Ingeniería de Entornos Agénticos para Modelos de Lenguaje de Gran Escala: Una Revisión del Modelado, Síntesis, Evaluación y Aplicación de Entornos

Resumen

Los entornos sirven como sistemas interactivos para agentes basados en modelos de lenguaje grande (LLM) en diversos escenarios y desempeñan un papel crucial en impulsar la evolución continua de las capacidades del modelo. A pesar de esta importancia, los trabajos existentes carecen de una categorización sistemática y un análisis profundo. Este artículo estudia sistemáticamente las investigaciones actuales sobre entornos agentivos desde la perspectiva del ciclo de vida de la ingeniería de entornos, abarcando su modelado, síntesis, evaluación y aplicación. Específicamente, el artículo presenta primero entornos representativos desde las perspectivas de ocho atributos y ocho dominios, proporcionando análisis detallados de sus trayectorias de desarrollo y destacando sus capacidades centrales. En segundo lugar, para la síntesis automatizada de entornos, se introducen dos paradigmas, como la síntesis simbólica y la síntesis neuronal. Este artículo también muestra diferentes métodos de evaluación de entornos en cada paradigma. En tercer lugar, se discuten las aplicaciones correspondientes de entornos desde la perspectiva de la co-evolución agente-entorno. En concreto, el artículo caracteriza las principales vías para la evolución de agentes en entornos dinámicos desde cuatro perspectivas complementarias: evolución de la experiencia centrada en la memoria, evolución del flujo de trabajo centrada en la orquestación, evolución fuera de línea centrada en la trayectoria y evolución en línea centrada en la exploración. Y se identifican tres paradigmas de evolución del entorno: enfoques impulsados por redes neuronales, impulsados por dificultad e impulsados por escalamiento. Por último, se discuten varias direcciones futuras prometedoras, que incluyen Entorno como Servicio, Entornos Multiagente y Entornos Neuro-Simbólicos.

English

Environments serve as interactive systems for large language model (LLM) based agents across diverse scenarios and play a crucial role in driving the continual evolution of model capabilities. Despite this importance, existing work lacks a systematic categorization and deep analysis. This paper systematically studies current researches on agentic environments from the perspective of the environment engineering lifecycle, covering their modeling, synthesis, evaluation and application. Specifically, the paper first introduces representative environments from the perspectives of eight attributes and eight domains, providing detailed analyses of their development paths and highlighting their core capabilities. Second, for automated environment synthesis, two paradigms are introduced, such as symbolic synthesis and neural synthesis. This paper also shows different environment evaluation methods in each paradigm. Thirdly, the corresponding environment applications from the perspective of agent-environment co-evolution are discussed. In specific, the paper characterizes the primary pathways for agent evolution in dynamic environments from four complementary perspectives: memory-centric experience evolution, orchestration-centric workflow evolution, trajectory-centric offline evolution, and exploration-centric online evolution. And three paradigms of environment evolution are identified, namely neural-driven, difficulty-driven, and scaling-driven approaches. At last, several promising future directions are discussed, including Environment-as-a-Service, Multi-agent Environments, and Neural-Symbolic Environments.