样性,聚类系数和介数。基于设备排名标准,可以引导发现请求行进通过位于网络的主要交叉点处的关键设备,并且因此通过仅联系有限数量的中间设备来快速到达期望的目标设备。在SAND这样的智能设备发现的帮助下,物联网设备以及互联网上的其他计算设施、软件和数据可以像人类一样自主地彼此建立新的社会联系。它们可以形成自组织的计算群体来执行所需的计算任务,促进各种计算服务、网络服务和数据的融合以产生新的应用和服务,从个体人工智能发展到协作智能,最终使机器人社会诞生。
2018-01-08 cs.AI
Intelligent Approval of Access Control Flow in Office Automation Systems via Relational Modeling
College of Computer Science and Software Engineering, Shenzhen University(深圳大学计算机与软件学院);Alibaba Group Holding Limited(阿里巴巴集团控股有限公司);Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)(广东省人工智能与数字经济实验室(深圳));Cyberspace Institute of Advanced Technology, Guangzhou University(广州大学网络空间先进技术研究院);Shenzhen Technology University(深圳技术大学)
本文提出基于关系建模的智能审批框架RMIA,通过二元和三元关系模块融合信息,提升办公自动化系统中审批流程的智能化水平。
2026-04-13 cs.AI
Modeling Chaotic Behavior of Stock Indices Using Intelligent Paradigms
智能系统在股票市场预测中的应用已经得到广泛的建立。在这篇论文中,我们研究了如何用几种联结主义范式和软计算技术来很好地表征股票市场看似混沌的行为。为了演示不同的技术,我们考虑了纳斯达克100指数和标准普尔CNX NIFTY股票指数。我们分析了7年的纳斯达克100主要指数值和4年的NIFTY指数值。本文研究了一种可靠而有效的技术来模拟股票市场看似混沌的行为。我们考虑使用Levenberg-Marquardt算法、支持向量机(SVM)、Takagi-Sugeno神经模糊模型和差分提升神经网络(DBNN)训练的人工神经网络。本文简要介绍了如何使用不同的学习方法制定不同的联结主义范式,然后研究它们是否可以提供所需的性能水平,这是足够好的和强大的,以提供一个可靠的预测模型,股票市场指数。实验结果表明,所考虑的联结主义范式都能很好地反映股指的行为。
2004-05-05 cs.AI
Developing and Integrating Trust Modeling into Multi-Objective Reinforcement Learning for Intelligent Agricultural Management
针对农业AI算法推荐与农民实践脱节的问题,本研究将基于能力、善意、诚信维度的农民信任量化模型嵌入多目标强化学习策略优化,推动AI在农业的广泛应用。
2025-05-16 cs.AI
Modeling Social Dynamics with an LLM-Enabled Agent Based Network-Dynamic (LAND) Model
Carnegie Mellon University(卡内基梅隆大学)
本文采用GhostField架构的LAND模型构建AuraSight场景,通过31万余智能体与人类主体的模拟,揭示社会动力学源于网络拓扑与叙事交换的递归互动。
2026-11-03 cs.AI
uHelp: intelligent volunteer search for mutual help communities
Artificial Intelligence Research Institute (IIIA-CSIC)(人工智能研究院(IIIA-CSIC))
当人们在日常活动中需要帮助时,他们会求助于家人、朋友或邻居。但是,尽管世界日益网络化,技术在寻找合适的志愿者方面仍然存在不足。在本文中,我们提出了uHelp,一个平台,建立一个社区的有用的人和支持社区成员找到适当的帮助在他们的社会网络。最近,专注于寻找志愿者的应用程序开始出现,如Helpin或Facebook的社区帮助。然而,uHelp与现有应用程序的区别在于其基于信任的志愿者智能搜索。虽然信任对于这些创新的社交应用程序至关重要,但它们中没有一个真正实现了像uHelp这样的信任建立解决方案。uHelp对志愿者的智能搜索基于许多人工智能技术:(1)一种新型的基于信任的泛洪算法,可以导航一个人的社交网络,寻找合适的值得信赖的志愿者;(2)一种新型的信任模型,通过学习他们过去的相似经历来保持同伴的可信度;(3)一种语义相似性模型,可以评估经验的相似性。本文介绍了uHelp应用程序,描述了允许uHelp有效找到值得信赖的志愿者的底层AI技术,并说明了实现细节。uHelp的初始原型已经在巴塞罗那的一个单亲社区进行了测试,该应用程序可以在Apple Store和Google Play上在线购买。
