Agente di Modelli Linguistici di Grande Scala: Un'Indagine su Metodologia, Applicazioni e Sfide

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

March 27, 2025

Autori: 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

Abstract

L'era degli agenti intelligenti è ormai arrivata, trainata dai progressi rivoluzionari nei modelli linguistici di grandi dimensioni. Gli agenti basati su Large Language Model (LLM), con comportamenti orientati agli obiettivi e capacità di adattamento dinamico, rappresentano potenzialmente una via critica verso l'intelligenza artificiale generale. Questo studio analizza sistematicamente i sistemi di agenti LLM attraverso una tassonomia centrata sulla metodologia, collegando le basi architetturali, i meccanismi di collaborazione e i percorsi evolutivi. Unifichiamo i filoni di ricerca frammentati rivelando le connessioni fondamentali tra i principi di progettazione degli agenti e i loro comportamenti emergenti in ambienti complessi. Il nostro lavoro fornisce una prospettiva architetturale unificata, esaminando come gli agenti sono costruiti, come collaborano e come si evolvono nel tempo, affrontando anche metodologie di valutazione, applicazioni di strumenti, sfide pratiche e diversi domini applicativi. Esaminando gli ultimi sviluppi in questo campo in rapida evoluzione, offriamo ai ricercatori una tassonomia strutturata per comprendere gli agenti LLM e identifichiamo direzioni promettenti per la ricerca futura. La raccolta è disponibile all'indirizzo 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.