Large Language Model Agent: A Survey on Methodology, Applications and Challenges

要約

インテリジェントエージェントの時代は、大規模な言語モデルの革新的な進歩によって推進されています。
目標主導の動作と動的な適応能力を備えた大規模な言語モデル（LLM）エージェントは、人工的な一般情報への重要な経路を潜在的に表しています。
この調査は、建築基盤、コラボレーションメカニズム、および進化経路をリンクする方法論中心の分類法を通じてLLMエージェントシステムを体系的に分解します。
エージェントの設計原則と複雑な環境での緊急行動との根本的なつながりを明らかにすることにより、断片化された研究スレッドを統合します。
私たちの作品は、統一された建築の視点を提供し、エージェントの構築方法、協力方法、および時間の経過とともにどのように進化するかを調べ、評価方法、ツールアプリケーション、実用的な課題、および多様なアプリケーションドメインにも対処します。
この急速に進化する分野の最新の開発を調査することにより、研究者にLLMエージェントを理解するための構造化された分類法を提供し、将来の研究のための有望な方向性を特定します。
このコレクションは、https：//github.com/luo-junyu/awesome-agent-papersで入手できます。

要約(オリジナル)

The era of intelligent agents is upon us, driven by revolutionary advancements in large language models. Large Language Model (LLM) agents, with goal-driven behaviors and dynamic adaptation capabilities, potentially represent a critical pathway toward artificial general intelligence. This survey systematically deconstructs LLM agent systems through a methodology-centered taxonomy, linking architectural foundations, collaboration mechanisms, and evolutionary pathways. We unify fragmented research threads by revealing fundamental connections between agent design principles and their emergent behaviors in complex environments. Our work provides a unified architectural perspective, examining how agents are constructed, how they collaborate, and how they evolve over time, while also addressing evaluation methodologies, tool applications, practical challenges, and diverse application domains. By surveying the latest developments in this rapidly evolving field, we offer researchers a structured taxonomy for understanding LLM agents and identify promising directions for future research. The collection is available at https://github.com/luo-junyu/Awesome-Agent-Papers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google