Awesome-Papers-Autonomous-Agent

Awesome-Papers-Autonomous-Agent

自主智能体最新研究论文汇编

此资源汇聚了最新的自主智能体研究论文,涵盖了强化学习(RL)和大型语言模型(LLM)智能体方向。汇编内容包括ICLR、ICML、NeurIPS等顶级会议上接受的论文,并分类为任务跟随、世界模型构建、跨任务泛化、持续学习及RL与LLM的结合等专题。该项目旨在持续更新,为研究者提供全面参考,并欢迎提交issue推荐其他相关研究。

Awesome-Papers-Autonomous-AgentRL-based agentLLM-based agentReinforcement LearningArtificial IntelligenceGithub开源项目

项目介绍:Awesome-Papers-Autonomous-Agent

项目概述

Awesome-Papers-Autonomous-Agent 项目是一个旨在收集和整理自动化智能体领域最新研究论文的项目。自动化智能体是指能够感知环境,自主采取行动以实现目标的人工智能系统,可以通过学习或获取知识不断提高性能。典型的实例包括温控器、自动驾驶汽车以及各种复杂的控制系统。与传统的增强学习(RL)智能体有所不同,这个项目主要关注基于增强学习(RL)和大型语言模型(LLM)的智能体。

更新历史

项目始终处于活跃维护状态,鼓励用户反馈遗漏的相关论文。以下是一些重要更新:

  • 2024/01/31:新增自动化智能体的调研专题。
  • 2023/12/08:添加被 ICML'23 和 ICLR'23 接收的论文。
  • 2023/11/08:更新被 NeurIPS'23 接收的论文及其相关链接。
  • 2023/10/25:按研究主题分类所有论文。
  • 2023/10/18:项目首次发布,包括 ICLR 2024 提交的论文。

内容分类

项目的内容被详细分类为以下几类,便于研究人员查找和学习:

调研综述

  • 收录了关于大型语言模型和基于大型语言模型的自治代理的最新综述型论文。

基于增强学习的智能体

本类别覆盖了以下主题:

  • 指令执行:探索自然语言条件下的强化学习。
  • 基于世界模型构建智能体:研究如何使用世界模型进行智能体的构建。
  • 语言作为知识:关注于语言如何影响和改进强化学习。
  • 使用 LLM 作为工具:探讨如何将大型语言模型作为工具引入强化学习。
  • 任务间的广义性:研究智能体如何在不同任务中保持通用性。
  • 持续学习:智能体在不断变化的环境中如何持续学习。
  • 结合 RL 和 LLM:探讨两者的互补与结合。
  • 基于 Transformer 的策略:使用 Transformer 技术改进策略。
  • 轨迹与语言的转换与预测:如何从轨迹数据生成语言解释,或者反向进行轨迹预测。

基于LLM的智能体

本类别包含了以下子主题:

  • 多模态:研究如何在开放的世界中,结合视觉、语言等多模态信息。
  • 为广义性和适应性训练LLM:探讨LLM如何用于任务的广泛和适应性训练。
  • 任务特异性设计:专注于解决特定任务的智能体设计。
  • 多智能体系统(社会,合作):关于合作、社会性的多智能体系统的研究。
  • 实验分析:对当前LLM在协调、多智能体环境中的性能进行评估和分析。
  • 基准与数据集:为研究者提供评估LLM和智能体的工具。
  • 应用:LLM智能体在现实应用中展现潜力的具体案例。
  • 算法设计:探索新的算法,以提高LLM智能体在复杂任务中的表现。
  • 与RL结合:在战略游戏等任务中,结合使用语言模型与强化学习技术。

总结

Awesome-Papers-Autonomous-Agent 通过汇集最新的研究进展,为研究智能体的学者和从业者提供了丰富的资源和多样的参考。无论是启发新想法的理论研究,还是推动技术进步的实用应用,都能在这里找到适合的材料。项目的活跃维护确保了其内容的前沿性和实用性,是研究人员扩展视野的理想选择。

编辑推荐精选

AEE

AEE

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。

UI-TARS-desktop

UI-TARS-desktop

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。

Wan2.1

Wan2.1

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。

爱图表

爱图表

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。

Qwen2.5-VL

Qwen2.5-VL

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。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多