论文阅读情况

编号	日期	标题	发表日期	类型	论文&代码	概要	贡献
1	25.9.6	Generative Agents: Interactive Simulacra of Human Behavior 【UIST’23】	23.4.7	多Agent模拟社会	Arxiv Github	用基本的自然语言描述来初始化智能体。以自然语言的方式存储智能体的“记忆流”。存储一定的记忆流后合成为更高级的“反思”，交互时检索记忆流和反思。智能体会生成“计划”并在必要时进行修改。	通过智能体彼此的交互与信息的交换，新的关系被形成、信息融合、合作诞生。指出了多智能体模拟人类社会的可能性。
2	25.9.11	A survey on large language model based autonomous agents	23.8.22	综述	Arxiv	总结了截止到23年8月的有关基于LLM的自治Agent发展情况并提出了一种统一框架来整合现有的自治Agent的类型	提出了一种统一框架来整合现有的自治Agent的类型。
3	25.9.13	AgentSims: An Open-Source Sandbox for Large Language Model Evaluation	23.8.8	多Agent实现LLM评估	Arxiv Demo Github	实现了一个沙盒游戏框架，提出了一种基于任务的，沙盒游戏形式的LLM能力评估方法	提出了一种基于任务的，沙盒游戏形式的LLM能力评估方法。提出了利用向量数据库，实现高效的记忆存储和检索
4	25.9.13	ChatDev: Communicative Agents for Software Development 【ACL2024】	23.7.16	多Agent配合实现软件开发	Arxiv Github	实现了一个由聊天驱动的软件开发框架，其中由大模型驱动的专家Agent通过聊天链引导沟通内容和沟通方式（通过交流消除幻觉）。这些Agent通过基于统一语言的沟通，积极参与设计、编码和测试阶段，解决方案源于他们的多轮对话。	这个范式展示了语言沟通如何促进多智能体的合作，确立了语言作为一个统一的桥梁，使得LLM智能体能够自主解决任务。
5	25.9.13	User Behavior Simulation with Large Language Model based Agents	23.6.5	利用Agent模拟真实用户行为	Arxiv [Github](GitHub - RUC-GSAI/YuLan-Rec)	设计了一个基于LLM的Agent框架，由一个profile模块、一个记忆模块和一个行动模块组成。为了观察Agent的交互行为，还设计了一个可干预和可重置的沙箱环境，在这里，代理可以与网络推荐系统互动，彼此聊天并向所有朋友广播信息。	通过大量实验，证明该Agent框架模拟行为与真实人类的行为非常接近。能够很好地再现两个著名的社会现象，信息茧房和用户从众
6	25.9.15	TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks	24.12.18	一种评估Agent能力的Benchmark	Arxiv Github 在线网页	模拟公司场景，评估复杂情景下AI Agent执行工作相关任务时的能力	提出TheAgentCompany Agent Benchmark以评估AI Agents在自动执行工作相关的任务时的准确率
7	25.9.15	AgentSociety: Large-Scale Simulation of LLM-Driven Generative Agents Advances Understanding of Human Behaviors and Society	25.2.12	一个大规模的LLM-based Agent社会模拟引擎	Arxiv Github Doc	遵循来自心理学、经济学和行为科学等领域的社会理论，设计了一个基于LLM的社会Agents框架；构建了一个现实的社会环境；基于MQTT开发了一个大规模社会仿真引擎	提出了AgentSociety——一个大规模的社会模拟器，集成了LLM-based Agent、现实的社会环境和大规模模拟引擎。基于提出的模拟器，生成了一个超过1万名Agent社会生活，模拟他们500万次的互动，包括Agent之间的互动以及Agent与环境之间的互动

ZYX的博客

论文阅读情况