Awesome-Agentic-Reasoning
AI 解读 由 AI 自动生成，仅供参考
Awesome-Agentic-Reasoning 是一个专注于大模型“代理推理”（Agentic Reasoning）领域的精选资源库。它基于最新的综述论文《Agentic Reasoning for Large Language Models》，系统性地整理了将逻辑推理与实际行动相结合的前沿研究。
当前大模型往往擅长思考却难以执行复杂任务，Awesome-Agentic-Reasoning 正是为了解决这一痛点而生。它将分散的研究成果整合为清晰的知识体系，涵盖规划推理、工具使用优化、智能搜索、基于记忆与反馈的自我进化，以及多智能体协作等核心主题，并提供了数学探索、科学发现、医疗及具身智能等实际应用场景的论文与基准测试。
该资源库特别适合 AI 研究人员、算法工程师和技术开发者使用。对于希望深入理解如何让大模型从“对话者”转变为能自主规划、使用工具并解决现实问题的“行动者”的专业人士，这里提供了极佳的入门路径和前沿参考。其独特的技术亮点在于不仅罗列论文，更按“基础能力 - 自我进化 - 集体协作 - 实际应用”的逻辑框架进行分类，帮助使用者快速把握代理推理技术的全貌与发展脉络，是探索下一代自主智能系统不可或缺的指南。
使用场景
某 AI 初创团队正致力于研发一款能自主完成复杂科学实验设计的智能代理，急需整合规划、工具调用及多 agent 协作等前沿能力。
没有 Awesome-Agentic-Reasoning 时
- 文献检索如大海捞针：研究人员需在 arXiv 上手动筛选数千篇论文，难以区分哪些真正涉及“推理与行动结合”，效率极低。
- 技术路线支离破碎：缺乏系统分类，团队难以理清“规划推理”、“工具优化”与“记忆反馈”之间的架构关系，导致系统设计逻辑混乱。
- 复现基准缺失：找不到统一的评测标准（Benchmarks），无法量化验证自研模型在数学探索或医疗场景下的实际推理水平。
- 错过关键演进机制：容易忽略最新的“自我进化”或“多 agent 分工”研究成果，使产品停留在基础对话层面，缺乏自主性。
使用 Awesome-Agentic-Reasoning 后
- 精准定位核心资源：直接通过其主题分类（如 Tool-Use Optimization、Agentic Memory）快速锁定高质量论文，将调研时间从数周缩短至几天。
- 构建清晰技术图谱：依托仓库提供的框架概览，团队迅速确立了包含“感知 - 规划 - 行动 - 反思”闭环的系统架构，开发方向明确。
- 对标权威评测体系：利用收录的 Core Mechanisms 和 Applications 基准测试，快速验证并迭代模型在科学发现任务中的表现。
- 吸纳前沿演进策略：及时获取关于多 agent 协作与自我进化的最新案例，成功为系统植入动态调整策略的能力，显著提升解决复杂问题的成功率。
Awesome-Agentic-Reasoning 将分散的研究成果转化为结构化的工程指南，帮助开发者从盲目试错转向基于前沿理论的高效构建。
运行环境要求
GPU
未说明
内存
未说明
依赖
notes该项目是一个论文综述列表（Awesome List），用于整理和分类关于“代理推理（Agentic Reasoning）”的研究论文和资源。它本身不是一个可执行的软件工具或代码库，因此没有特定的操作系统、GPU、内存、Python 版本或依赖库的安装需求。用户只需浏览该仓库中的链接以阅读相关论文。
python未说明
快速开始
令人惊叹的代理推理论文
本仓库按主题领域整理了将推理与行动相结合的研究，包括规划、工具使用、搜索、通过记忆和反馈实现自我进化、多智能体系统以及现实世界的应用和基准测试。
📄 基于该综述：大型语言模型中的代理推理：综述
🔔 新闻
[03/09/26] 📊 幻灯片现已发布，旨在更清晰地概述该综述并突出关键见解。我们将继续更新论文以进一步完善内容。
[01/21/26] 🚀 我们发布了关于大型语言模型中的代理推理的全面综述！该论文现已在 arxiv 和 HuggingFace 上线。我们欢迎社区贡献，帮助扩展和改进我们的综述 🤗！
📋 目录
🌟 引言
通过能够推理、行动并在与环境持续交互中学习的自主智能体，架起思维与行动之间的桥梁。目标是通过将推理植根于行动来提升智能体的能力。
我们将代理推理分为三层，每一层对应不同环境动态下的独特推理范式：
🔹 基础推理。 在环境中具备的核心单智能体能力（规划、工具使用、搜索）
🔹 自我进化推理。 在动态环境中通过反馈、记忆和学习进行适应
🔹 集体推理。 多智能体协调、角色专业化和协作智能
在这几层之间，我们进一步识别出由其优化设置所定义的互补性推理范式。
🔸 情境内推理。 通过结构化编排和自适应工作流实现在测试时的扩展
🔸 训练后推理。 通过强化学习和监督微调优化行为
🤝 贡献
本合集是一项持续进行的工作。我们正在积极扩展和精炼其覆盖范围，并欢迎社区的贡献。您可以：
- 提交拉取请求以添加论文或资源
- 开启议题以建议更多论文或资源
- 发送邮件至 twei10@illinois.edu, twli@illinois.edu, liu326@illinois.edu
我们会定期更新仓库，纳入有关代理推理的新研究成果。
📝 引用
如果您觉得本仓库或论文有用，请考虑引用该综述论文：
@article{wei2026agentic,
title={Agentic Reasoning for Large Language Models},
