대형 언어 모델 에이전트: 방법론, 응용 및 과제에 대한 조사

초록

대규모 언어 모델의 혁신적 발전에 힘입어 지능형 에이전트의 시대가 도래했습니다. 목표 지향적 행동과 동적 적응 능력을 갖춘 대규모 언어 모델(LLM) 에이전트는 인공 일반 지능(AGI)으로 나아가는 중요한 경로를 제시할 가능성이 있습니다. 본 조사는 방법론 중심의 분류 체계를 통해 LLM 에이전트 시스템을 체계적으로 분석하며, 아키텍처 기반, 협업 메커니즘, 진화 경로 간의 연결고리를 탐구합니다. 우리는 에이전트 설계 원칙과 복잡한 환경에서의 창발적 행동 간의 근본적 관계를 밝혀 분산된 연구 흐름을 통합합니다. 이 연구는 에이전트의 구성 방식, 협업 메커니즘, 시간에 따른 진화 과정을 아키텍처적 관점에서 통합적으로 조명하며, 평가 방법론, 도구 활용, 실질적 과제, 다양한 응용 분야도 다룹니다. 급변하는 이 분야의 최신 동향을 조사함으로써, 우리는 연구자들에게 LLM 에이전트를 이해하기 위한 구조화된 분류 체계를 제공하고, 미래 연구를 위한 유망한 방향성을 제시합니다. 이 컬렉션은 https://github.com/luo-junyu/Awesome-Agent-Papers에서 확인할 수 있습니다.

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.

대형 언어 모델 에이전트: 방법론, 응용 및 과제에 대한 조사

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

초록

Summary

Support

Support