ExploreToM

ExploreToM是由Facebook Research開發的一個框架，旨在大規模生成多樣化和具有挑戰性的心理理論數據，用於強化大型語言模型（LLMs）的訓練和評估。該框架利用A*搜索算法在自定義的領域特定語言上生成複雜的故事結構和新穎、多樣化且合理的情景，以測試LLMs的極限。

需求人群：

"目標受眾為研究人員、開發者和教育機構，他們可以利用ExploreToM生成的數據來訓練和評估心理理論推理的模型，進而提升人工智能在理解人類心理狀態方面的能力。"

使用場景示例：

研究人員使用ExploreToM生成的數據訓練心理理論推理模型。

教育機構利用該框架創建教學案例，幫助學生理解心理理論。

開發者使用ExploreToM框架來測試和改進他們的聊天機器人或虛擬助手。

產品特色：

生成故事背景：使用story_context_generator.py腳本生成故事背景。

執行A*搜索：通過story_structure_searcher.py腳本執行A*搜索，以產生復雜的故事結構。

填充生成的故事：利用story_structure_infiller.py腳本填充生成的故事。

統計分析：通過compute_statistics.py腳本對生成的數據進行統計分析。

功能測試：運行tests_belief_tracker.py和tests_story_structure_infiller.py進行功能測試。

模型加載：使用VLLM（大型語言模型）加載和運行模型。

使用教程：

1. 安裝必要的Python環境和依賴。

2. 使用story_context_generator.py生成故事背景。

3. 通過story_structure_searcher.py執行A*搜索，生成複雜的故事結構。

4. 利用story_structure_infiller.py填充生成的故事。

5. 運行compute_statistics.py對生成的數據進行統計分析。

6. 通過tests_belief_tracker.py和tests_story_structure_infiller.py進行功能測試。

7. 根據需要加載和使用VLLM模型。