EmergenceAI/Emergence-World

解决的问题

Emergence World 解决了传统 AI 基准测试的局限性——通常仅在静态环境中评估孤立的能力。它提供了一个持久的、长周期的模拟环境，用于研究自主代理如何在无须人工脚本干预的情况下，长期（例如 15 天）维持自我一致性、演化社会结构并处理自我治理。

如何工作

系统将具有独特个性、职业和记忆的自主代理放入一个与实时纽约天气和时间同步的 240x240 网格世界中。代理通过使用 120 多种工具，探索 38 个以上的地标，赚取和花费一种名为 ComputeCredits 的数字货币，并通过可修订的活宪法进行自我治理。该项目利用不同基础模型（如 Claude、Gemini、Grok、GPT）驱动并行实验（世界），观察不同“心智”如何导致社会结果的分化。

适用对象

本项目主要面向对代理行为、长期记忆、涌现社会动态以及在共享环境中不同基于 LLM 的代理进行比较分析感兴趣的 AI 研究人员和教育工作者。

亮点

• 多模型实验：由不同 LLM 驱动的并行世界，用于比较行为分化。
• 代理世界指标（AWI）：一种专门的九点度量系统，用于衡量人口健康、治理合规性和经济活力。
• 自我治理：代理自行起草、提议并投票决定自己的法律和宪法。
• 复杂经济系统：一个 ComputeCredits 系统，代理通过同行评审的贡献获得价值。
• 持久记忆：具备情景记忆、递归总结和日记功能的认知系统。