Исследование интеллектуальных агентов на основе больших языковых моделей: определения, методы и перспективы

Exploring Large Language Model‐Based Intelligent Agents: Definitions, Methods, and Prospects
Junhua Zhao, Zhengwen Zhang, Xiuqiang He, Feng Yin, Xiangrui Meng, Yuheng Cheng, Ceyao Zhang, Sirui Hong, Wenhao Li, Zekai Wang, Zihao Wang
2026-07-24

бенчмарки оценки агентовагенты на основе больших языковых моделеймультиагентные системыпланирование и памятьиспользование инструментов
Концепция интеллектуального агента представляет собой давнюю цель исследований в области искусственного интеллекта. Недавние достижения в сфере больших языковых моделей (LLM) catalyzed смену парадигмы, сделав возможной разработку сложных агентов, демонстрирующих передовые способности к рассуждению, планированию и использованию инструментов в различных предметных областях. Эти агенты на основе LLM, использующие естественный язык как универсальный интерфейс для познания и взаимодействия, быстро переходят от теоретических конструкций к практическим приложениям — от автономных помощников для выполнения задач до сложных мультиагентных симуляций социальных и экономических систем. В статье представлен интегративный обзор этого быстро развивающегося направления. Сначала предлагается систематизирующая структура для понимания агентов на основе LLM, в рамках которой одноагентные и мультиагентные системы последовательно разлагаются на базовые компоненты. Анализируются архитектурные принципы и ключевые механизмы, лежащие в основе их интеллектуальных возможностей, включая парадигмы планирования, структуры памяти и самоулучшение на основе рефлексии. Кроме того, исследуется динамика мультиагентных систем, включая стратегии координации, протоколы коммуникации и организационные структуры. В статье также рассматриваются важнейшие аспекты оценки производительности, выделяются влиятельные бенчмарки и определяются ключевые проблемы. Наконец, обобщается современное состояние этой области, обсуждаются основные вызовы, такие как внутренние ограничения LLM и сложность обеспечения безопасности и согласованности, а также намечаются перспективные направления дальнейших исследований, включая переход к непрерывному обучению и расширение мультимодальных возможностей.
1
Ключевые механизмы агентного интеллекта включают парадигмы планирования, структуры памяти и самосовершенствование на основе рефлексии.
2
Агенты на основе LLM используют естественный язык как универсальный интерфейс и всё шире поддерживают рассуждение, планирование, использование инструментов и практические автономные приложения.
3
К основным нерешённым проблемам относятся внутренние ограничения LLM, безопасность и согласование целей, непрерывное обучение и развитие мультимодальных возможностей.
4
Эффективность многоагентных систем зависит от стратегий координации, протоколов коммуникации и организационных структур; для оценки применяются значимые бенчмарки.
5
Статья представляет интегративный обзор и систематизирующую структуру для одноагентных и многоагентных систем на основе больших языковых моделей.

интеллектуальные агенты на основе больших языковых моделей, включая одноагентные и многоагентные системы

их архитектуры, ключевые механизмы, динамика координации и коммуникации, оценка производительности, проблемы безопасности и согласования, а также будущие возможности

Publication Details
Publication Date
2026-07-24
Journal
Publisher
ISSN
Cited by
291
Access Type
Author Information
Authors
Junhua Zhao
Zhengwen Zhang
Xiuqiang He
Feng Yin
Xiangrui Meng
Yuheng Cheng
Ceyao Zhang
Sirui Hong
Wenhao Li
Zekai Wang
Zihao Wang
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%