​

1. 社会化学习的理论基础
   • 社会化学习指通过观察、模仿和互动促进知识获取，由班杜拉教授提出并强调其重要性。
   • 该学习方式能最大化长期社会收益，已在蜜蜂、蚂蚁等生物群体中发现类似机制。
   • 北京大学团队从神经科学角度解释了社会学习的决策机制。
   • 人类大脑通过分区处理实现高效学习，功耗仅20瓦，体现分治策略优势。
   • 社会分工在医疗、城市治理等领域已形成成熟应用范式。
2. 多智能体协作的演进
   • 传统多智能体依赖个体间协作，大模型时代转向以大模型为基座的新型协作模式。
   • 当前存在算力资源不足问题，需探索边缘计算与小模型协同方案。
   • 智能体协作呈现单线程、中心化、全链接等不同组织结构。
   • 无人机编队、自动驾驶等场景需要差异化的协作架构。
   • 社会模拟器可模拟兵种编队、舆情分析等复杂社会行为。
3. 信任机制与恶意识别
   • 信任是社会运行的润滑剂，智能体协作需建立声誉评估体系。
   • 引入心智理论识别伪装恶意智能体，通过权重调节保障系统稳定。
   • 实验表明过滤恶意智能体可使整体学习性能提升30%以上。
   • 需动态评估智能体声望，结合直接/间接交互数据构建信任网络。
   • 清华大学团队开发的社会模拟器可量化分析"好人有好报"等社会命题。
4. 社会化学习技术实现
   • 将复杂任务分解为子任务，采用联邦学习策略进行知识蒸馏。
   • 多任务协同学习实现分类与分割任务的模型互补。
   • 实验证明小模型协作效果可超越单一大型模型。
   • ICML会议首篇以"社会化学习"命名的论文验证了该方法的有效性。
   • 需维护深度神经网络间的交互通道以实现知识共享。
5. 人机共生社会展望
   • 未来将形成物理人、虚拟智能体与机器人的三维主体社会。
   • 需建立新的伦理体系应对机器人礼仪冲突等社会问题。
   • 智能体将从工具转变为社会参与者，重塑人机关系。
   • 同济大学等多所高校已建立智能体行为研究实验室。
   • 教育部教师能力项目正在探索智能体在教育领域的应用范式。

待办事项
9月份参加学校组织的6学科交叉团队研究项目。
关注清华大学社会模拟器最新研究成果发布。
跟进教育部教师能力提升项目阶段性成果。