#AgentGym

该项目研究基于大型语言模型的智能代理，从核心构建到多模态输入及行动扩展提供全面分析。研究重点包括单代理和多代理的协作场景及与人类互动，探讨智能代理在多种应用领域的潜力及面临的挑战，旨在开拓通用人工智能（AGI）建设的新途径。

AgentGym是一个框架，通过多种交互环境和统一任务格式，协助科研人员评估和开发具备广泛能力的语言模型智能体。平台支持实时反馈和并发操作，包含14种环境，如网页导航、文字游戏和家务任务。核心组成包括高质量的轨迹集AgentTraj和基准测试套件AgentEval，并提出了智能体自我进化方法AgentEvol。实验结果显示，进化后的智能体可与当前最先进的模型媲美。