author={Wei, Tianxin and Li, Ting-Wei and Liu, Zhining and Ning, Xuying and Yang, Ze and Zou, Jiaru and Zeng, Zhichen and Qiu, Ruizhong and Lin, Xiao and Fu, Dongqi and others},
journal={arXiv preprint arXiv:2601.12538},
year={2026}
}
🏗️ 基础代理推理
🗺️ 规划推理
情境内规划
工作流设计
| 论文 | 年份 |
|---|---|
| LLM+P：以最优规划能力赋能大型语言模型 | 2023 |
| PlanBench：用于评估大型语言模型在规划与变化推理方面表现的可扩展基准测试 | NeurIPS 2023 DB Track |
| ReWOO：为高效增强型语言模型解耦推理与观测 | 2023 |
| LLM Reasoners：基于大型语言模型的分步推理的新评估、库及分析 | 2024 |
| 从少到多提示法使大型语言模型具备复杂推理能力 | ICLR 2023 |
| 计划-求解提示法：提升大型语言模型零样本链式思维推理能力 | ACL 2023 |
| 思维算法：增强大型语言模型中的创意探索 | ICML 2024 |
| HuggingGPT：借助ChatGPT及其在Hugging Face中的伙伴解决AI任务 | 2023 |
| 计划、消除与追踪——语言模型是具身智能体的好老师 | 2023 |
| PERIA：通过整合的语言与视觉规划进行感知、推理、想象与操作 | 2024 |
| 计划-行动：改进智能体针对长 horizon 任务的规划 | 2025 |
| CodePlan：利用LLM与规划进行仓库级编码 | FSE 2024 |
| ReAct：在语言模型中协同推理与行动 | ICLR 2023 |
| Mind2Web：迈向通用型网络智能体 | NeurIPS 2023 |
| WILBUR：面向稳健且精准的网络智能体的自适应上下文学习 | 2024 |
| 可执行代码动作能引出更优秀的LLM智能体 | ICML 2024 |
| Gorilla：连接海量API的大规模语言模型 | 2023 |
| Reflexion：具有言语强化学习的语言智能体 | 2023 |
| CodeNav：超越工具使用，利用真实世界代码库的LLM智能体 | ACL 2024 |
| MARCO：结合实时知识集成的多智能体代码优化系统，用于高性能计算 | 2025 |
| 通过多路径协作式反应与反思智能体增强LLM推理能力 | 2025 |
| Pre-Act：多步规划与推理提升LLM智能体的行动能力 | 2025 |
| REST遇见ReAct：多步推理LLM智能体的自我改进 | 2023 |
| 大型语言模型的预行动计划式代码生成 | TOSEM 2023 |
| LM-Nav：基于大规模预训练语言、视觉和动作模型的机器人导航 | CoRL 2022 |
树搜索 / 算法模拟
| 论文 | 年份 |
|---|---|
| 思维之树：利用大型语言模型进行审慎的问题解决 | NeurIPS 2023 |
| 语言模型智能体的树搜索 | 2024 |
| Tree-Planner：利用大型语言模型进行高效规划 | ICLR 2024 |
| Q*：通过审慎规划提升LLM的多步推理能力 | 2024 |
| LLM-A*：大型语言模型增强的增量启发式搜索应用于路径规划 | 2024 |
| 语言模型中的多模态链式思维推理 | 2023 |
| 利用语言模型进行推理即是在构建世界模型的基础上进行规划 | NeurIPS 2023 |
| Agent Q：面向自主AI智能体的高级推理与学习 | 2024 |
| 蒙特卡洛树搜索通过迭代偏好学习提升推理能力 | 2024 |
| 基于提示的蒙特卡洛树搜索用于目标导向对话策略规划 | 2023 |
| 大型语言模型作为工具制造者 | ICLR 2024 |
| 万物之思：违背彭罗斯三角定律进行思想生成 | 2023 |
| 类似AlphaZero的树搜索可以指导大型语言模型的解码与训练 | 2023 |
| 拓宽你的SCOPE！利用语义空间为LLM进行高效的多轮对话规划 | 2025 |
| 自我评估引导的束搜索用于推理 | NeurIPS 2023 |
| PathFinder：多模态多智能体医疗诊断框架 | 2025 |
| 判别器引导的具身规划用于LLM智能体 | ICLR 2025 |
| 搜索流（SoS）：在语言中学习搜索 | 2024 |
| System-1.x：学习用语言模型平衡快速与慢速规划 | 2024 |
| Agent-E：从自主网络导航到智能体系统的基础设计原则 | 2024 |
| 基于LLM的流程自动化智能虚拟助手 | 2023 |
| Agent S：一个像人类一样使用计算机的开放智能体框架 | 2024 |
| 超树规划：通过层次化思维提升LLM推理能力 | 2025 |
| 代码之树：用于复杂任务处理中端到端代码生成与执行的树状探索框架 | ACL 2025 |
| 通过全局规划与层级执行增强基于LLM的智能体 | 2025 |
| 分而治之：通过离线层级强化学习将LLM固化为高效的决策智能体 | 2025 |
| SWE-Search：利用蒙特卡洛树搜索与迭代精炼提升软件智能体 | ICLR 2025 |
| BTGenBot：用轻量级LLM为机器人任务生成行为树 | 2024 |
