访问官网
Github
论文项目介绍：LLM-Agents-Papers
项目简介
LLM-Agents-Papers是一个集合了与大型语言模型（LLM）相关代理研究论文的项目。项目内容涉及多方面，包括概述、规划、反馈与反省、记忆机制、角色扮演、游戏代理、工具使用与人类-代理交互、基准与评价、环境与平台、代理框架、多代理系统以及代理微调等领域。该项目不断更新，旨在提供最新的研究进展，方便研究人员获取相关信息。
主要内容
概述
项目收录了大量关于LLM代理的概念性和综述性的研究论文。这些论文中，许多探讨了LLM的角色扮演与个性化、多模态和多代理系统的理性化等。
规划
规划是LLM代理的重要功能之一。项目中包含了大量关于LLM在自动设计、计划校验、逻辑规则应用等方面的研究成果，帮助提升语言模型的推理与计划能力。
反馈与反省
在反馈与反省领域，LLM的自我修正和通过机器反馈进行强化学习等成为研究热点。研究人员探索了如何通过环境反馈，改进对话代理的推理能力。
记忆机制
如何提升LLM的长时记忆能力是该领域的重要研究方向。项目中收录的论文探讨了多种记忆共享、记忆压缩等技术，以提升语言模型的对话流利性和上下文持久性。
角色扮演
角色扮演能力使语言模型更具互动性和灵活性。项目收集了大量关于LLM在游戏设计、角色交互等方面的创新研究。
工具使用与人类-代理交互
如何优化LLM与工具的交互以及提高人机交互效率也是研究的重要方向。项目中包含了很多关于API调用优化、协作工具开发等方面的研究论文。
推荐阅读
为了丰富研究视野，该项目还推荐了一些其他相关的论文集合，如zjunlp/LLMAgentPapers和teacherpeterpan/self-correction-llm-papers，这些资源提供了关于自我纠正大型语言模型、游戏代理等方面的深入探讨。
总结
总体来说，LLM-Agents-Papers项目是一个全面的、动态更新的知识库，致力于为研究人员提供最前沿的LLM代理研究成果。通过聚合多领域的研究论文，它为学术界和产业界的研究者提供了一个全面系统的资料集合。
