Обзор мультиагентных систем на основе больших языковых моделей: рабочий процесс, инфраструктура и проблемы
A survey on LLM-based multi-agent systems: workflow, infrastructure, and challenges
2024-10-08
SCID: 54.1/x9k6uzsj
Discuss with AI
мультиагентные системы на основе больших языковых моделейавтономные агентыобщий искусственный интеллектбольшие языковые моделисимуляция мира
Figures from the paper
Abstract (AI)
Стремление к созданию более интеллектуальных и надежных автономных систем, подобных человеческому обществу, уже давно является одной из целей человечества. Используя выдающиеся способности больших языковых моделей (LLM) к рассуждению и планированию, были предложены агенты на основе LLM, продемонстрировавшие значительные успехи в широком спектре задач. В частности, мультиагентные системы на основе LLM (MAS) рассматриваются как перспективный путь к созданию общего искусственного интеллекта, сопоставимого с человеческим интеллектом или превосходящего его. В настоящей работе представлен всесторонний обзор этих исследований и систематический анализ мультиагентных систем на основе LLM. В соответствии с рабочим процессом мультиагентных систем на основе LLM мы обобщаем общую структуру, включающую пять ключевых компонентов: профиль, восприятие, самостоятельное действие, взаимное взаимодействие и эволюцию. Эта унифицированная структура охватывает значительную часть ранее выполненных исследований в данной области. Кроме того, мы освещаем многочисленные применения мультиагентных систем на основе LLM в двух основных направлениях: решении задач и моделировании мира. Наконец, мы подробно обсуждаем ряд актуальных проблем и предлагаем возможные направления дальнейших исследований в этой области.
Key Findings
1
Предложен единый рабочий процесс LLM-based MAS из пяти компонентов: профиль, восприятие, самостоятельное действие, взаимное взаимодействие и эволюция.
2
Применения LLM-based MAS разделены на две основные области: решение задач и моделирование мира.
3
Эта структура обобщает и систематизирует значительную часть предыдущих исследований многоагентных систем на основе LLM.
4
В обзоре выявлены актуальные проблемы и обозначены потенциальные направления дальнейших исследований LLM-based MAS.
5
В обзоре систематически рассматриваются исследования многоагентных систем на основе больших языковых моделей (LLM-based MAS).
Research Object
Многопользовательские (многоагентные) системы на основе больших языковых моделей (LLM-based MAS)
Research Subject
их рабочий процесс, инфраструктура, применения, проблемы и направления дальнейших исследований, включая профилирование, восприятие, самостоятельные действия, взаимное взаимодействие и эволюцию
Publication Details
Publication Date
2024-10-08
Journal
Publisher
ISSN
Cited by
409
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai18
LLaMA: открытые и эффективные базовые языковые модели2023
Преодоление катастрофического забывания в нейронных сетях2017
Большие языковые модели кодируют клинические знания2023
Интеллект, компилируемый через аффордансы: наблюдаемое сопоставление когнитивных импедансов для LLM-интегрированных систем без мета-доступа2020
Обучение языковых моделей следованию инструкциям с использованием обратной связи от человека2022
Обзор автономных агентов на основе больших языковых моделей2024
HuBERT: самообучение представлений речи посредством маскированного предсказания скрытых единиц2021
Генеративные агенты: интерактивные симулякры человеческого поведения2023
PaLM: Масштабирование языкового моделирования с помощью Pathways2022
Flamingo: визуальная языковая модель для обучения по малому числу примеров2022
AST: Трансформер аудиоспектрограммы2021
Автономные химические исследования с использованием больших языковых моделей2023
Генерация с активным дополнением посредством поиска2023
Расширение возможностей больших языковых моделей с помощью химических инструментов2024
ChatDev: Коммуницирующие агенты для разработки программного обеспечения2024
ExpeL: агенты на основе больших языковых моделей — обучающиеся на опыте2024
AgentTuning: развитие обобщённых агентских способностей больших языковых моделей2024
Повышение эффективности больших языковых моделей с дополнением посредством извлечения данных за счёт итеративного взаимодействия извлечения и генерации2023
Работы, цитирующие эту статью11
Улучшение применения больших языковых моделей в биомедицине с помощью генерации с дополнением извлечённой информацией: систематический обзор, метаанализ и рекомендации по клинической разработке2025
Расцвет агентного искусственного интеллекта: обзор определений, фреймворков, архитектур, приложений, метрик оценки и проблем2025
Оценка и бенчмаркинг агентов на основе больших языковых моделей: обзор2025
Генеративный искусственный интеллект и большие языковые модели для защиты критической инфраструктуры: оценочные бенчмарки, агентный искусственный интеллект, проблемы и возможности2025
Мультиагентные системы на основе больших языковых моделей: применение в роевом интеллекте2025
Агентный искусственный интеллект в здравоохранении и медицине: семимерная таксономия для эмпирической оценки агентов на основе больших языковых моделей2026
Многоагентный искусственный интеллект2026
Обзор интегрированных моделей искусственного интеллекта на основе машинного и глубокого обучения для прогнозирования фармакокинетики и токсикокинетики и их применения2026
ResQConnect: многоагентная платформа на основе искусственного интеллекта для человекоориентированного и устойчивого реагирования на чрезвычайные ситуации2026
Оценка стабильности маршрутизации и координации в многоагентных системах целеориентированного диалога на основе роевого подхода2026
Технические ограничения ИИ-агентов на основе больших языковых моделей и их связь с проблемами предвзятости и управления: нарративный обзор2026