| 言行一致：将语言与机器人可用性相结合 | CoRL 2022 |
| 内心独白：通过语言模型规划实现具身推理 | CoRL 2022 |
流程形式化
| 论文 | 年份 |
|---|---|
| 利用预训练大型语言模型构建并使用世界模型进行基于模型的任务规划 | NeurIPS 2023 |
| 利用环境交互实现大型语言模型的自动化PDDL翻译与规划 | NeurIPS 2024 |
| 搜索之思：以效率为导向的语言模型规划 | NeurIPS 2024 |
| CodePlan：基于LLM和规划的仓库级编码 | FSE 2024 |
| 严谨地规划任何事情：基于LLM的形式化编程的通用零样本规划 | 2024 |
| 从LLM集群到PDDL赋能的蜂巢：在多模态丛林中规划自我执行的指令 | 2024 |
解耦 / 分解
| 论文 | 年份 |
|---|---|
| ReWOO：为高效增强型语言模型将推理与观测解耦 | NeurIPS 2023 |
| DiffuserLite：迈向实时扩散规划 | 2024 |
| 基于子目标模型的目标空间规划 | JMLR 2024 |
| 多智能体系统中的面向智能体规划 | 2024 |
| GoPlan：通过学习模型进行规划的条件式离线强化学习 | 2023 |
| RetroInText：一种多模态大型语言模型增强框架，通过上下文内表示学习进行逆合成规划 | ICLR 2025 |
| HyperTree规划：通过层次化思维提升LLM推理能力 | 2025 |
| VisualPredicator：利用神经符号谓词学习抽象世界模型用于机器人规划 | 2024 |
| 超越自回归：用于复杂推理的离散扩散 | 2024 |
| PlanAgent：用于车辆运动规划的多模态大型语言代理 | 2024 |
| LLaMAR：部分可观测环境中多智能体机器人的长 horizon 规划 | 2024 |
外部辅助 / 工具使用
| 论文 | 年份 |
|---|---|
| Plan-on-Graph：知识图谱上的自纠正自适应规划 | NeurIPS 2024 |
| 结合知识图谱-RAG和符号验证的复杂任务分层规划 | 2025 |
| TeLoGraF：基于图编码的流匹配的时间逻辑规划 | 2025 |
| FlexPlanner：通过混合动作空间中的深度强化学习及多模态表征进行灵活的3D平面布局规划 | NeurIPS 2024 |
| 探索性检索增强规划用于持续的具身指令遵循 | NeurIPS 2024 |
| 使用动态VQA数据集和自适应规划代理对多模态检索增强生成进行基准测试 | 2024 |
| 表格上的RAG：层次化内存索引、多阶段检索与基准测试 | 2025 |
| 用语言模型推理就是用世界模型进行规划 | NeurIPS 2023 |
| 利用预训练大型语言模型构建并使用世界模型进行基于模型的任务规划 | NeurIPS 2023 |
| 基于世界知识模型的智能体规划 | NeurIPS 2024 |
| BehaviorGPT：用于自动驾驶的智能代理模拟，具备下一补丁预测功能 | NeurIPS 2024 |
| DINO-WM：基于预训练视觉特征的世界模型实现零样本规划 | 2024 |
| FLIP：以流动为中心的生成式规划作为通用操作世界模型 | 2024 |
| 通过在线世界模型进行规划的持续强化学习 | 2025 |
| AdaWM：基于自适应世界模型的自动驾驶规划 | 2025 |
| HuggingGPT：利用ChatGPT及其在Hugging Face中的伙伴解决AI任务 | 2023 |
| Tool-Planner：跨多个工具的集群任务规划 | 2024 |
| RetroInText：一种多模态大型语言模型增强框架，通过上下文内表示学习进行逆合成规划 | ICLR 2025 |
训练后规划
| 论文 | 年份 |
|---|---|
| Reflexion：具有口头强化学习能力的语言代理 | NeurIPS 2023 |
| 反思后再规划：通过双重贝叶斯视角进行离线基于模型的规划 | 2025 |
| 具有内化效用判断的理性决策代理 | 2023 |
| 通过自动奖励建模扩展自主代理 | 2025 |
| 战略规划：自上而下的选项生成方法 | 2025 |
| 用于推理和规划的语言模型的非近视生成 | 2024 |
| 受物理启发的时间差度量学习用于机器人运动规划 | 2025 |
| 通过算子学习实现可推广的运动规划 | 2024 |
| ToolOrchestra：通过高效的模型和工具编排提升智能 | 2025 |
| 用于模仿学习的潜在扩散规划 | 2025 |
| SafeDiffuser：使用扩散概率模型的安全规划 | ICLR 2023 |
| ContraDiff：通过对比学习规划通往高回报状态 | ICLR 2025 |
| 大规模Transformer的摊销式规划：以国际象棋为例 | NeurIPS 2024 |
| GOPlan：通过学习模型进行规划的条件式离线强化学习 | 2023 |
| 没有计划的目标只是愿望：高效有效的全局规划器训练用于长 horizon 智能体任务 | 2025 |
🛠️ 工具使用优化
上下文内工具集成
交织推理与工具使用
| 论文 | 年份 |
|---|---|
| 思维链提示在大型语言模型中激发推理能力 | NeurIPS 2022 |
| ChatCoT：基于聊天的大型语言模型上的工具增强型思维链推理 | EMNLP 2023 |
