مقاله بررسی عوامل هوشمند مبتنی بر مدل بزرگ زبانی: تعاریف ، روش ها و چشم انداز

چکیده

Intelligent agents stand out as a potential path toward artificial general intelligence (AGI). Thus, researchers have dedicated significant effort to diverse implementations for them. Benefiting from recent progress in large language models (LLMs), LLM-based agents that use universal natural language as an interface exhibit robust generalization capabilities across various applications — from serving as autonomous general-purpose task assistants to applications in coding, social, and economic domains, LLM-based agents offer extensive exploration opportunities. This paper surveys current research to provide an in-depth overview of LLM-based intelligent agents within single-agent and multi-agent systems. It covers their definitions, research frameworks, and foundational components such as their composition, cognitive and planning methods, tool utilization, and responses to environmental feedback. We also delve into the mechanisms of deploying LLM-based agents in multi-agent systems, including multi-role collaboration, message passing, and strategies to alleviate communication issues between agents. The discussions also shed light on popular datasets and application scenarios. We conclude by envisioning prospects for LLM-based agents, considering the evolving landscape of AI and natural language processing.

چکیده به فارسی (ترجمه ماشینی)

عوامل هوشمند به عنوان یک مسیر بالقوه به سمت هوش عمومی مصنوعی (AGI) متمایز می شوند.بنابراین ، محققان تلاش قابل توجهی برای اجرای متنوع برای آنها انجام داده اند.بهره مندی از پیشرفت اخیر در مدلهای بزرگ زبان (LLM) ، عوامل مبتنی بر LLM که از زبان طبیعی جهانی استفاده می کنند به عنوان یک رابط قابلیت های عمومی سازی قوی را در برنامه های مختلف-از خدمت به عنوان دستیاران وظیفه عمومی خودمختار گرفته تا برنامه های کاربردی در برنامه نویسی ، اجتماعی و و از آن استفاده می کنند.حوزه های اقتصادی ، عوامل مستقر در LLM فرصت های اکتشافی گسترده ای را ارائه می دهند.در این مقاله ، تحقیقات فعلی برای ارائه یک نمای کلی از عوامل هوشمند مبتنی بر LLM در سیستم های تک عامل و چند عامل انجام می شود.این تعاریف ، چارچوب های تحقیقاتی و مؤلفه های بنیادی مانند ترکیب آنها ، روشهای شناختی و برنامه ریزی ، استفاده از ابزار و پاسخ به بازخورد محیط زیست را در بر می گیرد.ما همچنین به مکانیسم های استقرار عوامل مبتنی بر LLM در سیستم های چند عامل ، از جمله همکاری چند نقش ، انتقال پیام و راهکارهایی برای کاهش مسائل ارتباطی بین نمایندگان ، پرداختیم.این بحث ها همچنین به مجموعه داده های محبوب و سناریوهای برنامه روشن می شود.ما با توجه به چشم انداز در حال تحول هوش مصنوعی و پردازش زبان طبیعی ، با پیش بینی چشم انداز برای عوامل مبتنی بر LLM نتیجه می گیریم.