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

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

本文提出了以 SCOPE 为基础的协同感知框架，通过聚合不同道路代理的时空感知特征，以连续的方式显著提高自主车辆的感知性能。实验结果展示了我们方法的优越性和所提出组件的必要性。

Jul, 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

设计了一个灵活的智能体工程框架，着重规划和执行，适用于多个领域的复杂应用，提供可靠性的工业应用，并提出了确保多个自主智能体共同解决任务的可扩展、灵活和协作式工作流技术。

Jun, 2024

基于大型语言模型的自主代理人在任务的广泛范围内实现了显著的改进。为了提高任务完成的效率和效果，我们提出了一个多代理人框架，并通过实验证明该框架能够有效地部署优于单个代理人的多代理人群体。在协同任务完成过程中，我们深入研究了群体中个体代理人之间社交行为的出现。基于这些行为，我们讨论了一些利用积极行为和缓解消极行为以提高多代理人群体的协作潜力的可能策略。

Aug, 2023

OpenAgents 是一个开放平台，用于在日常生活中使用和托管语言代理，包括数据分析、插件和自主网络浏览等功能，旨在为普通用户提供与代理功能的交互，同时为开发人员和研究人员提供无缝的部署体验，为真实世界的语言代理的研究和开发奠定基础。

Oct, 2023

最近大型语言模型 (LLM) 代理实现的自动代码生成取得了重要进展，但现有的单代理方法面对生成和改进大规模复杂代码库的限制，该论文提出了自组织多代理框架 (SoA)，这是一种新的多代理框架，能够实现大规模代码的可扩展和高效生成优化。在 SoA 中，自组织代理独立操作以生成和修改代码组件，并无缝协作构建整体代码库，其关键特点是根据问题复杂度自动增加代理数量，从而实现动态可扩展性，使得代码量可以无限增加，而每个代理管理的代码量保持恒定。该论文在 HumanEval 基准上评估了 SoA，并证明与单一代理系统相比，SoA 中的每个代理处理的代码显著减少，但生成的整体代码量大幅增加。此外，SoA 在 Pass@1 准确率方面超过了强大的单代理基准 5%。

Apr, 2024

本文提出了一种通过多智能体系统来增强大型语言模型（LLMs）能力的新框架，并通过人工智能领域的案例研究展示了这一框架的实用性和多样性。

Jun, 2023

通过模块化的方法和新的抽象概念，提出了一种多智能体框架，使许多具有不同目标的贡献者能够共同开发和扩展智能系统，并异步使用和扩展模块化的智能系统。

Sep, 2022