| MultiTool-CoT：GPT-3 可通过思维链提示使用多种外部工具 | ACL 2023 |
| 面向知识密集型多步问题的检索与思维链推理交织方法 | ACL 2023 |
| ReAct：在语言模型中实现推理与行动的协同 | ICLR 2023 |
| 迈向 PDDL 规划辅助工具 | 2025 |
| ART：大型语言模型的自动多步推理与工具使用 | 2023 |
针对工具交互优化上下文
| 论文 | 年份 |
|---|---|
| 工具文档使大型语言模型实现零样本工具使用 | 2023 |
| EASYTOOL：以简洁的工具指令增强基于 LLM 的智能体 | NAACL 2025 |
| GEAR：用通用且高效的工具解析能力增强语言模型 | EACL 2024 |
| AvaTaR：通过对比推理优化 LLM 智能体的工具使用 | NeurIPS 2024 |
微调后的工具集成
通过 SFT 引导工具使用
| 论文 | 年份 |
|---|---|
| Toolformer：语言模型可自我学习使用工具 | NeurIPS 2023 |
| ToolLLM：助力大型语言模型掌握超过 16000 个真实世界 API | ICLR 2024 |
| ToolAlpaca：基于 3000 个模拟案例的语言模型通用工具学习 | 2023 |
| Chameleon：利用大型语言模型实现即插即用的组合式推理 | NeurIPS 2023 |
| RestGPT：将大型语言模型与现实世界的 RESTful API 相连 | 2023 |
| ADaPT：按需分解与规划的语言模型应用 | 2023 |
| Agent Lumos：开源语言智能体的统一模块化训练 | 2023 |
| 通过协作与交互式智能体学习工具使用 | 2024 |
| 理解 RLHF 对 LLM 泛化能力和多样性的影响 | 2023 |
| 在大型语言模型的监督微调中保持多样性 | 2024 |
| 大型语言模型的属性控制微调：以去毒为例 | EMNLP 2024 |
| Transformer Copilot：从 LLM 微调中的错误日志中学习 | 2025 |
| iTool：针对高级工具使用的动态缺陷校准强化微调 | 2025 |
| START：自教式工具推理者 | 2025 |
通过 RL 掌握工具使用
| 论文 | 年份 |
|---|---|
| 面向代码库深度搜索的工具集成强化学习 | ICSE 2026 |
| SoRFT：以子任务导向的强化微调解决问题 | ACL 2025 |
| SWE-RL：通过开放软件演进中的强化学习推进 LLM 推理 | 2025 |
| SWE-Search：借助蒙特卡洛树搜索和迭代精炼提升软件智能体 | 2024 |
| ToolRL：奖励是工具学习所需的全部 | 2025 |
| RLVMR：采用可验证元推理奖励的强化学习，用于构建稳健的长时程智能体 | 2025 |
| Search-R1：通过强化学习训练 LLM 进行推理并利用搜索引擎 | 2025 |
| AutoTool：面向代理式推理的动态工具选择与集成 | 2025 |
| ReSearch：通过强化学习让 LLM 学习利用搜索进行推理 | 2025 |
| 代理式强化策略优化 | 2025 |
| 代理式熵平衡策略优化 | 2025 |
| Tool-Star：通过强化学习赋能 LLM 大脑的多工具推理者 | 2025 |
| DeepAgent：具有可扩展工具集的通用推理智能体 | 2025 |
| 通过自我演化偏好学习实现有效工具集成推理 | 2025 |
| 揭秘代理式推理中的强化学习 | 2025 |
| 强化预训练 | 2025 |
| ReTool：面向 LLM 的战略工具使用强化学习 | 2025 |
| ZeroSearch：在不进行搜索的情况下激励 LLM 的搜索能力 | 2025 |
| Kimi k1.5：与 LLM 结合的规模化强化学习 | 2025 |
| Gemini 2.5：以先进推理和下一代代理能力推动前沿发展 | 2025 |
| Kimi k2：开放的代理智能 | 2025 |
| GLM-4.5：代理、推理和编码（ARC）基础模型 | 2025 |
| 学习如何使用工具，而不仅仅是何时使用：模式感知的工具集成推理 | 2025 |
| SCRIBE：面向工具使用语言模型的结构化中级监督 | 2026 |
| TaTToo：面向表格推理的测试时缩放工具基思考 PRM | 2025 |
基于编排的工具集成
用于工具编排的代理式流水线
| 论文 | 年份 |
|---|---|
| ToolPlanner: 一种用于多粒度指令、路径规划与反馈的工具增强型大语言模型 | 2025 |
| 通过元验证和反思学习推进工具增强型大语言模型 | KDD 2025 |
| OctoTools: 一个具有可扩展工具的智能体框架，用于复杂推理 | 2025 |
| 工具链：在冻结语言模型的思维链推理中利用大量未见过的工具 | 2025 |
| PyVision: 具有动态工具的智能体视觉 | 2025 |
| 通过协作与交互式智能体学习使用工具 | 2024 |
| El Agente: 一个用于量子化学的自主智能体 | 2025 |
用于编排的工具表示
| 论文 | 年份 |
|---|---|
| ToolExpNet: 利用相似性和依赖性感知的经验网络优化大语言模型中的多工具选择 | ACL (Findings) 2025 |
