AI 自动翻译
摘要：理解语言—智能体的行为，需要探究行动如何在时间轨迹中被组织，以及这种组织与情境和结果之间的关联。我们提出了一种通用框架，将数据驱动的行为发现与分析及实验研究相衔接。基于记录的活动所构建的类别界定了测量的内容；分析则保留了行为在流程中的位置，并将其相互关系表述为可解释的假设；在预留的测试情境中进行的统计评估与检验，用于考察证据的强度与适用范围；而包括提示引导在内的实验，则旨在探究在人为改变的条件下，行为与结果如何发生变化。一项关于迭代式自我反思的研究表明，行为发现、依赖关系学习与提示比较之间可以相互促进、彼此启发。我们针对不同长度的轨迹、事件顺序以及智能体角色，发展了这一方法，并明确了支持其更广泛应用所需的编码、分析与实验方面的进展。
提交历史
访问 Paper：
查看PDF
HTML（实验性）
TeX 源代码
附加功能
音频摘要
当前浏览上下文：
参考文献与引用
谷歌学术
语义学者
书签
机构
arXivLabs 是一个框架，允许合作者直接在我们的网站上开发并共享新的 arXiv 功能。
无论是个人还是与 arXivLabs 合作的机构，都已认同并践行我们所倡导的开放、社区、卓越以及用户数据隐私等价值观。arXiv 致力于坚守这些价值观，并且只与同样秉持这些理念的合作伙伴开展合作。
您是否有一个能为 arXiv 社区创造价值的项目构想？欢迎了解更多关于 arXivLabs 的信息。