Großes Sprachmodell-Agent: Eine Übersicht zu Methodik, Anwendungen und Herausforderungen

Large Language Model Agent: A Survey on Methodology, Applications and Challenges

March 27, 2025

Autoren: Junyu Luo, Weizhi Zhang, Ye Yuan, Yusheng Zhao, Junwei Yang, Yiyang Gu, Bohan Wu, Binqi Chen, Ziyue Qiao, Qingqing Long, Rongcheng Tu, Xiao Luo, Wei Ju, Zhiping Xiao, Yifan Wang, Meng Xiao, Chenwu Liu, Jingyang Yuan, Shichang Zhang, Yiqiao Jin, Fan Zhang, Xian Wu, Hanqing Zhao, Dacheng Tao, Philip S. Yu, Ming Zhang

cs.AI

Zusammenfassung

Die Ära der intelligenten Agenten ist angebrochen, angetrieben durch revolutionäre Fortschritte bei großen Sprachmodellen. Large Language Model (LLM)-Agenten mit zielgerichteten Verhaltensweisen und dynamischen Anpassungsfähigkeiten könnten einen entscheidenden Weg zur künstlichen allgemeinen Intelligenz darstellen. Diese Übersichtsarbeit dekonstruiert systematisch LLM-Agentensysteme anhand einer methodenzentrierten Taxonomie, die architektonische Grundlagen, Kollaborationsmechanismen und evolutionäre Pfade miteinander verbindet. Wir vereinen fragmentierte Forschungsstränge, indem wir grundlegende Zusammenhänge zwischen Agenten-Designprinzipien und ihren emergenten Verhaltensweisen in komplexen Umgebungen aufdecken. Unsere Arbeit bietet eine einheitliche architektonische Perspektive, die untersucht, wie Agenten konstruiert werden, wie sie zusammenarbeiten und wie sie sich im Laufe der Zeit entwickeln, wobei auch Evaluierungsmethoden, Werkzeugeinsätze, praktische Herausforderungen und diverse Anwendungsbereiche behandelt werden. Durch die Untersuchung der neuesten Entwicklungen in diesem sich schnell wandelnden Feld bieten wir Forschern eine strukturierte Taxonomie zum Verständnis von LLM-Agenten und identifizieren vielversprechende Richtungen für zukünftige Forschung. Die Sammlung ist verfügbar unter https://github.com/luo-junyu/Awesome-Agent-Papers.

English

The era of intelligent agents is upon us, driven by revolutionary advancements in large language models. Large Language Model (LLM) agents, with goal-driven behaviors and dynamic adaptation capabilities, potentially represent a critical pathway toward artificial general intelligence. This survey systematically deconstructs LLM agent systems through a methodology-centered taxonomy, linking architectural foundations, collaboration mechanisms, and evolutionary pathways. We unify fragmented research threads by revealing fundamental connections between agent design principles and their emergent behaviors in complex environments. Our work provides a unified architectural perspective, examining how agents are constructed, how they collaborate, and how they evolve over time, while also addressing evaluation methodologies, tool applications, practical challenges, and diverse application domains. By surveying the latest developments in this rapidly evolving field, we offer researchers a structured taxonomy for understanding LLM agents and identify promising directions for future research. The collection is available at https://github.com/luo-junyu/Awesome-Agent-Papers.