研究 AI Agent,难道最难的是找不到论文?恰恰相反——资料多到不知从哪读起才最头疼。

研究 AI Agent,难道最难的是找不到论文?恰恰相反——资料多到不知从哪读起才最头疼。

复旦团队整理的《The Rise and Potential of Large Language Model Based Agents》,用一篇 86 页综述把 LLM Agent 的技术框架梳理清楚,相关论文也汇总到了 GitHub。

这份清单值得收藏的地方:

① 按模块分类:记忆、推理、规划,到工具调用、感知和行动,脉络一目了然。

② 覆盖不同架构:单 Agent、多 Agent 以及人机协作场景,分别整理。

③ 拓展研究方向:行为模拟、人格建模和沙盒社会等内容均有涉及。

④ 聚焦评测与训练:Benchmark、模型训练和强化学习单独归类。

⑤ 配套论文与项目:顺着综述继续追踪相关研究和开源成果更方便。

与其每天漫无目的地刷论文,不如先把知识框架搭起来,再按方向深入。
🔗 GitHub:https://github.com/WooooDyy/LLM-Agent-Paper-List



分类