2023-01-26 cs.AI cs.SI
Modeling Intelligent Decision Making Command And Control Agents: An Application to Air Defense
Institute for Systems Studies and Analyses(系统研究与分析研究所)
本文是介于Agent技术和数学推理之间的一种战术决策任务建模方法。这些模型被应用于防空(AD)领域的指挥与控制(C2)。它还涉及与评估代理人有关的问题。代理的设计和实现使用代理编程范式。智能体被部署在空战模拟环境中,执行C2任务,如电子对抗措施,威胁评估和武器分配。模拟的AD系统在没有任何人为干预的情况下运行,代表了C2自治的最先进模型。使用代理作为自主决策实体是特别有用的,鉴于未来的网络中心战。
2019-03-20 cs.AI stat.CO
LLMs for Social Network Modeling: From Network Generation to Dynamic Processes
University of Victoria(维多利亚大学);Leiden University(莱顿大学)
本综述首次系统梳理大语言模型在社交网络建模中的应用,将其分为网络生成与动态过程两类,并探讨了偏见与提示敏感性等挑战及未来方向。
2026-09-09 cs.AI cs.SI
Social-LLM: Modeling User Behavior at Scale using Language Models and Social Network Data
University of Southern California(南加州大学)
针对大规模社交网络建模的可扩展性挑战,提出Social-LLM方法,结合局部社交网络交互与大型语言模型,在七个真实数据集上验证了其在用户检测任务中的有效性。
2023-12-31 cs.AI cs.SI
Blockchain Infrastructure for Intelligent Cyber--Physical--Social Systems:Post-Quantum Security, Interoperability, and Trustworthy Data Economies in the Era of Embodied AI
Hong Kong University of Science and Technology(香港理工大学);Sun Yat-sen University(中山大学);Amazon Web Services(亚马逊网络服务);Duke Kunshan University(杜克昆山大学)
本教程探讨区块链作为协调层,融合后量子密码学与具身AI,实现可扩展、可信的数据经济与跨组织治理。
2026-06-05 cs.AI cs.CR cs.CY
Affective social anthropomorphic intelligent system
本文提出情感化拟人智能系统,融合 CNN-Transformer-Encoder 情感识别、deep-speech 转写、多领域对话生成及 WaveGlow 语音合成与风格迁移,实现带情感和个性的类人语音对话。
2023-04-19 cs.AI cs.CL cs.HC
CSM-H-R: A Context Modeling Framework in Supporting Reasoning Automation for Interoperable Intelligent Systems and Privacy Protection
提出CSM-H-R框架,结合本体与状态建模,支持智能系统高层上下文推理自动化与隐私保护,并通过案例验证其有效性。
2024-04-05 cs.AI cs.SY eess.SY
Social Knowledge for Cross-Domain User Preference Modeling
本文提出利用大规模社交建模方法,通过用户偏好和流行实体的联合嵌入空间,实现跨领域用户偏好预测与个性化,提升零样本场景下的表现。
2026-03-10 cs.AI cs.SI
System identification and modeling for interacting and non-interacting tank systems using intelligent techniques
Easwari Engineering College(伊斯瓦里工程学院)
本文采用统计模型辨识、过程反应曲线法、ARX模型、遗传算法及神经网络和模糊逻辑,从实时实验数据中辨识交互与非交互罐式过程的传递函数模型和智能模型。
2012-08-06 cs.AI cs.SY eess.SY
Klout Topics for Modeling Interests and Expertise of Users Across Social Networks
