播播机 Logo

播播机

Powered by

特工宇宙Coze 扣子
学术论文

The Rise and Potential of Large Language Model Based Agents: A Survey

Zhiheng Xi, Wenxiang Chen, Xin Guo, Wei He, Yiwen Ding, Boyang Hong, Ming Zhang, Junzhe Wang, Senjie Jin, Enyu Zhou, Rui Zheng, Xiaoran Fan, Xiao Wang, Limao Xiong, Yuhao Zhou, Weiran Wang, Changhao Jiang, Yicheng Zou, Xiangyang Liu, Zhangyue Yin, Shihan Dou, Rongxiang Weng, Wensen Cheng, Qi Zhang, Wenjuan Qin, Yongyan Zheng, Xipeng Qiu, Xuanjing Huang, Tao Gui
2023-09-19
Science China Information Sciences
综述Multi-Agent Systems认知架构

摘要

长期以来,人类一直追求能够媲美甚至超越人类智能的人工智能(AI),而AI智能体被认为是实现这一目标的重要载体。AI智能体是一种能够感知环境、做出决策并采取行动的人工实体。过去的研究多聚焦于算法或训练策略的进步,以提升智能体在特定任务上的能力或表现,但缺乏一种能够适应多样场景的通用强大模型作为设计智能体的起点。近年来,随着大型语言模型(LLM)展现出多样且强大的能力,它们被视为通用人工智能(AGI)的潜在火花,为构建通用AI智能体带来了希望。许多研究者已将LLM作为基础,构建AI智能体并取得了显著进展。本文对基于LLM的智能体进行了全面综述。首先,追溯了智能体的哲学起源及其在AI领域的发展,并解释了为何LLM适合作为智能体的基础。随后,提出了一个包含"大脑、感知、行动"三大核心组件的通用LLM智能体框架,并说明该框架可根据不同应用场景进行定制。接着,系统梳理了LLM智能体在单体、多体和人机协作三大应用领域的广泛实践。进一步,探讨了智能体社会,分析了LLM智能体的行为与个性、智能体社会中涌现的社会现象,以及这些现象对人类社会的启示。最后,讨论了该领域的若干关键议题与未解难题。相关论文列表可在 https://github.com/WooooDyy/LLM-Agent-Paper-List 查阅。

播客

0:00
加载中...

播放速度:

全文

The Rise and Potential of Large Language Model Based Agents: A Survey - 学术论文

相关内容

学术论文

Advances and Challenges in Foundation Agents: From Brain-Inspired Intelligence to Evolutionary, Collaborative, and Safe Systems

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。

2025-03-31