《A Survey on Large Language Model based Autonomous Agents》这篇论文发表于《Frontiers of Computer Science》期刊，该期刊由中国教育部主管、高等教育出版社与北京航空航天大学共同主办，SpringerNature负责海外发行，属于CCF推荐期刊B类。论文于2024年3月10日在线发表(DOI日期)，并收录于2024年第6期。论文的arXiv预印本可通过链接https://arxiv.org/pdf/2308.11432免费获取，而期刊官网的摘要页面为https://journal.hep.com.cn/fcs/CN/10.1007/s11704-024-40231-1，但需付费或通过机构访问获取全文。
论文作者团队共14人，全部来自中国人民大学高瓴人工智能学院，包括： – Lei Wang（王磊） – Chen Ma（马晨） – Xueyang Feng（冯雪扬） – Zeyu Zhang（张泽宇） – Hao Yang（杨浩） – Jingsen Zhang（张敬森） – Zhiyuan Chen（陈知远） – Jiakai Tang（唐继铠） – Xu Chen（陈旭） – Yankai Lin（林衍凯，通信作者之一） – Wayne Xin Zhao（赵鑫） – Zhewei Wei（魏哲巍） – Jirong Wen（温继荣）
一、论文发表期刊与下载链接
《Frontiers of Computer Science》(FCS)是一本具有国际影响力的英文学术期刊，由教育部主管，高等教育出版社与北京航空航天大学共同主办，SpringerNature负责海外发行。该期刊于2007年创刊，双月刊，主要刊登计算机科学领域具有创新性的综述论文、研究论文等。在2023年的影响因子为4.2分，2024年实时影响因子为3.077，五年影响因子为3。期刊被SCI、EI、DBLP、INSPEC、Scopus和中国科学引文数据库(CSCD)核心库等收录，具有较高的学术地位。
论文《A Survey on Large Language Model based Autonomous Agents》在该期刊的发表信息为：Lei WANG, Chen MA, Xueyang FENG, Zeyu ZHANG, Hao YANG, Jingsen ZHANG, Zhiyuan CHEN, Jiakai TANG, Xu CHEN, Yankai LIN, Wayne Xin ZHAO, Zhewei WEI, Jirong WEN. A survey on large language model based autonomous agents. Front. Comput. Sci., 2024, 18(6): 186345。论文的DOI为10.1007/s11704-024-40231-1。
论文的下载链接主要有两种形式：一是arXiv预印本链接https://arxiv.org/pdf/2308.11432，该链接可免费获取论文全文；二是期刊官网的摘要页面https://journal.hep.com.cn/fcs/CN/10.1007/s11704-024-40231-1，但需付费或通过机构访问才能获取全文。此外，论文作者团队还维护了一个GitHub仓库https://github.com/Paitesanshi/LLM-Agent-Survey，用于整理和更新相关研究参考文献。
二、主要作者及其研究背景
论文作者团队全部来自中国人民大学高瓴人工智能学院，是一支由教授、博士生和硕士生组成的跨层次研究团队。其中，Yankai Lin（林衍凯）是通信作者之一，也是团队中学术地位较高的成员。根据研究记录，Yankai Lin在人工智能领域有丰富的研究经验，曾参与多篇重要论文的撰写。例如，他在2022年与Zhiyuan Liu、Maosong Sun等合著的论文《Different Tunes Played with Equal Skill: Exploring a Unified Optimization Subspace for Delta Tuning》探讨了大语言模型增量调优的统一优化子空间，为模型参数高效调整提供了新思路。
另一位重要作者Lei Wang（王磊）是中国人民大学高瓴人工智能学院的博士候选人，专注于大语言模型与智能体研究。他在EMNLP 2023等会议上有相关研究发表，如《Blockwise Parallel Transformer for Long Context Large Models》等，这些工作为LLM-based autonomous agents的构建提供了理论基础。
