От рассуждений больших языковых моделей к автономным ИИ-агентам: всесторонний обзор
From LLM Reasoning to Autonomous AI Agents: A Comprehensive Review
2026-01-01
SCID: 54.1/yea5b3t5
Discuss with AI
фреймворки ИИ-агентовавтономные ИИ-агентыоценочные бенчмаркибольшие языковые моделипротоколы взаимодействия мультиагентных систем
Figures from the paper
Abstract (AI)
Большие языковые модели и автономные ИИ-агенты быстро развиваются, что привело к появлению разнообразного набора оценочных бенчмарков, фреймворков и протоколов взаимодействия. В связи с растущей потребностью в стандартизированной оценке и интеграции мы систематически объединяем эти разрозненные разработки в единую структуру. Однако данная область по-прежнему фрагментирована и не располагает унифицированной таксономией или всеобъемлющим обзором. Поэтому мы представляем сопоставительное сравнение бенчмарков, разработанных в период с 2019 по 2025 год, предназначенных для оценки этих моделей и агентов в различных предметных областях. Кроме того, мы предлагаем таксономию примерно 60 бенчмарков, охватывающих рассуждения на основе общих и академических знаний, решение математических задач, генерацию кода и разработку программного обеспечения, фактическое обоснование и поиск информации, специализированные предметные оценки, мультимодальные и воплощённые задачи, оркестрацию задач и интерактивные оценки. Далее мы рассматриваем фреймворки ИИ-агентов, представленные в период с 2023 по 2025 год, которые интегрируют большие языковые модели с модульными инструментальными наборами для обеспечения автономного принятия решений и многоэтапного рассуждения. Кроме того, мы представляем реальные применения автономных ИИ-агентов в материаловедении, биомедицинских исследованиях, формировании научных идей, разработке программного обеспечения, генерации синтетических данных, химическом рассуждении, решении математических задач, географических информационных системах, мультимедиа, здравоохранении и финансах. Затем мы рассматриваем ключевые протоколы взаимодействия агентов, а именно протокол коммуникации агентов (Agent Communication Protocol, ACP), протокол контекста модели (Model Context Protocol, MCP) и протокол взаимодействия «агент—агент» (Agent-to-Agent Protocol, A2A). Наконец, мы обсуждаем рекомендации для будущих исследований, уделяя особое внимание передовым стратегиям рассуждения, режимам отказа в мультиагентных системах на основе больших языковых моделей, автоматизированному научному открытию, динамической интеграции инструментов посредством обучения с подкреплением, интегрированным возможностям поиска и уязвимостям безопасности в протоколах взаимодействия агентов.
Key Findings
1
Предложена таксономия примерно 60 бенчмарков, охватывающих рассуждение, математику, программирование, фактическую обоснованность, специализированные области, мультимодальные задачи, оркестрацию и взаимодействие.
2
Рассмотрены фреймворки ИИ-агентов, представленные в 2023–2025 годах, которые объединяют большие языковые модели с модульными инструментами для автономного принятия решений и многошагового рассуждения.
3
Обзор объединяет разрозненные бенчмарки, фреймворки агентов и протоколы взаимодействия для больших языковых моделей и автономных ИИ-агентов.
4
Выделены применения автономных агентов в научных исследованиях, разработке программного обеспечения, здравоохранении, финансах, мультимедиа и других областях; обозначены приоритеты, включая анализ отказов, интеграцию инструментов, научные открытия и безопасность протоколов.
5
Проведено сопоставление бенчмарков, разработанных в 2019–2025 годах, по различным направлениям оценки для поддержки стандартизированного тестирования.
Research Object
большие языковые модели и автономные ИИ-агенты
Research Subject
их оценочные бенчмарки, таксономии, фреймворки, применения, протоколы взаимодействия, способности к рассуждению и интеграция для автономного принятия решений
Publication Details
Publication Date
2026-01-01
Journal
Publisher
ISSN
Cited by
268
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai10
Генеративные агенты: интерактивные симулякры человеческого поведения2023
Технический отчет о GPT-42023
Оценка больших языковых моделей, обученных на коде2021
За пределами игры в имитацию: количественная оценка и экстраполяция возможностей языковых моделей2022
Генерация с дополнением извлечённой информацией для контента, создаваемого искусственным интеллектом: обзор2026
AgentClinic: мультимодальный бенчмарк для клинических ИИ-агентов, использующих инструменты2026
AgentTuning: развитие обобщённых агентских способностей больших языковых моделей2024
Обзор больших языковых моделей и автономных агентов в химии2024
Ускорение научных открытий с помощью Co-Scientist2026
DataSciBench: бенчмарк LLM-агентов для анализа данных2026
Работы, цитирующие эту статью7
От языка к действию: обзор больших языковых моделей как автономных агентов и пользователей инструментов2026
От больших моделей искусственного интеллекта к агентному ИИ: учебное руководство по интеллектуальным коммуникациям будущего2026
Агентный искусственный интеллект в здравоохранении и медицине: семимерная таксономия для эмпирической оценки агентов на основе больших языковых моделей2026
Агенты искусственного интеллекта для биологических исследований: обзор2026
Самокорректирующийся агентный Graph RAG для поддержки принятия клинических решений в гепатологии2025
Обзор основ и передовых направлений мультимодальных агентных фреймворков: методы и приложения2026
Мультиагентные системы на основе больших языковых моделей: эмпирическая оценка и анализ формирующихся шаблонов и парадигм проектирования2026