基础智能体的进展与挑战：从类脑智能到进化、协作与安全系统Advances and Challenges in Foundation Agents: From Brain-Inspired
Intelligence to Evolutionary, Collaborative, and Safe Systems
基础智能体的进展与挑战：从类脑智能到进化、协作与安全系统
Advances and Challenges in Foundation Agents: From Brain-Inspired
Intelligence to Evolutionary, Collaborative, and Safe Systems
Mar 31, 2025
Bang Liu, Xinfeng Li, Jiayi Zhang, Jinlin Wang, Tanjin He, Sirui Hong, Hongzhang Liu, Shaokun Zhang, Kaitao Song, Kunlun Zhu, Yuheng Cheng, Suyuchen Wang, Xiaoqiang Wang, Yuyu Luo, Haibo Jin, Peiyan Zhang, Ollie Liu, Jiaqi Chen, Huan Zhang, Zhaoyang Yu, Haochen Shi, Boyan Li, Dekun Wu, Fengwei Teng, Xiaojun Jia, Jiawei Xu, Jinyu Xiang, Yizhang Lin, Tianming Liu, Tongliang Liu, Yu Su, Huan Sun, Glen Berseth, Jianyun Nie, Ian Foster, Logan Ward, Qingyun Wu, Yu Gu, Mingchen Zhuge, Xiangru Tang, Haohan Wang, Jiaxuan You, Chi Wang, Jian Pei, Qiang Yang, Xiaoliang Qi, Chenglin Wu
2937
大型语言模型（LLMs）的出现催化了人工智能领域的变革性转变，为能够在多样化领域中实现复杂推理、强大感知和多功能行动的先进智能体铺平了道路。随着这些智能体日益推动AI研究和实际应用，其设计、评估与持续改进带来了错综复杂、多层面的挑战。本综述提供了一个全面的概览，将智能体置于一个模块化、受大脑启发的架构中，该架构整合了认知科学、神经科学和计算研究的原理。我们将探索分为四个相互关联的部分。首先，深入探讨智能体的模块化基础，系统性地将其认知、感知和操作模块映射到类似的人类大脑功能上，并阐明诸如记忆、世界建模、奖励处理及类情感系统等核心组件。其次，讨论自我增强与适应性进化机制，探索智能体如何自主优化其能力、适应动态环境，并通过包括新兴的AutoML和LLM驱动优化策略在内的自动化优化范式实现持续学习。第三，考察协作与进化的多智能体系统，研究智能体互动、合作及社会结构中涌现的集体智能，强调其与人类社会动态的相似之处。最后，探讨构建安全、可靠且有益的AI系统的关键必要性，着重于内在与外在的安全威胁、伦理对齐、鲁棒性以及实现可信赖实际部署所需的实用缓解策略。