Исследователи представили концепцию Mixture-of-Minds (MoM) — архитектурный подход для создания высокоточных симуляций человеческого поведения с помощью LLM. В отличие от стандартных моделей, MoM динамически комбинирует специализированные «когнитивные модули», имитирующие различные аспекты человеческой психологии, что позволяет агентам демонстрировать более последовательные, реалистичные и контекстуально обусловленные реакции в сложных социальных сценариях.
Метод опирается на декомпозицию процесса принятия решений на отдельные психологические компоненты. Вместо того чтобы полагаться на общую предсказательную способность модели, система активирует специфические субагенты, отвечающие за разные типы мотивации, памяти и эмоциональных реакций. Это решает проблему «разрывов» в поведении, когда ИИ-агенты теряют логическую связность при длительном взаимодействии или смене контекста.
Технология ориентирована на создание виртуальных сред, где требуется высокая степень достоверности персонажей. Архитектура позволяет настраивать профили агентов, задавая им уникальные когнитивные искажения и паттерны мышления, что делает их поведение менее предсказуемым и более близким к человеческому. Это открывает новые возможности для тестирования гипотез в социальных науках и разработки сложных игровых симуляций.
Ключевые факты
- Концепция Mixture-of-Minds (MoM) использует модульную структуру для имитации когнитивных процессов человека.
- Архитектура позволяет динамически переключаться между специализированными психологическими профилями в реальном времени.
- Метод направлен на устранение логических разрывов в поведении агентов при длительных симуляциях.
- Исследование сфокусировано на повышении реалистичности взаимодействия агентов в социальных средах.