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

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.