Agente de Modelo de Lenguaje de Gran Escala: Una Revisión sobre Metodología, Aplicaciones y Desafíos

Large Language Model Agent: A Survey on Methodology, Applications and Challenges

March 27, 2025

Autores: Junyu Luo, Weizhi Zhang, Ye Yuan, Yusheng Zhao, Junwei Yang, Yiyang Gu, Bohan Wu, Binqi Chen, Ziyue Qiao, Qingqing Long, Rongcheng Tu, Xiao Luo, Wei Ju, Zhiping Xiao, Yifan Wang, Meng Xiao, Chenwu Liu, Jingyang Yuan, Shichang Zhang, Yiqiao Jin, Fan Zhang, Xian Wu, Hanqing Zhao, Dacheng Tao, Philip S. Yu, Ming Zhang

cs.AI

Resumen

La era de los agentes inteligentes está sobre nosotros, impulsada por avances revolucionarios en los modelos de lenguaje de gran escala (LLM, por sus siglas en inglés). Los agentes basados en LLM, con comportamientos orientados a objetivos y capacidades de adaptación dinámica, representan potencialmente una vía crítica hacia la inteligencia artificial general. Este estudio deconstruye sistemáticamente los sistemas de agentes LLM a través de una taxonomía centrada en metodologías, vinculando fundamentos arquitectónicos, mecanismos de colaboración y vías evolutivas. Unificamos hilos de investigación fragmentados al revelar conexiones fundamentales entre los principios de diseño de agentes y sus comportamientos emergentes en entornos complejos. Nuestro trabajo ofrece una perspectiva arquitectónica unificada, examinando cómo se construyen los agentes, cómo colaboran y cómo evolucionan con el tiempo, al mismo tiempo que aborda metodologías de evaluación, aplicaciones de herramientas, desafíos prácticos y diversos dominios de aplicación. Al revisar los últimos desarrollos en este campo en rápida evolución, ofrecemos a los investigadores una taxonomía estructurada para comprender los agentes LLM e identificamos direcciones prometedoras para futuras investigaciones. La colección está disponible en https://github.com/luo-junyu/Awesome-Agent-Papers.

English

The era of intelligent agents is upon us, driven by revolutionary advancements in large language models. Large Language Model (LLM) agents, with goal-driven behaviors and dynamic adaptation capabilities, potentially represent a critical pathway toward artificial general intelligence. This survey systematically deconstructs LLM agent systems through a methodology-centered taxonomy, linking architectural foundations, collaboration mechanisms, and evolutionary pathways. We unify fragmented research threads by revealing fundamental connections between agent design principles and their emergent behaviors in complex environments. Our work provides a unified architectural perspective, examining how agents are constructed, how they collaborate, and how they evolve over time, while also addressing evaluation methodologies, tool applications, practical challenges, and diverse application domains. By surveying the latest developments in this rapidly evolving field, we offer researchers a structured taxonomy for understanding LLM agents and identify promising directions for future research. The collection is available at https://github.com/luo-junyu/Awesome-Agent-Papers.