1. World Model in LLM

llm 自己在内部世界实时roleplay，然后和用户交互

HCL: 用户的体验上升了吗

NLP: LLM Agent角色的成长经历

1. Multi agent (persona) collaboration
2. Simulate social media views using agents with different backgrounds

任务场景multiagentbench

1. 协作图（Collaboration Graph）的设计与演化

现有思路：

• **固定图结构 vs. 动态生成：**传统上可以先设计一个固定的协作图，然后通过图神经网络（GNN）内部调优来改进节点间信息传递。但在多智能体系统中，节点之间的交互关系可能随任务、环境或者策略的变化而变化。

新的思路与建议：

• 自适应图结构构建：

  探索基于任务和环境反馈来自适应地生成和调整多智能体协作图。例如，可以设计一种基于强化学习的策略，使得每个智能体在任务过程中动态确定与其他智能体建立连接的优先级。

• 协作图演化协议：

  引入演化协议，在系统运行过程中允许协作图的节点（代理）进行“增删改”操作。类似于HR管理中的“招聘”和“裁员”机制，智能体可以根据绩效进行“加入”或“退出”，同时内部结构也可以调整以适应任务变化。

• 跨层次协作图：

  在大规模系统中，可以引入分层协作图。顶层负责整体调度和策略协同，下层则专注于具体任务执行，这种分层机制能够提高系统的扩展性和灵活性。