本研究探讨了个性特征对大型语言模型（LLMs）在多智能体环境中合作能力的影响。结果表明，提高宜人性和责任心可以改善合作，但也增加被利用的风险，揭示了个性驱动对人工智能代理协调能力的潜力与局限性。

本文研究了在文本冒险游戏和复杂环境中，代理如何利用自然语言进行智能行为。通过构建语言模型和特定机制，代理在游戏中的表现得到了验证。此外，研究还探讨了自我博弈强化学习和心智理论规划技术在提升代理合作能力方面的应用，显示出与人类合作的潜力与挑战。

本研究提出了受限人机合作（CHAIC）挑战，旨在评估具身代理的社交感知与合作能力，以提升人类任务完成效率。代理通过观察人类的意图和行为，制定个性化的合作计划，从而显著提高机器社交智能的评估系统性。

研究探讨自由形式对话对提高用户理解静态解释能力、改善接受度和信任度、促进人工智能与人类合作的影响。实证结果表明自由形式对话显著提高了理解、接受度、信任度和合作能力，为未来对话解释设计提供了启示。