Resumen: Los agentes actuales del modelo de lenguaje grande (LLM) carecen de auténticos procesos psicológicos humanos necesarios para gemelos digitales genuinos y aplicaciones de IA social. Para abordar esta limitación, presentamos una implementación computacional de la teoría del espacio de trabajo global (GNWT) que integra los principios de la arquitectura cognitiva humana en los agentes de LLM, creando subconacos especializados para la emoción, la memoria, las normas sociales, la planificación y el seguimiento de objetivos a través de un mecanismo de espacio de trabajo global. Sin embargo, los gemelos digitales auténticos requieren una inicialización de personalidad precisa. Por lo tanto, desarrollamos una nueva prueba de personalidad basada en la aventura que evalúa la verdadera personalidad a través de elecciones de comportamiento dentro de los escenarios interactivos, sin pasar por alto el sesgo de auto-presentación que se encuentra en las evaluaciones tradicionales. Sobre la base de estas innovaciones, nuestra plataforma CognIPair permite a los gemelos digitales participar en interacciones de citas simuladas realistas y entrevistas de trabajo antes de los encuentros reales, proporcionando una evaluación de ajuste cultural bidireccional tanto para la compatibilidad romántica como para la coincidencia del lugar de trabajo. La validación utilizando 551 GNWT-Agents y el conjunto de datos de datación de velocidad de la Universidad de Columbia demuestra el 72% de correlación con los patrones de atracción humana, el 77.8% de precisión de predicción de coincidencias y el 74% de acuerdo en los estudios de validación humana. Este trabajo avanza la autenticidad psicológica en los agentes de LLM y establece una base para plataformas de citas inteligentes y soluciones de tecnología de recursos humanos.
Publicado Originalme en rss.arxiv.org El 4 de junio de 2025.
Ver Fuente Original
