MATRIX-Gen是上海交通大学和牛津大学研究团队推出的多智能体模拟系统，基于模拟1000多个具有独立身份和人格的AI智能体组成的社会，生成多样化且高质量的训练指令数据。训练指令数据用在大型语言模型（LLMs）的后训练，提升模型遵循人类指令的能力，在多个任务中展现出优异的性能。MATRIX-Gen根据不同需求合成指令，包括通用和特定领域的数据集，推动了大模型自我进化和性能提升。
MATRIX-Gen的主要功能数据合成：MATRIX-Gen根据特定需求合成多样化且高质量的训练指令数据，用在大型语言模型（LLMs）的后训练。场景模拟：基于模拟1000多个AI智能体的社会互动，MATRIX-Gen生成真实且丰富的场景，场景覆盖从软件开发到商业活动的广泛领域。指令生成：基于模拟出的场景，MATRIX-Gen能生成符合人类意图的指令，确保合成指令的真实性和可控性。性能提升：MATRIX-Gen合成的数据能提升LLMs在多个领域的性能，包括代码生成、多轮对话和安全性任务。自我进化：用MATRIX-Gen合成的数据，LLMs能实现自我进化，在数据量较少的情况下也能超越传统训练方法。MATRIX-Gen的技术原理多智能体模拟：MATRIX-Gen基于多智能体模拟技术，创建包含1000多个智能体的AI社会模拟器（MATRIX），每个智能体都有基于真实人类档案的独特身份和人格。真实世界档案初始化：智能体基于匿名化的真实人类档案进行初始化，由大型语言模型（LLM）生成其个性和人生目标，目标被分解为可执行的步骤，形成智能体的行动计划。结构化通信机制：MATRIX-Gen基于结构化的通信机制，用分组和模调制器管理智能体间的沟通，提高模拟的可扩展性和真实性。场景生成：基于智能体的交互，MATRIX-Gen生成大规模真实场景，场景被用作后训练数据合成的基础。指令生成器：MATRIX-Gen作为场景驱动的指令生成器，根据模拟场景和特定用户需求合成后训练数据，包括监督微调（SFT）数据集、偏好调优（DPO）数据集和特定领域的SFT数据集。MATRIX-Gen的项目地址GitHub仓库：https://github.com/ShuoTang123/MATRIX-GenarXiv技术论文：https://arxiv.org/pdf/2410.14251MATRIX-Gen的应用场景软件开发：生成用在代码生成、代码审查、调试和测试的指令数据，训练和优化LLMs在软件开发任务中的表现。商业活动：模拟商业决策、市场分析、客户服务等场景，生成数据提升LLMs在商业智能和策略规划方面的应用能力。医疗诊断：创建与医疗诊断、病例分析和治疗方案讨论相关的指令数据，提高LLMs在医疗领域的辅助决策能力。教育和培训：生成教学内容、课程设计和学习路径规划的指令数据，改善LLMs在个性化教育和在线学习平台的应用。客户服务：模拟客户咨询、问题解决和服务流程优化的场景，生成数据提升LLMs在自动化客户服务系统中的应用效果。 
