LLM+P: Empowering Large Language Models with Optimal Planning Proficiency LLM+P 依赖于一个外部经典规划器来进行长期规划。 该方法利用规划域定义语言(PDDL)作为描述规划问题的中间接口。 LLM(1)将问题转换为“problem PDDL”,(2)请求经典规划器基于已有的“Domain PDDL”生成PDDL计划,(3)将PDDL计划转换回自然语...
同时,我们也维护了一个仓库,全面地总结分析了百余篇大语言模型智能体相关论文:LLM-Agent-Survey。1.Theory of Mind for Multi-Agent Collaboration via Large Language Models虽然大型语言模型 (LLM) 在推理和规划方面都取得了令人瞩目的成就,但它们在多智能体协作方面的能力在很大程度上仍未得到探索。本研究在具有...
一个LLM智能体作为Actor负责与环境交互，交互所产生的observation或reward，一方面用于形成外部反馈信号，另...
AI agents综述,包含agents的构建,应用和评估策略(多个评估基准,agent bench也在内) - HangXue-lab/LLM-Agent-Survey
平等伙伴模式: Agent作为人类的平等伙伴参与对话和任务,例如在情感交流和创造性工作中。 文章标题:The Rise and Potential of Large Language Model Based Agents: A Survey 项目地址:https://github.com/WooooDyy/LLM-Agent-Paper-List 1. 2.
A Survey on LLM-based Autonomous Agents Autonomous agents are designed to achieve specific objectives through self-guided instructions. With the emergence and growth of large language models (LLMs), there is a growing trend in utilizing LLMs as fundamental controllers for these autonomous agents. Wh...
Agent的整体架构 综述给出一个清晰的LLM-based agent框架图，图注详细，读者可通过仔细阅读图解理解框架。框架大致如下：agent通过环境获取信息，类似人类用眼睛、耳朵等感知世界，大脑处理信息并驱动四肢行动，四肢改变环境和自身状态。数据通路是关键，需要设计高效路径将各部分串联，实现“输入->处理->输出”...
从NLP -> AGI 的发展路线分为五个级别,From:《The Rise and Potential of Large Language Model Based Agents: A Survey》,分别是:语料库、互联网、感知、具身和社会属性。 目前的大语言模型已经来到了第二级,具备互联网实时访问的多模态内容输出。AI Agent在LLM的基础之上在往感知、具身和社会属性的方向方展;...
LLM驱动的Agent 由复旦NLP和米哈游调查完成的文献综述《The Rise and Potential of Large Language Model Based Agents: A Survey》详细阐述了LLM-based Agent的相关理论、实践模型和深度思考,知乎上有大神做了详细的解读,我下面基于此再做白话版总结。 首先,为什么是“Agent”这一概念?因为它是一个人工智能领域延续...
GitHub地址:https://github.com/MobileLLM/Personal_LLM_Agents_Survey Personal_LLM_Agents_Survey的使用方法 1、个人LLM代理的关键能力 (1)、任务自动化 任务自动化是个人LLM代理的核心能力,它决定了代理能够多好地响应用户命令和/或自动执行用户任务。由于UI-based任务自动化代理在这个列表中很受欢迎并与个人设备密...