Крупномасштабная языковая модель как агент: обзор методологии, приложений и вызовов

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

March 27, 2025

Авторы: 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

Аннотация

Эпоха интеллектуальных агентов наступила благодаря революционным достижениям в области больших языковых моделей (LLM). Агенты на основе LLM, обладающие целеориентированным поведением и способностью к динамической адаптации, потенциально представляют собой важный шаг на пути к созданию искусственного общего интеллекта. В данном обзоре систематически анализируются системы LLM-агентов с использованием методологически-ориентированной таксономии, связывающей архитектурные основы, механизмы взаимодействия и эволюционные пути. Мы объединяем разрозненные направления исследований, раскрывая фундаментальные связи между принципами проектирования агентов и их возникающим поведением в сложных средах. Наша работа предлагает единую архитектурную перспективу, рассматривая, как агенты создаются, взаимодействуют и эволюционируют со временем, а также затрагивает методологии оценки, применение инструментов, практические вызовы и разнообразные области применения. Обзор последних достижений в этой быстро развивающейся области предоставляет исследователям структурированную таксономию для понимания LLM-агентов и выделяет перспективные направления для будущих исследований. Коллекция доступна по адресу 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.