google-deepmind/concordia

解决的问题

Concordia 提供了一个框架，用于创建生成式代理模型，以模拟物理、社交或数字环境中实体之间的复杂互动。它通过使用结构化的互动模式来解决将代理行为建立在合理世界中的挑战，防止代理在没有环境限制的情况下凭空想象结果。

运作方式

该库使用受桌上角色扮演游戏启发的“游戏管理员”(GM) 模式。在此设置中，玩家实体以自然语言描述其意图行为，而专用的 GM 实体则将这些意图转化为实际结果，确保其在物理或社交上是合理的。

在技术上，模拟是使用以下方式构建的：

• Entities: 模拟中的参与者。
• Components: 定义实体状态和行为的模块化构建块（如记忆、指令和行为选择）。
• Prefabs: 用于快速实例化具有预定义配置的实体的模板。
• Engine: 管理运行循环、分配角色（玩家或 GM）并处理行为和观察流程的协调器。

适用对象

它专为社会科学、AI 安全与伦理、认知神经科学、经济学等领域的研究人员和开发人员，以及需要合成数据进行个性化或服务性能评估的人员而设计。

特色亮点

• GM-based Grounding: 使用游戏管理员实体来解决行为并维持环境一致性。
• Entity-Component Architecture: 提供了一种通过组件和预制件构建代理的模块化方法。
• LLM Agnostic: 可与任何标准 LLM API 和用于联想记忆的文本嵌入器配合使用。
• Flexible Execution: 支持各种引擎接口，用于轮流、同时或异步行为。