追踪适应智能体的行为轨迹

技能文件、内存文件和行为配置文件等文本文件在定义现代代理的行为方式方面发挥着核心作用。通过人类或代理本身的编辑，这些文件可能会随着时间的推移而演变，直接指导代理在未来交互中的行为。我们提出了一种通过将特征定义为文本嵌入模型的嵌入空间中的方向来测量代理“特征”的方法和框架。我们在标记为“之前”与“之后”的技能文件差异上训练线性模型以学习特征向量，然后通过将其嵌入差异投影到该向量上来对任意技能编辑进行评分。对 68 个标记技能差异对的寻求敏感数据倾向特征进行评估，我们的方法在留一法交叉验证下实现了 91.2% 的符号分类准确度和 $ρ= 0.82$ 的斯皮尔曼等级相关性。我们将这种特征评估构建到更广泛的代理到代理协议中，使一个代理能够通过可信中介评估另一个代理的技能文件更新。