大语言模型智能体的发展与潜力：综述

🔥 基于 LLM 的智能体必读论文。

🏃 即将推出：为每篇论文添加一句话介绍。

🔔 新闻

• 🎉 [2025-09-10] 注意！你可以为 AgentGym 开发自定义环境，并在其上执行 RL（强化学习）！教程见这里。
• 🍺 [2025-09-10] arXiv 上发布了新论文：AgentGym-RL: Training LLM Agents for Long-Horizon Decision Making through Multi-Turn Reinforcement Learning。
• 🚀 [2025-09-10] AgentGym-RL 框架发布！我们引入了 AgentGym 的强化学习（RL）版本，使智能体能够直接从交互式环境中进行学习：AgentGym-RL。
• 👀 [2025/09/03] AgentGym 现已提供用于可视化的交互式前端。研究人员可以更轻松地重放和检查完整的轨迹、逐步观察智能体的决策过程并分析模型行为。
• ☄️ [2024/06/07] AgentGym 已发布，用于在多样化环境中开发和演化基于 LLM 的智能体！
  • 论文：AgentGym。
  • 项目主页：https://agentgym.github.io/。
  • 代码：平台与实现。
  • Huggingface 资源：AgentTraj-L, AgentEval, AgentEvol-7B。
• 🎉 [2024/05/02] R3 (Training Large Language Models for Reasoning through Reverse Curriculum Reinforcement Learning) 被 ICML 2024 录用！
• 💫 [2024/02/08] 关于 LLM 智能体推理的 R3 新论文已发布！论文：Training Large Language Models for Reasoning through Reverse Curriculum Reinforcement Learning。代码：LLM-Reverse-Curriculum-RL。
• 🥳 [2023/09/20] 本项目已登上 GitHub Trendings！深感荣幸！
• 💥 [2023/09/15] 我们的综述文章发布了！请参阅论文：The Rise and Potential of Large Language Model Based Agents: A Survey。
• ✨ [2023/09/14] 我们创建了这个仓库以维护一份关于基于 LLM 的智能体的论文列表。更多论文即将更新！

🌟 简介

长期以来，人类一直在追求达到或超越人类水平的人工智能 (AI)，而 AI 智能体被认为是实现这一目标的有力载体。AI 智能体是能够感知环境、做出决策并采取行动的人工实体。

由于大语言模型 (LLM) 展现出通用且卓越的能力，它们被视为实现通用人工智能 (AGI) 的潜在火花，为构建通用 AI 智能体提供了希望。许多研究工作已利用 LLM 作为基础来构建 AI 智能体，并取得了重大进展。

在本仓库中，我们提供了关于基于 LLM 的智能体的系统性、全面性综述，并列出了一些必读论文。

具体而言，我们从基于 LLM 的智能体的通用概念框架开始：它包含大脑（Brain）、感知（Perception）和行动（Action）三个主要部分，该框架可以根据不同的应用进行调整。随后，我们从单智能体场景、多智能体场景和人机协作三个方面探索了基于 LLM 的智能体的广泛应用。此后，我们深入研究了智能体社会，探讨了基于 LLM 的智能体的行为与个性、它们形成社会时出现的社会现象，以及它们为人类社会提供的启示。最后，我们讨论了该领域的一系列关键主题和开放性问题。

我们非常欢迎通过 PR、issue、电子邮件或其他方式进行贡献。

内容目录 (ToC)

• 大语言模型智能体的发展与潜力：综述
  • 🔔 新闻
  • 🌟 简介
  • 内容目录 (ToC)
  • 1. 智能体的诞生：基于 LLM 的智能体的构建
    • 1.1 大脑：主要由 LLM 组成
      • 1.1.1 自然语言交互
        • 高质量生成
        • 深度理解
      • 1.1.2 知识
        • 预训练模型
        • 语言知识
        • 常识性知识
        • 可操作知识
        • 潜在问题