导语


时空智能体（Spatio-temporal Agents）应用于交通管理中的智能调度、环境监测中的动态分析、物流配送中的路径优化等场景。此次「时序时空大模型读书会」第六期将由发起人——香港科技大学（广州）智能交通学域、数据科学与分析学域助理教授梁宇轩老师主持，邀请到了香港大学在读博士杨霁晗、香港科技大学（广州）信息枢纽人工智能学域在读博士赖思奇、伊利诺伊理工学院在读博士陈灿宇围绕”LLM-as-Agent”主题直播，分享大模型赋能时空智能体相关内容。

直播将于北京时间6月26日晚19:00-21:00线上公开进行，欢迎感兴趣的朋友参与讨论交流！

研究领域：时空智能体，具身智能，城市交通，信任博弈





分享内容简介




本期读书会作为「时序时空大模型读书会」系列读书会的第六期直播分享，邀请到了香港大学在读博士杨霁晗、香港科技大学（广州）信息枢纽人工智能学域在读博士赖思奇、伊利诺伊理工学院在读博士陈灿宇围绕 “LLM-as-Agent：大模型赋能时空智能体” 主题分享，主要从“根植于真实世界的AI Agents”、”大语言模型交通信控智能体”和“Can Large Language Model Agents Simulate Human Trust Behaviors?”三个专题展开。





分享内容大纲



 

专题一：根植于真实世界的AI Agents（杨霁晗）

  1. AI Agents在真实世界中的应用研究进展

  2. 全球真实城市中的8个示例AI Agents

  3. 将真实世界融入虚拟环境的AI Agent平台


专题二：大语言模型交通信控智能体（赖思奇）

  1. 智能信号灯控制背景介绍

  2. 大语言模型交通信控智能体——LLMLight

  3. 实验性能对比及模型可解释性分析

  4. 总结及未来展望


专题三：Can Large Language Model Agents Simulate Human Trust Behaviors?（陈灿宇）

  1. Motivation and background
  2. Do LLM Agents Manifest Trust Behavior?
  3. Does Agent Trust Align with Human Trust?

  4. Probing Intrinsic Properties of Agent Trust





核心概念



 

  • 大语言模型 Large Language Model;
  • 基座模型 Foundation Model;
  • 时空智能体 Spatio-temporal Agent；
  • 信号灯控制 Traffic Light Control;
  • 具身智能 Embodied AI；
  • 开放式具身智能体 Open-Ended Embodied Agent；
  • 人类模拟 Human Simulation；
  • 行为对齐 Behavioral Alignment；

  • 信任博弈 Trust Games；





分享人介绍 




（1）主讲人：杨霁晗

杨霁晗，香港大学博士四年级，导师为齐晓娟教授。本科毕业于中山大学，导师为林倞教授和李冠彬教授。他的研究方向为计算机视觉，深度学习，多模态学习，具身智能。曾在CVPR/ICCV/ECCV/NeurIPS/T-PAMI等多个顶级会议和期刊上发表多篇论文。曾获ICCV2019最佳论文提名。（个人主页：https://jihanyang.github.io/）

（2）主讲人：赖思奇

赖思奇，香港科技大学（广州）信息枢纽人工智能学域博士生，武汉大学计算机科学本科毕业。研究方向包括数据挖掘、智慧交通、大语言模型等，并在SIGIR及SIGKDD上发表多篇论文。其提出的《LLMLight：交通信号控制智能体》被包括”量子位”在内的多家知名人工智能媒体报道。


（3）主讲人：陈灿宇

陈灿宇，伊利诺伊理工学院博士三年级，研究方向是可信、安全和负责任的大语言模型及其在社会计算和医疗保健中的应用。目前重点关注大模型虚假信息的相关问题（“LLMs Meet Misinformation”：https://llm-misinformation.github.io/）。在ICLR、EACL、WWW、NeurIPS和AI Magazine等顶级会议和期刊上发表过论文，研究曾被The Register、Marktechpost AI Research News等媒体报道。获得了多项奖项，包括Sigma Xi Student Research Award 2024（2024年全校唯一获奖者），Didactic Paper Award (1/35 of all accepted papers) in the workshop ICBINB@NeurIPS 2023，Spotlight Research Award in the symposium AGI Leap Summit 2024。（个人主页：https://canyuchen.com）


（4）主持人：梁宇轩

梁宇轩，香港科技大学（广州）智能交通学域、数据科学与分析学域助理教授、博士生导师。长期从事人工智能与时空数据挖掘技术在城市计算、智能交通等领域的跨学科交叉研究。在TPAMI、TKDE、AI Journal、KDD、WWW、NeurIPS、ICML等多个权威国际期刊和会议发表高水平论文80余篇，其中CCF A类论文达60余篇。谷歌学术引用量3900余次，h-index为31，多篇论文入选最具影响力KDD/IJCAI论文。长期担任TKDE、TMC、VLDBJ等国际知名期刊审稿人，KDD、WWW、NeurIPS、ICML、ICLR等国际顶级会议程序委员会成员，曾获评SIGSPATIAL杰出程序委员会成员。多次担任数据挖掘和人工智能顶会 (KDD、IJCAI等) Workshop on Urban Computing, Workshop on AI for Time Series的联合主席。曾获得新加坡数据科学联合会论文研究奖，第二十三届中国专利优秀奖等海内外奖项。





