1000多个智能体组成，AI社会模拟器MATRIX-Gen助力大模型自我进化

AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。

本文作者来自于上海交通大学人工智能学院的Multi-AgentGovernance&IntelligenceCrew(MAGIC团队)和牛津大学。共同第一作者有唐铄、庞祥鹤、刘泽希和唐博瀚。指导老师包括上海交大的王延峰教授、陈思衡副教授，以及牛津大学的董晓文副教授。

随着大语言模型（LLMs）在处理复杂任务中的广泛应用，高质量数据的获取变得尤为关键。为了确保模型能够准确理解并执行用户指令，模型必须依赖大量真实且多样化的数据进行后训练。然而，获取此类数据往往伴随着高昂的成本和数据稀缺性。因此，如何有效生成能够反映现实需求的高质量合成数据，成为了当前亟需解决的核心挑战。

那么，真实数据的需求是如何产生的？设想一位程序员在进行机器学习模型的开发与调优时，他会提出问题：「如何调整超参数以提高模型预测准确率？」这种指令并非凭空而来，而是源于他所处的具体工作情境——数据分析和模型优化。同样，用户在日常生活中的指令无论是编程任务、医疗诊断还是商业决策，往往与他们所面临的具体场景密切相关。要生成能够真实反映用户需求的合成数据，必须从这些实际情境中出发，模拟出与用户需求相匹配的场景。

基于这一理念，上海交通大学与牛津大学的研究团队提出了一项创新方案——基于多智能体模拟的数据合成。团队提出了MATRIX——AI社会模拟器，构建了一个由1000多个AI智能体组成的模拟社会。在这个模拟社会中，每一个AI智能体代表了一个拥有独立身份和人格的数字人，这些AI智能体可以模拟出复杂的交流和互动模式，涵盖了从软件开发到商业活动的广泛场景。基于这些场景，团队进一步开发了MATRIX-Gen数据合成器，能够根据不同需求合成高度多样化且高质量的训练指令数据。

论文链接：https://arxiv.org/pdf/2410.14251代码主页：https://github.com/ShuoTang123/MATRIX-Gen

为验证MATRIX-Gen合成数据的高质量，研究团队使用Llama-3-8B-Instruct驱动社会模拟，仅合成了2万条数据用于训练Llama-3-8B-Base模型。尽管数据量极少，训练后的模型在AlpacaEval2和Arena-Hard基准测试中竟然大幅超越了Llama-3-8B-Instruct自身。这一结果不仅证明了MATRIX-Gen合成数据的高效性，也标志着模型在合成数据驱动下实现了自我进化。此外，在代码生成、多轮对话和安全性任务上，MATRIX-Gen生成的专用数据同样表现优异，甚至超越了为这些特定任务设计的专用数据集。这项研究为通过合成数据提升大语言模型性能提供了全新的解决方案，展示了AI模拟社会在数据合成中的巨大潜力，为未来大语言模型的后训练数据合成开辟了创新的路径。

基于合成数据的后训练系统

本研究提出的后训练系统旨在利用基于多智能体模拟技术构建的AI模拟社会，合成高质量的训练数据，以提升预训练大语言模型的指令跟随能力。该系统的核心理念源于人类在现实场景中提问的方式——人们基于自身需求提出多样且深入的问题。因此，本研究通过AI模拟社会合成人类社会中的场景，并利用这些场景引导LLM提出信息丰富、贴近现实的问题，从而产生高质量的训练数据。

如下图所示，该系统包含三个步骤：

1.合成社会场景：利用多智能体模拟技术构建AI模拟社会，该社会中的每个场景由一组AI智能体及其对应的文本行动构成。为了确保社会场景的真实性和多样性，本研究设计了大规模人类社会模拟器MATRIX，创建了一个包含各种AI智能体的互动环境。此模拟器充分发挥了LLM的角色扮演能力，使得AI智能体能够逼真地模拟人类行为，进行规划、观察和行动，进而生成丰富且高度真实的社会场景。

2.合成训练数据：根据合成的社会场景，生成符合任务需求的后训练数据。本研究设计了场景驱动的指令生成器MATRIX-Gen，模拟人类在日常生活中提出问题的过程，结合场景生成指令，确保更高的真实性；通过选择特定场景，能够合成符合任务需求的数据，具备可控性。这一步骤合成包括SFT、DPO以及各种专用数据集。