| T^2Agent: 一种基于蒙特卡洛树搜索的工具增强型多模态虚假信息检测智能体 | 2025 |
| ToolChain*: 利用A*搜索在大语言模型中高效导航行动空间 | 2023 |
| ToolRerank: 面向工具检索的自适应且层次感知的重新排序 | COLING 2024 |
🔍 智能体搜索
上下文内搜索
推理与搜索的交织
| 论文 | 年份 |
|---|---|
| ReAct: 在语言模型中协同推理与行动 | ICLR 2023 |
| 衡量并缩小语言模型中的组合性差距 | 2022 |
| 将检索与思维链推理交织用于知识密集型多步问题 | 2022 |
| Self-RAG: 通过自我反思学习检索、生成和批判 | NeurIPS Workshop 2023 |
| 使用动态VQA数据集和自适应规划智能体对多模态检索增强生成进行基准测试 | 2024 |
| DeepRAG: 针对大语言模型逐步思考以进行检索 | 2025 |
| MC-Search: 使用结构化推理链对多模态智能体RAG进行基准测试 | NeurIPS Workshop 2025 |
结构增强型搜索
| 论文 | 年份 |
|---|---|
| Agent-G: 一个用于图检索增强生成的智能体框架 | 2025 |
| MC-Search: 使用结构化推理链对多模态智能体RAG进行基准测试 | NeurIPS Workshop 2025 |
| GeAR: 用于检索增强生成的图增强型智能体 | 2024 |
| 通过主动自我反思学习在知识图上进行检索和推理 | 2025 |
后训练搜索
基于SFT的智能体搜索
| 论文 | 年份 |
|---|---|
| Toolformer: 语言模型可以自我教授如何使用工具 | NeurIPS 2023 |
| INTERS: 通过指令微调释放大型语言模型在搜索中的潜力 | 2024 |
| RAG-Studio: 通过自我对齐实现检索增强生成的域内适配 | EMNLP (Findings) 2024 |
| RAFT: 将语言模型适配到特定领域的RAG | 2024 |
| Search-o1: 智能体搜索增强型大型推理模型 | 2025 |
| RA-DIT: 检索增强型双重指令微调 | ICLR 2023 |
| SFR-RAG: 朝着上下文忠实的大语言模型迈进 | 2024 |
基于RL的智能体搜索
🧬 自我演化的智能体推理
🔄 智能体反馈机制
反思式反馈
| 论文 | 年份 |
|---|---|
| Reflexion：具有语言型强化学习的智能体 | NeurIPS 2023 |
| Self-Refine：基于自我反馈的迭代优化 | NeurIPS 2023 |
| 使语言模型能够从数据中隐式学习自我改进 | ICLR 2024 |
| 自进化智能体综述：何时、何地、如何以及为何进化 | TMLR 2025 |
| 思维之树：利用大型语言模型进行深思熟虑的问题解决 | NeurIPS 2023 |
| 思维图谱：利用大型语言模型解决复杂问题 | AAAI 2024 |
| 零样本验证引导的思维链 | 2025 |
| ReAct：在语言模型中协同推理与行动 | ICLR 2023 |
| WebGPT：基于浏览器的人工反馈问答系统 | 2021 |
| MemGPT：迈向将LLM用作操作系统 | 2023 |
| Voyager：一个基于大型语言模型的开放式具身智能体 | 2023 |
参数化适应
| 论文 | 年份 |
|---|---|
| AgentTuning：为LLM赋予通用智能体能力 | 2023 |
| ReST遇见ReAct：用于多步推理LLM智能体的自我改进 | 2023 |
| Re-ReST：面向语言智能体的反思强化自我训练 | 2024 |
| 逐级提炼！以更少的训练数据和更小的模型规模超越更大的语言模型 | 2023 |
| 基于人类偏好的深度强化学习 | NeurIPS 2017 |
| 直接偏好优化：你的语言模型其实是一个奖励模型 | NeurIPS 2023 |
| 宪法式AI：通过AI反馈确保无害性 | 2022 |
| ReflectEvo：通过学习自我反思提升小型LLM的元认知能力 | ACL（Findings）2025 |
验证器驱动的反馈
| 论文 | 年份 |
|---|---|
| ReZero：通过再试一次来增强LLM的搜索能力 | 2025 |
| 反复尝试就够了？无需口头反馈即可增强大型语言模型的推理能力 | 2025 |
| CodeRL：通过预训练模型和深度强化学习掌握代码生成 | 2022 |
| LEVER：通过执行来学习验证语言到代码的生成 | ICML 2023 |
| SWE-bench：语言模型能否解决真实的GitHub问题？ | ICLR 2024 |
| 照我做的做，别学我说的：将语言 grounding 到机器人 affordances 上 | CoRL 2022 |
| PaLM-E：一个具身多模态语言模型 | ICML 2023 |
| 反思、重试、奖励：通过强化学习实现LLM的自我改进 | 2025 |
🧠 主体性记忆
平面内存的主体性使用
事实性记忆
| 论文 | 年份 |
|---|---|
| 用于知识密集型 NLP 任务的检索增强生成 | NeurIPS 2020 |
| [Self-RAG：通过自我反思学习检索、生成和批判] | ICLR 2024 |
| [MemoryBank：利用长期记忆增强大型语言模型] | 2023 |
| LlamaIndex | 2022 |
