A Survey on Large Language Model based Autonomous Agents, Lei Wang+, N/A, arXiv'23

[AkihikoWatanabe]

URL

• https://arxiv.org/abs/2308.11432

Affiliations

• Lei Wang, N/A
• Chen Ma, N/A
• Xueyang Feng, N/A
• Zeyu Zhang, N/A
• Hao Yang, N/A
• Jingsen Zhang, N/A
• Zhiyuan Chen, N/A
• Jiakai Tang, N/A
• Xu Chen, N/A
• Yankai Lin, N/A
• Wayne Xin Zhao, N/A
• Zhewei Wei, N/A
• Ji-Rong Wen, N/A

Abstract

• Autonomous agents have long been a prominent research topic in the academiccommunity. Previous research in this field often focuses on training agentswith limited knowledge within isolated environments, which divergessignificantly from the human learning processes, and thus makes the agents hardto achieve human-like decisions. Recently, through the acquisition of vastamounts of web knowledge, large language models (LLMs) have demonstratedremarkable potential in achieving human-level intelligence. This has sparked anupsurge in studies investigating autonomous agents based on LLMs. To harnessthe full potential of LLMs, researchers have devised diverse agentarchitectures tailored to different applications. In this paper, we present acomprehensive survey of these studies, delivering a systematic review of thefield of autonomous agents from a holistic perspective. More specifically, ourfocus lies in the construction of LLM-based agents, for which we propose aunified framework that encompasses a majority of the previous work.Additionally, we provide a summary of the various applications of LLM-based AIagents in the domains of social science, natural science, and engineering.Lastly, we discuss the commonly employed evaluation strategies for LLM-based AIagents. Based on the previous studies, we also present several challenges andfuture directions in this field. To keep track of this field and continuouslyupdate our survey, we maintain a repository for the related references athttps://github.com/Paitesanshi/LLM-Agent-Survey.

Translation (by gpt-3.5-turbo)

• 自律エージェントは、学術コミュニティで長い間注目されてきた研究トピックです。
  この分野の以前の研究は、しばしば孤立した環境内で限られた知識を持つエージェントを訓練することに焦点を当てており、これは人間の学習プロセスとは大きく異なるため、エージェントが人間のような意思決定をすることは困難です。
  最近では、膨大なウェブ知識の獲得を通じて、大規模言語モデル（LLMs）が人間レベルの知能を実現する可能性を示しています。
  これにより、LLMに基づく自律エージェントに関する研究が急増しています。
  LLMsのフルポテンシャルを活用するために、研究者たちはさまざまなアプリケーションに合わせた多様なエージェントアーキテクチャを考案しています。
  本論文では、このような研究の包括的な調査を行い、全体的な視点から自律エージェントの分野について体系的なレビューを提供します。
  具体的には、LLMに基づくエージェントの構築に焦点を当て、これまでの研究の大部分を包括する統一されたフレームワークを提案します。
  さらに、社会科学、自然科学、エンジニアリングの領域でのLLMに基づくAIエージェントのさまざまな応用についてまとめます。
  最後に、LLMに基づくAIエージェントの一般的に使用される評価戦略について議論します。
  以前の研究に基づいて、この分野のいくつかの課題と将来の方向性も提示します。
  この分野を追跡し、調査を継続的に更新するために、関連する参考文献のリポジトリをhttps://github.com/Paitesanshi/LLM-Agent-Surveyで管理しています。

Summary (by gpt-3.5-turbo)

• 自律エージェントの研究は、以前は限られた知識を持つエージェントに焦点を当てていましたが、最近では大規模言語モデル（LLMs）を活用した研究が増えています。本論文では、LLMに基づく自律エージェントの研究を包括的に調査し、統一されたフレームワークを提案します。さらに、LLMに基づくAIエージェントの応用や評価戦略についてもまとめています。将来の方向性や課題についても議論し、関連する参考文献のリポジトリも提供しています。

[AkihikoWatanabe]

[AkihikoWatanabe]

良いサーベイ