3.模型微调：利用合成的SFT数据集，对预训练模型进行监督微调，以获得具备指令跟随能力的模型。随后，基于合成的偏好数据集，采用DPO进一步训练模型。

AI社会模拟器MATRIX

为了合成多样且丰富的场景，以助力数据的合成，本研究提出了人类社会模拟器MATRIX。该模拟器的输入为若干AI智能体档案，输出为文本形式的场景。通过模拟人类的AI智能体和结构化的通信机制，MATRIX实现了大规模的人类社会模拟，从而生成多样且真实的场景。

模拟人类的智能体：每个AI智能体根据匿名化的真实人类档案进行初始化，并由LLM生成其个性和人生目标。这些目标进一步分解为可执行的步骤，形成AI智能体的行动计划。例如，一个医学教授的生活目标可能包括传播科学知识，而其计划则包括进行研究、发表论文、进行讲座和组织教育项目。这些步骤指导AI智能体未来的行动，确保它们朝着目标努力并展现出有目的的行为。当出现新观察时，AI智能体会根据其记忆和个性做出反应；在没有新观察的情况下，它们则遵循既定计划追求目标。结构化的通信机制：受人类社会中同质性现象的启发，我们根据相似特征对AI智能体进行分组，以减少不必要的连接，从而提高模拟的可扩展性。在每组中，本研究引入一个集中调节器来管理组内和组间的沟通。这一设计促进了相似AI智能体之间的更多互动，同时仍允许长距离交流，丰富信息流并增强真实性。此外，这种结构化通信机制能够防止AI智能体接收到过多无关信息，确保模拟的有效性。

数据合成器MATRIX-Gen

在合成了真实多样化的社会场景后，本研究设计了场景驱动的指令生成器MATRIX-Gen，以满足特定任务需求并合成后训练数据。通过选择与用户需求相关的场景，MATRIX-Gen能够生成符合人类意图的指令，从而确保合成指令的真实性和可控性。

如下图所示，在合成后训练数据的过程中，MATRIX-Gen模拟了人类提问的过程。针对不同数据场景的需求（如通用任务或代码任务），MATRIX-Gen结合每个AI智能体的个性和行动，将这些信息整合到指令生成提示中，模拟人类在日常生活中提出问题的方式。随后，基于上述指令生成提示，MATRIX-Gen直接调用对齐的LLM生成合成指令及其对应的回答。

下图展示了一位IT经理在汽车数据分析场景下，提出「如何调整超参数以提高模型预测准确率」的例子：

通过这一方法，本研究能够合成三种类型的数据集，包括监督微调数据集MATRIX-Gen-SFT、偏好调优数据集MATRIX-Gen-DPO，以及特定领域的SFT数据。每种数据集的指令生成在复杂性和专业性上各具特点，确保满足不同场景下的需求。

性能表现

在实验中，本研究选择Llama-3-8B-Instruct作为数据合成模型，选择Llama-3-8B作为训练的模型，通过模型的训练效果评估MATRIX-Gen在通用任务、多轮对话、代码生成上的数据合成能力。

AlpacaEval2和Arena-Hard上的评估结果表明，通过多智能体模拟合成的MATRIX-Gen-SFT数据优于多个真实数据集以及合成数据集。

在MATRIX-SFT模型上DPO的训练结果表明，通过MATRIX-Gen-DPO训练的模型超越多种合成偏好数据训练的模型，以及Llama-3-8B-Instruct。值得注意的是，MATRIX-Gen-DPO训练后的模型总共仅使用了2万条合成数据，便实现了对Llama-3-8B-Instruct自身的超越，充分展示了其高质量和自我进化的能力。

在代码生成与安全输出的任务中，MATRIX-Gen合成的数据集均超越了对应领域的专用数据集，显示出MATRIX-Gen在合成数据上的高可控性。

上图展示了MATRIX-Gen-SFT合成指令的可视化，显示出合成数据的多样性。

总结与展望

本研究提出了一种基于AI智能体社会模拟的后训练数据合成框架。依托MATRIX合成的AI模拟社会，MATRIX-Gen能够可控地合成高质量的多样数据。在通用和专用任务中，仅使用0.2%的数据，即可获得优于大模型研发领军团队MetaAI所用数据集的模型训练效果，突显了MATRIX-Gen在数据合成中的优势。

本研究希望该数据合成框架能够帮助定量研究何种类型的数据更适合用于监督微调和偏好优化，深入探讨不同数据特性对模型性能的影响。此外，我们展望通过引入更强大的AI智能体，如具备工具调用能力的AI智能体，以及接入更丰富的环境，进一步合成更复杂的数据，从而提升大语言模型在复杂任务中的表现。