| [MemGPT：迈向将 LLM 作为操作系统] | 2023 |
| [RET-LLM：迈向大型语言模型的通用读写内存] | 2023 |
| [SCM：利用自控记忆框架增强大型语言模型] | 2023 |
| [评估 LLM 代理的超长期对话记忆] | 2024 |
| [LongMemEval：针对长期交互记忆的聊天助手基准测试] | 2024 |
| [SELFGOAL：你的语言代理已经知道如何实现高层次目标] | NAACL 2025 |
| [FinMem：具有分层记忆和角色设计的性能增强型 LLM 交易代理] | 2023 |
| [A-mem：面向 LLM 代理的主体性记忆] | 2025 |
| [展望与回顾：面向长期个性化对话代理的反思式内存管理] | 2025 |
| [Zep：用于代理记忆的时间知识图架构] | 2025 |
| [MIRIX：基于 LLM 的多智能体记忆系统] | 2025 |
| [MemOS：大型语言模型中内存增强生成（MAG）的操作系统] | 2025 |
| [LightMem：轻量高效的记忆增强生成] | 2025 |
| [Nemori：受认知科学启发的自组织代理记忆] | 2025 |
经验性记忆
| 论文 | 年份 |
|---|---|
| [代理工作流记忆] | 2024 |
| [睡眠时间计算：超越推理规模化的测试时技术] | 2025 |
| [动态备忘录：带有适应性记忆的测试时学习] | 2025 |
| [主体性上下文工程：为自我改进的语言模型演化上下文] | 2025 |
| [ReasoningBank：利用推理记忆推动代理自我进化] | 2025 |
| [Evo-Memory：以自我进化记忆为基准测试 LLM 代理的测试时学习] | 2025 |
内存的结构化使用
| 论文 | 年份 |
|---|---|
| [RepoGraph：利用仓库级代码图提升 AI 软件工程能力] | 2024 |
| [从局部到全局：一种面向查询聚焦摘要的图式 RAG 方法] | 2024 |
| [Mem0：用可扩展的长期记忆构建生产就绪的 AI 代理] | 2025 |
| [Zep：用于代理记忆的时间知识图架构] | 2025 |
| [从孤立对话到层次化模式：LLM 的动态树形记忆表示] | 2024 |
| [AutoFlow：大型语言模型代理的自动化工作流生成] | 2024 |
| [AFlow：自动化主体性工作流生成] | ICLR 2025 |
| [FlowMind：利用 LLM 自动化工作流生成] | 2024 |
| [看、听、记、思：具有长期记忆的多模态代理（M3-Agent）] | 2025 |
| [Agent-ScanKit：通过敏感性扰动解析多模态代理的记忆与推理] | 2025 |
| [Optimus-1：混合多模态记忆赋能的代理在长周期任务中表现出色] | NeurIPS 2024 |
| [RAP：面向多模态 LLM 代理的带上下文记忆的检索增强规划] | 2024 |
训练后内存控制
| 论文 | 年份 |
|---|---|
| [MemAgent：基于多卷积强化学习的内存代理重塑长上下文 LLM] | 2025 |
| [MEM1：学习协同记忆与推理以打造高效的长周期代理] | 2025 |
| [Memory-R1：通过强化学习提升大型语言模型代理管理和利用记忆的能力] | 2025 |
| [Mem-alpha：通过强化学习学习记忆构建] | 2025 |
| [记忆即行动：面向长周期主体性任务的自主上下文整理] | 2025 |
| [代理通过早期经验学习] | 2025 |
| [主体性记忆：学习统一的长短期记忆管理以服务大型语言模型代理] | 2026 |
| [MemRL：通过运行时强化学习对情景记忆进行自我进化] | 2026 |
🚀 演进中的基础智能体能力
自我演进的规划
| 论文 | 年份 |
|---|---|
| 自我挑战的语言模型代理 | 2025 |
| 自我奖励的语言模型 | ICML 2024 |
| RLSR：基于自我奖励的强化学习 | 2025 |
| Self：利用语言反馈实现自我进化 | 2023 |
| 通过强化学习训练语言模型进行自我修正 | 2024 |
| TextGrad：面向语言模型的可微文本反馈 | 2024 |
| AutoRule：基于思维链提取的规则奖励提升偏好学习 | 2025 |
| AgentGen：通过环境与任务生成增强大语言模型驱动智能体的规划能力 | 2024 |
| Reflexion：具备口头强化学习的语言智能体 | NeurIPS 2023 |
| Adaplanner：基于语言模型反馈的自适应规划 | NeurIPS 2023 |
| Self-refine：利用自我反馈进行迭代精炼 | NeurIPS 2023 |
| 一个自我改进的编码智能体 | 2025 |
| Ragen：通过多轮强化学习理解大模型智能体的自我进化 | 2025 |
| DYSTIL：利用大语言模型为强化学习动态归纳策略 | 2025 |
自我演进的工具使用
| 论文 | 年份 |
|---|---|
| 大语言模型作为工具制造者 | ICLR 2024 |
| CRAFT：通过创建和检索专用工具集来定制大语言模型 | ICLR 2024 |
| CREATOR：工具创制以解耦大语言模型的抽象与具体推理 | EMNLP 2023 |
| LLM智能体制作智能体工具 | 2025 |
