Engenharia de Ambientes Agênticos para Modelos de Linguagem de Grande Escala: Uma Pesquisa sobre Modelagem, Síntese, Avaliação e Aplicação de Ambientes

Resumo

Ambientes servem como sistemas interativos para agentes baseados em modelos de linguagem de grande escala (LLM) em diversos cenários e desempenham um papel crucial na condução da evolução contínua das capacidades dos modelos. Apesar dessa importância, os trabalhos existentes carecem de uma categorização sistemática e análise aprofundada. Este artigo estuda sistematicamente as pesquisas atuais sobre ambientes agentivos sob a perspectiva do ciclo de vida da engenharia de ambientes, abrangendo sua modelagem, síntese, avaliação e aplicação. Especificamente, o artigo primeiro introduz ambientes representativos sob as perspectivas de oito atributos e oito domínios, fornecendo análises detalhadas de suas trajetórias de desenvolvimento e destacando suas capacidades centrais. Em segundo lugar, para a síntese automatizada de ambientes, são introduzidos dois paradigmas, como síntese simbólica e síntese neural. Este artigo também apresenta diferentes métodos de avaliação de ambientes em cada paradigma. Em terceiro lugar, são discutidas as aplicações correspondentes de ambientes sob a perspectiva da coevolução agente-ambiente. Especificamente, o artigo caracteriza as principais vias para a evolução de agentes em ambientes dinâmicos a partir de quatro perspectivas complementares: evolução de experiência centrada em memória, evolução de workflow centrada em orquestração, evolução offline centrada em trajetória e evolução online centrada em exploração. E são identificados três paradigmas de evolução de ambientes: abordagens orientadas por redes neurais, orientadas por dificuldade e orientadas por escalonamento. Por fim, são discutidas várias direções futuras promissoras, incluindo Ambiente como Serviço, Ambientes Multiagente e Ambientes 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.