近年来,大语言模型(Large Language Models, LLMs)在各类任务中展现出惊人的能力。由于LLMs强大的规划和推理能力,研究人员开始将其作为自主智能体来执行各种复杂任务。在单一LLM智能体取得成功的基础上,基于LLM的多智能体系统(LLM-based Multi-Agent Systems, LLM-MA)在复杂问题求解和世界模拟方面取得了显著进展。
本文旨在为读者提供LLM-MA系统的全面概述,深入讨论这一新兴领域的关键方面及面临的挑战。我们希望读者能够通过本综述获得以下问题的深刻见解:LLM-MA系统模拟了哪些领域和环境?这些智能体是如何被定义的,它们如何进行交互?哪些机制促进了智能体能力的提升?对于有兴趣深入研究该领域的读者,我们还总结了常用的数据集和基准测试。
为了使研究人员能够及时了解最新进展,我们维护了一个开源的GitHub仓库,专门用于概述LLM-MA系统的研究成果。本综述的主要贡献包括:
LLM-MA系统由多个基于大语言模型的智能体组成,这些智能体能够自主地进行规划、讨论和决策,模拟人类团队协作解决问题的过程。与单一LLM智能体相比,LLM-MA系统具有以下优势:
LLM-MA系统充分利用了LLMs强大的文本生成和理解能力,以及跨领域的知识储备和专门化潜力。近期研究表明,LLM-MA系统在软件开发、多机器人系统、社会模拟、政策模拟和游戏模拟等多个领域取得了令人瞩目的成果。
智能体-环境接口定义了智能体如何感知和作用于其运行环境。根据当前研究,我们将接口分为三类:
沙盒环境:一个模拟或虚拟环境,智能体可以在其中自由交互和尝试各种策略。常用于软件开发和游戏模拟等场景。
物理环境:真实世界环境,智能体需要遵守物理规律并与实体对象交互。如多机器人协作任务中的物理空间。
无环境:某些应用中不存在特定的外部环境,智能体之间仅进行交流。如多智能体辩论等场景。
在LLM-MA系统中,智能体通过其特征、行为和技能来定义,以满足特定目标。不同系统中的智能体承担不同角色,每个角色都有全面的描述,包括特征、能力、行为和约束。智能体定义方法主要有三种:
智能体之间的通信是LLM-MA系统集体智能的关键基础设施。我们从三个方面分析智能体通信:
智能体能力获取是LLM-MA系统中智能体学习和进化的关键过程。主要包括两个方面:
反馈:智能体接收的关键信息,帮助其学习行为影响并适应复杂动态问题。反馈来源包括环境、智能体交互、人类反馈等。
智能体调整:智能体通过记忆、自我进化和动态生成等方式增强能力,以更好地解决复杂问题。
LLM-MA系统已在多个领域得到应用,主要可分为问题求解和世界模拟两大类:
尽管LLM-MA系统取得了显著进展,但仍面临诸多挑战,主要包括:
未来研究可以从以下方向展开:
基于大语言模型的多智能体系统是一个快速发展的研究领域,展现出巨大的应用潜力。本综述系统地梳理了LLM-MA系统的关键技术、应用场景和未来挑战,为研究人员提供了全面的参考。我们期待这一领域能够持续创新,推动人工智能向着更高层次的集体智能迈进。
欢迎关注我们的最新研究进展,并为该领域的发展贡献您的智慧!
OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案 。
用于可扩展和多功能 3D 生成的结构化 3D 潜在表示
TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。
10 节课教你开启构建 AI 代理所需的一切知识
AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。