自我演进的记忆检索搜索
| 论文 | 年份 |
|---|---|
| 用于知识密集型NLP任务的检索增强生成 | NeurIPS 2020 |
| Self-RAG：通过自我反思学习检索、生成和评价 | ICLR 2024 |
| MemoryBank：用长期记忆增强大语言模型 | 2023 |
| MemGPT：迈向将大语言模型作为操作系统 | 2023 |
| 智能体工作流记忆 | 2024 |
| 动态备忘录：测试时学习与自适应记忆 | 2025 |
| Reflexion：具备口头强化学习的语言智能体 | NeurIPS 2023 |
| ReasoningBank：利用推理记忆扩展智能体自我演化 | 2025 |
| 智能体上下文工程：为自我改进的语言模型演化上下文 | 2025 |
| AutoFlow：大语言模型智能体的自动化工作流生成 | 2024 |
| AFlow：自动化智能体工作流生成 | ICLR 2025 |
| FlowMind：利用LLM自动工作流生成 | 2024 |
| RepoGraph：以仓库级代码图提升AI软件工程 | 2024 |
| 从局部到全局：一种基于图的RAG方法用于查询聚焦摘要 | 2024 |
| Mem0：用可扩展的长期记忆构建生产就绪的AI智能体 | 2025 |
| Zep：面向智能体记忆的时间知识图架构 | 2025 |
| MemOS：大语言模型中用于记忆增强生成（MAG）的操作系统 | 2025 |
| 记忆即行动：为长周期智能体任务提供自主上下文整理 | 2025 |
👥 集体多智能体推理
🤝 协作与分工
上下文内协作
手工构建的流水线
| 论文 | 年份 |
|---|---|
| AgentOrchestra：用于通用任务解决的分层多智能体框架 | 2025 |
| MetaGPT：面向多智能体协作框架的元编程 | ICLR 2024 |
| SurgRAW：具有思维链推理的多智能体工作流，用于手术智能 | 2025 |
| Collab-RAG：通过白盒与黑盒LLM协作提升复杂问答的检索增强生成 | 2025 |
| MA-RAG：基于协作式思维链推理的多智能体检索增强生成 | 2025 |
| 智能体之链：大语言模型在长上下文任务上的协作 | NeurIPS 2024 |
| AutoAgents：自动智能体生成框架 | IJCAI 2024 |
| RAG-KG-IL：减少幻觉并增强LLM推理能力的多智能体混合框架 | 2025 |
| SMoA：利用稀疏混合智能体改进多智能体大语言模型 | 2024 |
| MDocAgent：用于文档理解的多模态多智能体框架 | 2025 |
LLM驱动的流水线
| 论文 | 年份 |
|---|---|
| AutoML-Agent：用于全管道自动机器学习的多智能体LLM框架 | 2024 |
| Magentic-One：解决复杂任务的通用多智能体系统 | 2024 |
| MAS-GPT：训练LLM构建基于LLM的多智能体系统 | 2025 |
| MetaAgent：基于有限状态机自动构建多智能体系统 | 2025 |
| 多智能体系统中的面向智能体规划 | 2024 |
| 智能体路由器：用于协作式多智能体问答的知识图引导LLM路由器 | 2025 |
| 与合适的专家对话：用于问答的多智能体系统路由与规划 | 2025 |
理解他人心智的合作增强
| 论文 | 年份 |
|---|---|
| 通过大型语言模型实现多智能体协作的心智理论 | 2023 |
| 假设性心智：利用大型语言模型为多智能体任务搭建心智理论框架 | 2024 |
| MindForge：赋予具身智能体心智理论能力以支持终身协作学习 | 2024 |
| 大型语言模型如何编码心智理论：基于稀疏参数模式的研究 | npj人工智能，2025年 |
| 具备反事实反思能力的心智理论感知型生成式智能体——大型语言模型的应用 | 2025 |
| BeliefNest：面向具有心智理论的具身智能体的联合行动模拟器 | 2025 |
后训练阶段的协作
多智能体提示优化
| 论文 | 年份 |
|---|---|
| AutoAgents：自动智能体生成框架 | IJCAI 2024 |
| 释放大型语言模型中的涌现认知协同效应：基于多角色自我协作的任务求解智能体 | NAACL 2024 |
| DSPy断言：用于自完善语言模型流水线的计算约束 | 2023 |
| 多智能体设计：通过更优的提示与拓扑结构优化智能体 | 2025 |
| 基于“梯度下降”和束搜索的自动提示优化 | 2023 |
基于图的拓扑结构生成
| 论文 | 年份 |
|---|---|
| 从图建模视角学习多智能体通信 | 2024 |
| G-Designer：利用图神经网络构建多智能体通信拓扑结构 | 2024 |
| 用于稳健多智能体协调的图扩散 | ICML 2025 |
| 精简冗余：面向基于LLM的多智能体系统的经济型通信管道 | 2024 |
| 多智能体通信的自适应图剪枝 | 2025 |
| G-Safeguard：面向基于LLM的多智能体系统的拓扑引导安全视角与处理方法 | 2025 |
| AFlow：自动化代理工作流生成 | ICLR 2025 |
| 多智能体设计：通过更优的提示与拓扑结构优化智能体 | 2025 |
| 基于代理超网的多智能体架构搜索 | 2025 |
| DynaSwarm：面向基于LLM的多智能体系统的动态图结构选择 | 2025 |
