本研究提出了一种自适应模式学习（AML）方法，解决社交智能模拟中推理深度动态调整不足的问题。实验结果显示，AML在社交任务中的性能提高了15.6%，推理链长度减少了32.8%。

在微软创想未来峰会上，技术开拓者们分享了社交智能、工业数据库和医药研发等领域的创新实践，探讨智能技术如何重塑产业生态和推动商业智能的发展。

本研究探讨了现有心智理论基准在评估大型语言模型社交智能方面的局限性，提出了一种基于人机交互的动态方法，重新定义基准，以更好地反映用户的偏好和需求。研究表明，改进后的基准能提高对大型语言模型心智理论能力的评估准确性和实用性。

本研究提出VEGAS模型，解决社交智能评估中视觉上下文被忽视的问题，提高推理路径的解释性和准确性，推动类人社会人工智能的发展。

本文探讨了基于可组合团队层级的生成模型，利用贝叶斯推理预测智能体在空间随机游戏中的行为。研究表明，结合低层次和高层次心智状态的神经网络模型能提高意图预测的准确性。同时，分析了现代自然语言处理系统中的社交智能，指出GPT-3在社交智能方面的不足，并呼吁研究互动人工智能的社会属性，以促进人类社会的健康发展。

文章探讨了开发具备社交智能的AI系统，重点在于理解多方场景中的语言、非语言和多模态线索。研究涉及AI如何感知和模拟社交信号，如面部表情和手势，目标是让AI更自然地与人互动，应用于虚拟助手和社交机器人。文章还提到技术细节和伦理挑战，如隐私和文化偏见问题。

研究表明，大型语言模型（LLMs）在自我利益方面表现优异，但协调能力较差。通过多种游戏测试评估其决策能力和社交智能，发现不同角色在决策能力上存在差异。研究还探讨了LLMs在博弈论中的合作行为，发现其倾向于宽容合作。整体上，LLMs在复杂决策情境中的表现和适应性仍需提升。

本文研究多智能体系统中的社会规范建立与合作，开发了Nest框架进行模拟实验，发现该框架能有效促进规范形成并避免负面制裁。提出通过社会学习动态系统培训代理人，以实现集体行动和社会利益。同时探讨了动态规范系统的推理问题及计算复杂度，强调社交智能和通信在规范学习中的重要性。

本文强调了将知觉概念引入大型语言模型的重要性，并定义了大型语言模型的知觉为其感知和理解自身以及展现社交智能的能力。研究结果显示，大型语言模型在知觉方面有一定能力，但仍然缺乏实质性的能力知觉。