访问官网
Github
论文LLMAgentPapers 项目介绍
项目概述
LLMAgentPapers 是一个专注于大型语言模型（LLM）代理的论文集。这个项目汇集了一系列关于大型语言模型代理必须阅读的学术论文，旨在为研究人员和开发者提供一个便捷的资源门户，以了解当前该领域的最新发展和研究成果。
最新动态
- 在2024年3月，团队发布了一篇新论文，题为 "KnowAgent: Knowledge-Augmented Planning for LLM-Based Agents"。
- 项目于2023年6月正式启动，并创建了一个用于维护多代理论文列表的资料库。
内容概要
论文分类
LLMAgentPapers 提供了一些关于大型语言模型代理的重要研究领域的论文，下面简要介绍这些领域及其涵盖的内容：
- 代理特征（Personality）：探讨大型语言模型的个性化与社会交互能力。
- 记忆（Memory）：研究如何增强大型语言模型的长期记忆能力。
- 规划（Planning）：涉及使用语言模型进行复杂任务规划的方法和技术。
- 工具使用（Tool Use）：研究语言模型如何通过扩展能力来使用外部工具。
多代理合作
该项目还探讨了多代理系统，包括任务导向的通信和开放式对话等。涉及学术论文分析多种情形下代理之间的互动，包括合作和对抗情形。
实用应用
在应用层面，该项目涵盖多模态交互、长期记忆增强等实际应用领域的研究，探讨LLM在不同应用场景中的实现情况。
贡献与资源
项目欢迎研究者和开发者进行贡献，配备了多种资源如基准测试、工具类型列表和工具清单，以支持社区的研究和开发工作。
贡献方式
LLMAgentPapers 鼓励用户通过贡献论文、资源、或者工具等方式来丰富这个资料库。同时，项目详细列出了如何进行贡献的指引，引导有兴趣的开发者或学者加入这个开放的研究协作平台。
通过LLMAgentPapers的努力，研究者和开发者可以在这个快速发展的领域中保持领先地位，迅速获取全球学术界和工业界关于大型语言模型代理的最新研究成果和实用方法。
