The Rise and Potential of Large Language Model Based Agents: A Survey

要約

人類は長い間、人間のレベルと同等またはそれを超える人工知能 (AI) を追求してきましたが、AI エージェントはこの追求の有望な手段と考えられています。
AI エージェントは、環境を感知し、意思決定を行い、行動を起こす人工的な存在です。
20 世紀半ば以来、インテリジェント AI エージェントを開発するために多くの努力が払われてきました。
ただし、これらの取り組みは主に、特定のタスクにおける特定の能力やパフォーマンスを強化するためのアルゴリズムやトレーニング戦略の進歩に焦点を当てています。
実際、コミュニティに欠けているのは、多様なシナリオに適応できる AI エージェントを設計するための出発点として機能する、十分に一般的で強力なモデルです。
大規模言語モデル (LLM) は、その多用途で優れた機能を実証しているため、汎用人工知能 (AGI) の潜在的な火種とみなされており、汎用 AI エージェントの構築に期待が寄せられています。
多くの研究活動では、AI エージェントを構築するための基盤として LLM を活用し、大きな進歩を遂げてきました。
まず、エージェントの概念をその哲学的起源から AI における開発まで追跡し、LLM が AI エージェントの基盤として適している理由を説明します。
これに基づいて、脳、知覚、動作という 3 つの主要コンポーネントで構成される LLM ベースのエージェントの概念的なフレームワークを提示します。このフレームワークは、さまざまなアプリケーションに合わせて調整できます。
続いて、単一エージェントのシナリオ、マルチエージェントのシナリオ、および人間とエージェントの協力という 3 つの側面で、LLM ベースのエージェントの広範なアプリケーションを調査します。
これに続いて、私たちはエージェント社会を掘り下げ、LLM ベースのエージェントの行動と性格、彼らが社会を形成するときに現れる社会現象、そして彼らが人間社会に提供する洞察を探ります。
最後に、さまざまな重要なトピックと、この分野における未解決の問題について説明します。

要約(オリジナル)

For a long time, humanity has pursued artificial intelligence (AI) equivalent to or surpassing the human level, with AI agents considered a promising vehicle for this pursuit. AI agents are artificial entities that sense their environment, make decisions, and take actions. Many efforts have been made to develop intelligent AI agents since the mid-20th century. However, these efforts have mainly focused on advancement in algorithms or training strategies to enhance specific capabilities or performance on particular tasks. Actually, what the community lacks is a sufficiently general and powerful model to serve as a starting point for designing AI agents that can adapt to diverse scenarios. Due to the versatile and remarkable capabilities they demonstrate, large language models (LLMs) are regarded as potential sparks for Artificial General Intelligence (AGI), offering hope for building general AI agents. Many research efforts have leveraged LLMs as the foundation to build AI agents and have achieved significant progress. We start by tracing the concept of agents from its philosophical origins to its development in AI, and explain why LLMs are suitable foundations for AI agents. Building upon this, we present a conceptual framework for LLM-based agents, comprising three main components: brain, perception, and action, and the framework can be tailored to suit different applications. Subsequently, we explore the extensive applications of LLM-based agents in three aspects: single-agent scenarios, multi-agent scenarios, and human-agent cooperation. Following this, we delve into agent societies, exploring the behavior and personality of LLM-based agents, the social phenomena that emerge when they form societies, and the insights they offer for human society. Finally, we discuss a range of key topics and open problems within the field.

arxiv情報

著者 Zhiheng Xi,Wenxiang Chen,Xin Guo,Wei He,Yiwen Ding,Boyang Hong,Ming Zhang,Junzhe Wang,Senjie Jin,Enyu Zhou,Rui Zheng,Xiaoran Fan,Xiao Wang,Limao Xiong,Qin Liu,Yuhao Zhou,Weiran Wang,Changhao Jiang,Yicheng Zou,Xiangyang Liu,Zhangyue Yin,Shihan Dou,Rongxiang Weng,Wensen Cheng,Qi Zhang,Wenjuan Qin,Yongyan Zheng,Xipeng Qiu,Xuanjing Huan,Tao Gui
発行日 2023-09-14 17:12:03+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CL パーマリンク