개요
{Anima}은 {Active Inference}과 현재의 LLM 기반 AI 간의 교차점을 조사합니다. 이를 통해 {Active Inference} 모델이 인식, 정책 및 행동에 대한 {LLM} 동작과 어떻게 관련되는지 살펴보고, 이 프레임워크가 AI 설계를 위한 일관성 있고 일치하는 행동을 위한 지침으로 사용될 수 있는지를 탐구합니다. 이를 통해 완전한 {Active Inference} 플라인 투어 — 예측 처리, 알lost시스, 마코브 맨블릿 및 정책 선택 —이 인공_agent가 상호작용 사이에 진정한 행동 지속性和 내재적 주도성을 갖는 데 도움이 될 수 있는지 여부를 검토합니다.