Xueyang Feng（冯雪扬）是中国人民大学高瓴人工智能学院博士一年级在读学生，也是论文的主要撰写者之一。他在LLM智能体领域有深入研究，曾参与多篇相关论文的撰写，如《Character-LLM: A Trainable Agent for Role-Playing》等，这些工作探讨了LLM在模拟人类行为方面的应用潜力。
Chen Ma（马晨）是中国人民大学高瓴人工智能学院的硕士生，研究方向包括推荐系统和基于LLM的智能体。他参与了论文中关于LLM智能体能力获取范式的部分研究，这一部分探讨了从机器学习时代到大模型时代再到智能体时代模型能力获取范式的变迁过程。
Zeyu Zhang（张泽宇）和Hao Yang（杨浩）同为中国人民大学高瓴人工智能学院的硕士生和博士生，研究方向均为推荐系统和基于LLM的智能体。他们在论文中主要负责智能体构建模块的研究，包括架构设计和能力获取等方面。
Jingsen Zhang（张敬森）、Zhiyuan Chen（陈知远）、Jiakai Tang（唐继铠）、Xu Chen（陈旭）等作者也参与了论文的研究工作，但因信息限制，无法提供更多个人背景和发表记录。
三、论文核心内容与学术贡献
该论文系统综述了基于大型语言模型的自主智能体的研究进展，从整体角度对LLM-based autonomous agents进行了全面分析。论文的主要贡献包括：
- 提出了智能体构建的统一框架：论文提出了包含画像模块、记忆模块、规划模块和动作模块的智能体统一构建框架，涵盖了大部分先前工作，并对每个模块的具体设计方法和使用方式进行了详细分析和总结。
- 分析了智能体能力获取的三大范式：论文分析了从机器学习时代到大模型时代再到智能体时代模型能力获取范式的变迁过程。在机器学习时代，模型能力的获取主要依靠参数训练；在大模型时代，提示工程成为了新的模型能力获取手段；在智能体时代，如何设计合理的行为、合作以及博弈机制对智能体能力获取同样至关重要。
- 梳理了智能体应用场景：论文分析了大模型智能体在社会科学领域、自然科学领域、工程领域三大领域和14个子领域的应用场景，对相关工作的核心设计思路进行了概要介绍。
- 介绍了智能体评测的主要手段：论文从主观和客观两个方面介绍了智能体评测的主要手段。主观评测方面主要介绍了人工标注和图灵测试两种方法；客观评测主要介绍了常用评价指标、数据集和评测手段。
四、作者团队的其他研究方向
中国人民大学高瓴人工智能学院的研究团队在人工智能领域有广泛的研究兴趣和丰富的研究成果。根据学院官网信息，该学院师生在2023年以主要作者身份发表了CCF A类论文121篇，研究方向涵盖大语言模型、推荐系统、图机器学习、机器人技能学习等多个前沿领域。
Yankai Lin（林衍凯）作为通信作者之一，除参与本篇综述论文外，还在自然语言处理领域有深入研究，如与Zhiyuan Liu、Maosong Sun等合著的多篇论文。Lei Wang（王磊）作为第一作者，专注于LLM的结构化和长上下文处理，如《Blockwise Parallel Transformer for Long Context Large Models》等。Xueyang Feng（冯雪扬）则在LLM的人格化和角色扮演方面有独特见解，如《Character-LLM: A Trainable Agent for Role-Playing》等。
团队的其他成员也各有所长，如Chen Ma（马晨）在推荐系统和提示工程方面有研究，Zeyu Zhang（张泽宇）和Hao Yang（杨浩）在智能体构建和规划方面有丰富经验。整体来看，该团队在LLM智能体领域具有深厚的研究积累和多元的技术视角，这也是该综述论文能够全面系统地分析LLM-based autonomous agents研究现状的重要基础。
五、论文的学术价值与影响
《A Survey on Large Language Model based Autonomous Agents》作为一篇全面系统地分析LLM-based autonomous agents研究现状的综述论文，具有重要的学术价值和实际应用意义。论文不仅梳理了该领域的研究脉络，还提出了统一的框架和未来研究方向，为相关领域的研究者提供了有价值的参考。
论文发表后，引起了学术界和工业界的广泛关注。中国人民大学高瓴人工智能学院的研究团队在LLM智能体领域持续深耕，不断更新和扩展该综述的研究内容，维护的GitHub仓库也已成为该领域的重要资源平台。该论文的发表标志着LLM智能体研究从分散探索走向系统整合的新阶段，为未来研究提供了清晰的方向和全面的背景知识。
随着LLM技术的不断发展和智能体应用的日益广泛，这篇综述论文的价值将更加凸显，预计将持续影响该领域的研究方向和发展轨迹。
汉语
English
にほんご
한국어
le français
Deutsch
没有回复内容