本期主要参考文献




1. V.-I.R.L.. Grounding Virtual Intelligence in Real Life. https://arxiv.org/abs/2402.03310

2. SayCan. Grounding Language in Robotic Affordances. https://arxiv.org/abs/2204.01691

3. Guanzhi Wang, Yuqi Xie, Yunfan Jiang, et al. Voyager: An Open-Ended Embodied Agent with Large Language Models. arXiv:2305.16291, 2023

4. J. Park, Joseph C. O’Brien, Carrie J. Cai, et al. Generative Agents: Interactive Simulacra of Human Behavior. ACM Symposium on User Interface Software and Technology, 2023

5. Siqi Lai, Zhao Xu, Weijia Zhang, et al. LLMLight: Large Language Models as Traffic Signal Control Agents. arXiv:2312.16044, 2024

6. Weijia Zhang, Jindong Han, Zhao Xu, et al. Towards Urban General Intelligence: A Review and Outlook of Urban Foundation Models. arXiv:2402.01749, 2024

7. Wei, Hua, et al. Colight: Learning network-level cooperation for traffic signal control. Proceedings of the 28th ACM International Conference on Information and Knowledge Management, 2019

8. Liang Zhang, Qiang Wu, Jun Shen, et al. Expression Might be Enough: Representing Pressure and Demand for Reinforcement Learning Based Traffic Signal Control. https://arxiv.org/abs/2112.10107

9. Peiyi Wang, Lei Li, Liang Chen, et al. Making Large Language Models Better Reasoners with Alignment. https://arxiv.org/abs/2309.02144

10. R.R.H.F.. Rank Responses to Align Language Models with Human Feedback without tears. https://arxiv.org/abs/2304.05302

11. Chengxing Xie, Canyu Chen, Feiran Jia, et al. Can Large Language Model Agents Simulate Human Trust Behaviors? https://arxiv.org/abs/2402.04559

12. Gati Aher, Rosa I. Arriaga, Adam Tauman Kalai. Using Large Language Models to Simulate Multiple Humans and Replicate Human Subject Studies ICML. https://arxiv.org/abs/2208.10264


读书会阅读材料较多，为了更好地阅读体验，可扫描下方二维码进入集智斑图页面，阅读并收藏感兴趣的论文。

https://pattern.swarma.org/article/293





直播信息




时间：
2024年6月26日（周三）晚上19:00-21:00（北京时间）
参与方式：

1、集智俱乐部 B 站免费直播，扫码可预约。

2、本期读书会公开进行，扫码即可直接获取读书会回看权限。欢迎感兴趣的朋友报名新一季时序时空大模型读书会，加入群聊，获取系列读书会回看权限，成为“Time-LLMs”社区的种子用户，与社区的一线科研工作者与企业实践者沟通交流，共同推动社区的发展。

斑图地址：https://pattern.swarma.org/study_group_issue/696

报名成为主讲人：
读书会成员均可以在读书会期间申请成为主讲人。主讲人作为读书会成员，均遵循内容共创共享机制，可以获得报名费退款，并共享本读书会产生的所有内容资源。具体见系列读书会详情：时序时空大模型读书会启动：大模型开启时序时空数据挖掘新视角



时序时空大模型读书会招募中


现代生活产生了大量的时序数据和时空数据，分析这些数据对于深入理解现实世界系统的复杂性和演化规律至关重要。近期，受到大语言模型（LLM）在通用智能领域的启发，”大模型+时序/时空数据”这个新方向迸发出了许多相关进展。当前的LLM有潜力彻底改变时空数据挖掘方式，从而促进城市、交通、遥感等典型复杂系统的决策高效制定，并朝着更普遍的时空分析智能形式迈进。

集智俱乐部联合美国佐治亚理工学院博士&松鼠AI首席科学家文青松、香港科技大学（广州）助理教授梁宇轩、中国科学院计算技术研究所副研究员姚迪、澳大利亚新南威尔士大学讲师薛昊、莫纳什大学博士生金明等五位发起人，共同发起以“时序时空大模型”为主题的系列读书会，鼓励研究人员和实践者认识到LLM在推进时序及时空数据挖掘方面的潜力，共学共研相关文献。读书会第一期分享从5月8日（周三）19:00 公开直播，后续分享时间为每周三19:00-21:00（北京时间）进行，预计持续10-12周。欢迎感兴趣的朋友报名参与！


详情请见：
时序时空大模型读书会启动：大模型开启时序时空数据挖掘新视角


点击“阅读原文”，报名读书会