Lithium Technologies | Klout
本文提出了Klout主题,一个轻量级的本体来描述社会化媒体用户的兴趣和专业知识的主题。Klout Topics旨在:具有可读性和消费者友好性;深度覆盖多个知识领域;通过知识库实体促进数据可扩展性。我们讨论了为什么这个本体是非常适合的文本标记和兴趣建模应用程序,以及它如何比较可用的替代品。我们展示了它对常见社交媒体兴趣集的覆盖率,以及如何使用它来模拟Klout.com上超过7.8亿社交媒体用户的兴趣的例子。最后,我们打开本体供外部使用。
2017-10-26 cs.AI cs.IR cs.SI
Intelligent Message Behavioral Identification System
St. Peter's Engineering College (Autonomous)(圣彼得工程学院(自治));Lendi Institute of Engineering and Technology(伦迪工程与技术学院)
针对社交媒体短消息服务中的图片转发预测难题,提出考虑用户历史转发、接触记录与转发者偏好的IRM网络及文本引导多模态注意力排序方法,实验证明其效果优于现有方法。
2024-04-14 cs.AI cs.CY cs.IR
U-Sem: Semantic Enrichment, User Modeling and Mining of Usage Data on the Social Web
TU Delft(代尔夫特理工大学)
随着社会化Web应用的日益普及,每天都有越来越多的用户数据被发布到Web上。我们的研究重点是调查从这些平台中挖掘数据的方法,这些数据可用于建模用户和语义增强用户简档。这个过程可以增强各种自适应基于Web的系统的适应性和个性化。在本文中,我们提出了U-Sem的人建模服务,语义丰富和挖掘的人的配置文件在社交网络上的使用数据的框架。我们解释了我们的人建模服务的架构,并描述其应用程序在成人电子学习环境中作为一个例子。版本:Mar 21,10:10,Mar 25,09:37
2011-04-01 cs.AI cs.HC cs.IR
Preference Enhanced Social Influence Modeling for Network-Aware Cascade Prediction
University of Science and Technology of China(中国科学技术大学)
网络感知的级联规模预测旨在通过对社交网络中的传播过程建模,预测用户生成信息的最终转发数量。通过社会影响力即状态激活来估计用户的转发概率在信息扩散过程中起着重要作用。因此,图神经网络(GNN)能够模拟节点之间的信息交互,是处理这一预测任务的有效方案。然而,现有的研究,包括基于GNN的模型通常忽略了用户的偏好,深刻影响状态激活的一个重要因素。为此,我们提出了一个新的框架,以促进级联大小预测,通过增强用户偏好建模根据三个阶段,即,偏好话题生成、偏好转移建模和社会影响激活。我们的端到端的方法,使用户激活过程的信息扩散更适应和准确。在两个大规模真实世界数据集上进行的广泛实验清楚地证明了我们提出的模型与最先进的基线相比的有效性。
2022-04-18 cs.AI cs.IR cs.SI
Social Simulations: from Agent-Based Modeling to Digital Twins
Department of Computer Science, University of Pisa(皮萨大学计算机科学系);ISTI-CNR(意大利国家研究委员会信息与系统研究所)
探讨社会模拟从基于主体建模到数字孪生的演变,阐述了各阶段范式的方法论基础、应用等,强调从抽象模型到特定社会系统逼真计算表示的转变。
2026-07-16 cs.AI cs.MA cs.SI
Modeling Social Media Recommendation Impacts Using Academic Networks: A Graph Neural Network Approach
Università degli Studi di Milano-Bicocca(米兰比可卡大学);University of Regensburg(雷根斯堡大学);National Research Council of Italy(意大利国家研究委员会)
针对社交媒体推荐算法影响难研究的问题,提出以学术社交网络为代理,用图神经网络构建分离信息圈与行为预测的模型,模拟推荐信息圈并验证合作预测效果,公开代码以支持可复现。
2024-10-06 cs.AI cs.IR cs.LG
A Survey on Quantitative Modeling of Trust in Online Social Networks
本文综述了在线社交网络中信任建模的最新发展,涵盖信任理论、算法分类、建模机制及应用实践,旨在为信任量化建模提供全面的参考和指导。
2026-02-26 cs.AI cs.CR cs.CY