...of Large Language Model Based Agents:A Survey》相关解读_百度知 ...

发布网友 发布时间：2024-10-23 22:52

我来回答

共1个回答

热心网友 时间：2024-11-16 04:10

最近，大量基于大型语言模型（LLM）的agent框架涌现，相关综述也越来越多。本文重点解读了米哈游和复旦NLP团队发表的综述，重点关注了其中的agent框架部分。

本文并非简单翻译原文，读者应以论文内容为准。论文链接如下：

Agent的整体架构

综述给出一个清晰的LLM-based agent框架图，图注详细，读者可通过仔细阅读图解理解框架。框架大致如下：

agent通过环境获取信息，类似人类用眼睛、耳朵等感知世界，大脑处理信息并驱动四肢行动，四肢改变环境和自身状态。数据通路是关键，需要设计高效路径将各部分串联，实现“输入->处理->输出”，并不断接受环境反馈，自主实现目标。

人类常通过反馈调整行动，agent若能评估自身任务完成情况，并主动制定方案或寻求帮助，则是一种重要智能表现。LLM内部已体现此类智能，但非agent结构所致。

每个模块均可进一步细分，并具有独立运动机制，同时存在跨模块机制。

Brain模块的构件框架

Brain是核心模块，其运动机制为：接收感知模块输入->检索知识和记忆->推理和计划->输出行动序列->更新知识和记忆。Brain模块包含5个要素：自然语言交互、知识、记忆、推理和规划、可迁移性和通用性。

知识和记忆无明确界限，后天学习知识即记忆。本文所指知识为agent初始化前固有的，且符合人类要求。

Perception模块的构件框架

Perception模块包含4个关键构件：文本输入、视觉输入、听觉输入和其他输入。其核心目标是扩展agent感知空间，涵盖多模态领域。例如，GPT-4V能理解视觉提示和排列序列帧，agent需充分感知环境。

Action模块的构件框架

Action模块包含3个关键构件：文本输出、工具、具身行动。模块接收Brain模块发送的行动序列，执行与环境互动的行动，并改变自身状态。

Agent与环境

框架涉及agent、multiple agents、agent human和agent society的交互形式。建议用游戏场景验证，例如在开放世界RPG游戏中进行实验。