面向大语言模型驱动AI系统的自主问题生成

大语言模型（LLM）驱动的AI系统在动态开放环境中对自主决策日益重要。然而，现有系统多依赖预定义任务和固定提示，难以在环境变化时自主识别待解决问题。本文提出一种基于人类模拟的框架，使AI系统能通过推理其内部状态、环境观测及其他AI交互，自主生成问题并设定任务。该方法将问题生成视为任务选择与执行前的一阶决策过程，融合内驱、环境感知与多智能体感知的提示范围，逐步扩展认知覆盖。框架还支持从经验中学习问题生成过程，以持续提升适应性与决策质量。多智能体仿真结果表明，环境感知提示显著减少“未进食”事件，而多智能体感知提示在20天仿真中进一步降低累计事件超60%（p<0.05）。