最近在大语言模型（LLMs）的研究中取得的进展使得研究人员和开发者能够构建自主语言代理，通过自然语言界面自动解决各种任务并与环境、人类和其他代理进行交互。我们认为语言代理是通向人工通用智能的有希望方向，并发布了 Agents 这一开源库，旨在将这些进展开放给更广泛的非专业人士。Agents 经过精心设计，支持诸多重要功能，包括规划、记忆、工具使用、多代理通信和精细化符号控制。Agents 非常用户友好，因为它使非专业人士能够在无需太多编码的情况下构建、定制、测试、调优和部署最先进的自主语言代理。该库也非常友好于研究，因为其模块化设计使其易于研究人员进行扩展。Agents 库可在此 https URL 上获取。

Sep, 2023

利用大型语言模型（LLMs），自主代理在处理各种任务方面取得了显著改进。我们引入了一种基于树状代理结构的自组织代理系统（S-Agents），用于动态工作流程，采用 “沙漏代理结构” 的方式来平衡信息优先级，并通过 “非阻碍式协作” 方法实现代理之间的异步任务执行。我们的实验证明 S-Agent 能够在 Minecraft 环境中高效执行合作建筑任务和资源收集任务，并验证了它们的有效性。

Feb, 2024

建立了 ModelScope-Agent 框架的工作介绍了一种将开放源代码的 LLMs 作为控制器的通用和可定制的代理框架，从而使 LLMs 具备工具使用能力，实现了工具使用数据收集、工具检索、工具注册、内存控制、定制模型训练和实际应用评估等全面的框架，最终展示了基于该框架的 ModelScope Community 的实际智能助理 ModelScopeGPT。

Sep, 2023

大型语言模型的出现催生了自然语言处理的重大进展，通过引入专业代理框架（PAgents）利用 LLM 的能力创建具有可控、专业级、互动型专长的自主代理，我们认为通过持续发展的专业知识，PAgents 可以重塑专业服务。本文旨在激发关于 LLM 的有前景的现实应用的讨论，我们认为 PAgents 的日益复杂和集成可能会导致人工智能系统在复杂领域展示专业掌握能力，服务于重要需求，并潜在地实现人工通用智能。

Feb, 2024

介绍了一种语言角色扮演代理系统（LARP），它通过包含记忆处理和决策辅助的认知架构，环境交互模块以及促进各种人格之间对齐的后处理方法，提升了语言代理和开放世界游戏之间的互动，并改善了游戏体验。

Dec, 2023

通过动态生成并协调多个专门的代理来构建 AI 团队，AutoAgents 框架为不同任务自适应地生成和协调多个专门的代理，结果表明它比现有的多代理方法产生更连贯和准确的解决方案，为解决复杂任务提供了新的视角。

Sep, 2023

本文提出了一种基于多智能体交互通信的语言学习框架，在指代游戏的上下文中研究了这种学习方法，通过联系人工智能代理人彼此通信以识别随机图像，在通过调整游戏环境来提高代理人交流的自适应语言结构，并为代理人的代码提出简单的系统，从而使其更好地恰当地通信，并能更有效地与人类沟通。

Dec, 2016

AIOS 是一种将大型语言模型嵌入操作系统的操作系统，旨在优化资源分配、促进代理间的上下文切换、实现代理的并发执行、为代理提供工具服务并维护代理的访问控制。通过并发执行多个代理的实验，我们证明了 AIOS 模块的可靠性和效率，旨在提高大型语言模型代理的性能和效率，并为未来 AIOS 生态系统的更好发展和部署开创先河。

Mar, 2024

建立具有适应性行为的人工智能在人工智能与人类合作中具有重要的研究焦点。本研究提出了一种名为 ProAgent 的新框架，利用大型语言模型来预测合作伙伴的决策并改进自身计划。实验证明，ProAgent 在与人工智能代理和人类合作中表现出显著优越性能，为人类与机器人协作的未来研究提供了启示。

Aug, 2023

该论文讨论了构建一个引人入胜的开放领域对话代理所必需的特质，研究成果以及未来的发展空间。特别是，讨论了不断学习、提供引人入胜的内容和良好行为的特性，以及如何衡量其成功。最后总结了作者的经验和建议。

Jun, 2020