基于 LLM 的自治智能体综述

增长趋势

自治智能体旨在通过自导向指令来实现特定目标。随着大语言模型（LLM）的出现与发展，利用 LLM 作为这些自治智能体的核心控制器已成为一种增长趋势。尽管该领域以往的研究已取得显著成就，但它们大多是独立的研究方案，缺乏系统的分析。为了弥补这一空白，我们进行了全面深入的综述研究，重点关注基于 LLM 的自治智能体的构建、应用和评估。具体而言，我们首先探讨了 AI 智能体的核心组件，包括配置（Profile）模块、记忆（Memory）模块、规划（Planning）模块和行动（Action）模块。进一步地，我们调查了基于 LLM 的自治智能体在自然科学、社会科学和工程领域的应用。随后，我们深入讨论了该领域的评估策略，涵盖了主观和客观两种方法。本综述旨在为研究人员和从业者提供资源，为这一激动人心且快速发展的领域提供见解、相关参考资料及持续更新。

📍 这是该领域第一篇公开发表的关于基于 LLM 的自治智能体的综述论文。

论文链接：A Survey on Large Language Model based Autonomous Agents

更新记录

🔥 [2024/3/25] 我们的综述论文已被《Frontiers of Computer Science》接收，这是该领域第一篇正式出版的综述论文。
🔥 [2023/8/9] 我们的综述第二版已在 arXiv 上发布。

更新内容：
- 📚 补充参考文献
  - 我们增加了截至 2023/9/1 的 31 项新研究，使综述更加全面和前沿。
- 📊 新增图表
  - 图 3： 这是一张新图表，展示了各种规划方法之间的异同，有助于更清晰地理解不同规划方法之间的比较。
  - 图 4： 这是一张新图表，描述了从“机器学习时代”到“大语言模型时代”再到“智能体时代”的模型能力获取演进路径。具体引入了“机制工程（Mechanism Engineering）”这一新概念，它与“参数学习（Parameter Learning）”和“提示工程（Prompt Engineering）”共同构成了这一演进路径的一部分。
- 🔍 优化分类系统
  - 我们稍微修改了综述中的分类系统，使其逻辑更加严密，组织更加清晰。
🔥 [2023/8/23] 我们的综述第一版已在 arXiv 上发布。

🤖 基于 LLM 的自治智能体构建

架构设计

模型	配置	记忆	规划	行动	CA	论文	代码
WebGPT	-	-	-	-	w/ tools	w/ fine-tuning	Paper
SayCan	-	-	-	w/o feedback	w/o tools	w/o fine-tuning	Paper
MRKL	-	-	-	w/o feedback	w/ tools	-	Paper
Inner Monologue	-	-	-	w/ feedback	w/o tools	w/o fine-tuning	Paper
Social Simulacra	GPT-Generated	-	-	-	w/o tools	-	Paper
ReAct	-	-	-	w/ feedback	w/ tools	w/ fine-tuning	Paper
LLM Planner	-	-	-	w/ feedback	w/o tools	Environment feedback	Paper
MALLM	-	Read/Write	Hybrid	-	w/o tools	-	Paper

Paitesanshi/LLM-Agent-Survey

基于 LLM 的自治智能体综述

更新记录

目录

🤖 基于 LLM 的自治智能体构建