摘要

大型语言模型（LLMs）的出现，推动了人工智能领域的变革性进步，为能够进行复杂推理、强大感知和多领域灵活行动的高级智能体铺平了道路。随着这些智能体在AI研究和实际应用中扮演越来越重要的角色，其设计、评估和持续改进也带来了复杂且多层面的挑战。本综述全面梳理了相关进展，将智能体置于一种模块化、类脑架构之中，融合了认知科学、神经科学和计算研究的原理。我们将探讨分为四个相互关联的部分。首先，深入分析智能体的模块化基础，系统地将其认知、感知和操作模块映射到人脑的类似功能，并阐释记忆、世界建模、奖励处理和类情感系统等核心组成部分。其次，讨论自我增强与适应性进化机制，探索智能体如何自主提升能力、适应动态环境，并通过自动化优化范式（包括新兴的AutoML和LLM驱动的优化策略）实现持续学习。第三，考察协作与进化的多智能体系统，研究智能体间互动、协作和社会结构中涌现的集体智能，突出其与人类社会动态的相似之处。最后，聚焦于构建安全、可靠且有益的AI系统，强调内在与外在的安全威胁、伦理对齐、鲁棒性以及实现可信实际部署所需的实际缓解策略。

全文