Sotopia-artifacts

该数据集是一个用于多代理模拟与交互研究的结构化数据集，包含六个独立配置，分别描述代理档案、环境档案、代理关系、环境-代理组合、合成环境档案以及交互事件片段。agent_profiles 配置包含40个样本，详细定义了每个代理的个人属性，包括姓名、年龄、职业、性别、人格特质（如大五人格、MBTI类型）、价值观（道德价值观和施瓦茨个人价值观）、决策风格、秘密及关联模型ID，用于构建具有丰富心理特征的代理。environment_profiles 配置包含90个样本，描述了环境场景，包括代号、来源、场景描述、代理目标、关系强度、年龄与职业约束等，而 environment_profiles_synthetic 是其扩展版本，包含360个样本并增加了任务类型字段。relationship_profiles 配置包含120个样本，定义了代理对之间的双向关系，包括关系类型和背景故事。env_agent_combos 配置包含450个样本，关联环境ID与代理ID列表，用于环境与代理的匹配。episodes 配置是核心交互数据，包含21,333个样本，记录了代理在特定环境中的交互事件，包括消息、推理过程、奖励信号及奖励提示，适用于训练或评估多代理对话、决策模拟等任务。数据集整体支持基于人格的AI代理开发、社交行为分析和交互式系统研究。This dataset is a structured dataset for multi-agent simulation and interaction research, consisting of six independent configurations: agent profiles, environment profiles, agent relationships, environment-agent combinations, synthetic environment profiles, and interaction event episodes. The agent_profiles configuration contains 40 samples, detailing each agents personal attributes, including name, age, occupation, gender, personality traits (such as Big Five and MBTI types), values (moral values and Schwartz personal values), decision-making styles, secrets, and associated model IDs, used to construct agents with rich psychological characteristics. The environment_profiles configuration contains 90 samples, describing environmental scenarios, including code names, sources, scene descriptions, agent goals, relationship strength, age and occupation constraints, etc., while environment_profiles_synthetic is an extended version with 360 samples and an added task type field. The relationship_profiles configuration contains 120 samples, defining bidirectional relationships between agent pairs, including relationship types and background stories. The env_agent_combos configuration contains 450 samples, linking environment IDs with agent ID lists for environment-agent matching. The episodes configuration is the core interaction data, containing 21,333 samples, recording interaction events of agents in specific environments, including messages, reasoning processes, reward signals, and reward prompts, suitable for training or evaluating multi-agent dialogue, decision simulation, and other tasks. The dataset overall supports personality-based AI agent development, social behavior analysis, and interactive system research.

原始信息汇总

数据集概述：Sotopia-artifacts

该数据集由 DJ-Research 提供，用于支持社会交互智能体的研究与评估。数据集包含多个配置（config），每个配置对应一类特定的数据。

数据集配置（Configs）

数据集包含以下六个配置，每个配置仅有 train 分割（split），无验证或测试集：

1. agent_profiles（智能体档案）

   • 样本数：40
   • 特征：包含智能体的基本属性和心理特征，如 pk（主键）、first_name（名）、last_name（姓）、age（年龄）、occupation（职业）、gender（性别）、gender_pronoun（性别代词）、public_info（公开信息）、big_five（大五人格）、moral_values（道德价值观）、schwartz_personal_values（施瓦茨个人价值观）、personality_and_values（性格与价值观）、decision_making_style（决策风格）、secret（秘密）、model_id（模型ID）和 mbti（MBTI人格类型）。

2. env_agent_combos（环境与智能体组合）

   • 样本数：450
   • 特征：定义了特定环境（env_id）与多个智能体（agent_ids）的组合关系，每条记录通过 pk 唯一标识。

3. environment_profiles（环境档案）

   • 样本数：90
   • 特征：描述具体的社会环境，包括 pk、codename（代号）、source（来源）、scenario（场景）、agent_goals（智能体目标列表）、relationship（关系）、age_constraint（年龄约束）、occupation_constraint（职业约束）、agent_constraint（智能体约束）和 task_type（任务类型）。

4. environment_profiles_synthetic（合成环境档案）

   • 样本数：360
   • 特征：与 environment_profiles 结构类似，但为合成生成的数据，其中 pk 和 agent_constraint 字段为 null。包含 codename、source、scenario、agent_goals、relationship、age_constraint、occupation_constraint 和 task_type。

5. episodes（交互回合）

   • 样本数：21333
   • 特征：记录智能体在特定环境中的完整交互过程，包含 pk、environment（环境）、agents（智能体）、tag（标签）、models（使用的模型）、messages（消息序列）、reasoning（推理过程）和 rewards（奖励值）、rewards_prompt（奖励提示）。

6. relationship_profiles（关系档案）

   • 样本数：120
   • 特征：定义两个智能体（agent_1_id 与 agent_2_id）之间的关系，包括 pk、relationship（关系类型）和 background_story（背景故事）。

数据规模

配置	样本数	数据集大小
agent_profiles	40	23.4 KB
env_agent_combos	450	55.8 KB
environment_profiles	90	82.6 KB
environment_profiles_synthetic	360	250.6 KB
episodes	21333	461.3 MB
relationship_profiles	120	55.7 KB

数据集总下载大小约为 109.6 MB，总数据集大小约为 461.8 MB。

搜集汇总

数据集介绍

构建方式

Sotopia-artifacts数据集源自Sotopia框架，旨在为社交智能体交互研究提供结构化基础。数据集的构建采用多维度模块化设计，涵盖六大核心配置：agent_profiles收录40个智能体的详细档案，包括大五人格、道德价值观、MBTI等心理特征；environment_profiles及其合成版本提供450个交互场景与360个扩展场景，每个场景明确设定目标、角色关系与约束条件；env_agent_combos将智能体与场景动态配对形成450种实验组合；relationship_profiles记录120组智能体间的初始关系与背景故事；episodes则包含21333条完整对话记录，附带推理过程与奖励信号。所有数据经人工设计或自动化合成，确保生态效度与可扩展性。

特点

该数据集的核心特点在于其系统化的社会交互模拟能力。智能体档案深度刻画了认知与人格维度，使得模拟行为更具真实性和多样性。场景设计融合了年龄、职业、关系等多重约束，能够生成具有挑战性的社交任务。合成环境配置文件进一步扩大了场景覆盖范围，支持复杂任务类型的探索。episodes模块不仅保存对话历史，还收录了智能体的决策推理链和多维度奖励评估，为理解智能体在社交博弈中的行为逻辑提供了透明窗口。关系配置文件则通过背景故事初始化交互动态，增强了模拟的叙事连贯性。整体上，数据集在规模与细节间取得了平衡，兼具理论驱动与实证支持特性。

使用方法

使用Sotopia-artifacts数据集时，推荐通过HuggingFace的datasets库加载指定配置。例如，可调用load_dataset函数并指定config_name参数以检索agent_profiles或environment_profiles等子集，默认通过train分割获取数据。对于智能体模拟研究，研究者可先加载agent_profiles与环境配置，再结合env_agent_combos构建实验条件；episodes数据可直接用作训练或评估社交对话模型的基准。关系配置文件需与智能体档案联合使用以设定交互前提。数据字段以JSON结构化存储，便于解析与集成至深度学习框架。建议根据研究目标选择适量子集，并利用transformers等工具对文本字段（如messages、reasoning）进行预处理，以适配模型输入格式。

背景与挑战

背景概述

Sotopia-artifacts数据集由斯坦福大学等机构的研究团队于2023年创建，旨在为多智能体社会交互模拟提供标准化的基准资源。该数据集围绕模拟环境中智能体之间的复杂社交互动展开，核心研究问题在于如何通过结构化数据驱动具有真实感的社会推演与对话生成。通过整合智能体档案、环境设定、关系图谱和完整交互历程，Sotopia-artifacts为计算社会科学与多智能体系统研究开辟了新路径，显著推动了社会智能体在角色扮演、谈判协商等任务中的能力评估与模型优化，对理解人工社会系统中的行为动力学具有重要影响。

当前挑战

数据集面临的核心挑战在于模拟真实人类社会互动的复杂性与多样性，包括应对智能体在目标冲突、信息不对称和动态关系中的适应性决策问题。构建过程中，需解决智能体属性（如大五人格、道德价值观）的精细化建模难题，确保角色档案的心理学效度与行为一致性。此外，环境与智能体组合的规模化生成（如90个环境与40个智能体形成450种组合）带来了数据质量控制与场景泛化的双重挑战，而跨模态交互记录（如推理链条与奖励信号的标注）的标准化也构成技术瓶颈。

常用场景

经典使用场景

在社交智能与多智能体交互研究领域，Sotopia-artifacts数据集为模拟复杂人类社会互动提供了丰富的结构化资源。其经典使用场景在于构建和评估具备人格特质、道德价值观与决策风格的多智能体系统，通过精心设计的角色档案（agent_profiles）与环境场景（environment_profiles），研究者能够驱动智能体在特定社会情境中展开对话与协作，并依据预设目标与关系约束（relationship_profiles）观察其行为表现与互动结果。该数据集尤其适合用于社会推理、情感计算与群体行为建模等前沿课题，成为连接人工智能与社会科学交叉研究的桥梁。

衍生相关工作

围绕Sotopia-artifacts数据集已衍生出一系列值得关注的研究工作。最直接的延伸是将其作为基准平台，用于对比不同大型语言模型在社交推理与多轮对话中的表现，相关成果为评估模型的社会智能水平提供了新指标。此外，研究者基于该数据集开发了动态关系演化模型，利用relationship_profiles中的背景故事训练智能体在互动中自适应调整社交距离与信任度。在更宏观的层面，该数据集催生了对‘计算社会科学’方法的探讨，通过合成环境与真实用户行为的对照分析，推动了从规则驱动到数据驱动的社会模拟范式革新。

数据集最近研究

最新研究方向

Sotopia-artifacts数据集以其精细化的智能体人格画像（涵盖大五人格、道德价值观、MBTI等维度）与结构化社会情境模拟（环境剧本、角色关系、任务目标）为核心，正推动社交智能体在复杂人际交互中的前沿研究。该数据集构建了包含两万余条多智能体对话剧情的实证库，为探索基于心理驱动与价值观对齐的社交推理、多轮博弈中的合作与竞争动态提供了高保真实验平台。在近期热点事件中，它被用于评估和训练大语言模型在模拟社会场景中的情感共鸣、策略决策与道德判断能力，显著推进了具身智能体从工具化向拟人化社会互动范式的跃迁，对构建可信赖、可解释的人工智能社会协作系统具有里程碑意义。