| GPTSwarm：将语言智能体视为可优化的图 | ICML 2024 |
基于策略的拓扑结构生成
| 论文 | 年份 |
|---|---|
| MASRouter：学习为多智能体系统路由LLM | 2025 |
| RCR-Router：面向多智能体LLM系统的高效角色感知上下文路由，结合结构化记忆 | 2025 |
| xRouter：基于强化学习的训练成本敏感型LLM编排系统 | 2025 |
| 最优智能体选择：面向高效多智能体协作的状态感知路由框架 | 2025 |
| 基于多智能体强化学习的LLM协作 | 2025 |
| 面向基于LLM的多智能体系统的异质群体强化学习 | 2025 |
| 通过强化学习、基于LLM的规划器及基于图的策略提升多智能体系统 | 2025 |
| LAMARL：LLM辅助的多智能体强化学习，用于合作策略生成 | IEEE RA-L 2025 |
| MAPoRL：通过强化学习对协作型大型语言模型进行多智能体后协同训练 | 2025 |
| 基于大型语言模型的反思性多智能体协作 | NeurIPS 2024 |
| Sirius：通过自举式推理实现自我改进的多智能体系统 | 2025 |
| 多智能体微调：借助多样化推理链实现自我提升 | 2025 |
| M3HF：基于混合质量多阶段人类反馈的多智能体强化学习 | 2025 |
| O-MAPL：离线多智能体偏好学习 | 2025 |
🌱 多智能体记忆与进化
从单智能体进化到多智能体进化
测试时内进化
| 论文 | 年份 |
|---|---|
| Reflexion: 具有语言强化学习的语言智能体 | NeurIPS 2023 |
| Self-Refine: 基于自我反馈的迭代改进 | NeurIPS 2023 |
| AdaPlanner: 基于语言模型的自适应规划与反馈 | NeurIPS 2023 |
| TrustAgent: 通过智能体宪章实现安全可信的LLM智能体 | TiFA 2024 |
| 自适应语言模型 | 2025 |
| TTRL: 测试时强化学习 | 2025 |
| Ladder: 通过递归问题分解实现LLM的自我改进 | 2025 |
测试间进化
| 论文 | 年份 |
|---|---|
| Self: 基于语言反馈的自我进化 | 2023 |
| STaR: 以推理驱动推理的自举式推理 | NeurIPS 2022 |
| 超越极限的推理：LLM的进步与开放问题 | 2025 |
| RAGEN: 通过多轮强化学习理解LLM智能体的自我进化 | 2025 |
| DYSTIL: 基于大型语言模型的动态策略归纳用于强化学习 | 2025 |
| WebRL: 通过自我进化在线课程强化学习训练LLM网络智能体 | 2024 |
| 为什么动物需要塑造？任务组合与课程学习理论 | 2024 |
| SAGE: 具有反思和记忆增强能力的自我进化智能体 | Neurocomputing 2025 |
| MemInsight: LLM智能体的自主记忆增强 | 2025 |
| 智能体工作流记忆 | 2024 |
多智能体进化
| 论文 | 年份 |
|---|---|
| Self: 基于语言反馈的自我进化 | 2023 |
| 通过强化学习训练语言模型进行自我纠正 | 2024 |
| TextGrad: 基于文本的自动“微分” | 2024 |
| REMA: 使用多智能体强化学习教会LLM进行元思考 | 2025 |
| 针对LLM智能体训练的组中组策略优化 | 2025 |
| 智能体工作流记忆 | 2024 |
| MemOS: 大型语言模型中记忆增强生成（MAG）的操作系统 | 2025 |
| 多智能体设计：用更好的提示和拓扑结构优化智能体 | 2025 |
| AFlow: 自动化智能体工作流生成 | ICLR 2025 |
| 使用多目标搜索和神经网络测试高级驾驶辅助系统 | ASE 2016 |
| 多智能体系统中的潜在协作 | 2025 |
多智能体记忆管理用于进化
训练多智能体进行进化
| 论文 | 年份 |
|---|---|
| Multi-Agent Evolve: LLM通过协同进化自我提升 | 2025 |
| CoMAS: 通过交互奖励进行多智能体协同进化 | 2025 |
| MARFT: 多智能体强化学习微调 | 2025 |
| Stronger-MAS: 用于协作LLM的多智能体强化学习 | 2025 |
| MAPoRL: 协作大型语言模型的多智能体强化学习后联合训练 | 2025 |
| MALT: 从轨迹中学习的多智能体 | 2025 |
| MARS: 通过多智能体强化学习优化双系统深度研究 | 2025 |
| 基于偏好选择的多智能体强化学习：数据覆盖与算法技术 | 2024 |
| 对齐华尔兹: 为安全性共同训练智能体协作 | 2025 |
🎨 应用
💻 数学探索与氛围编码智能体
基础性智能体推理
自我进化型代理推理
| 论文 | 年份 |
|---|---|
| 通过交互评估语言模型的数学能力 | PNAS 2024 |
| CLCL：利用对比学习和课程学习检测非组合性表达 | ACL 2023 |
| 自我修复是代码生成的万能解吗？ | 2024年 |
| LeDeX：通过执行反馈学习调试 | NeurIPS 2024 |
| Self-Refine：基于自我反馈的迭代改进 | NeurIPS 2023 |
| 基于大型语言模型的自我迭代代码生成方法 | ICPADS 2023 |
| 教导大型语言模型自我调试 | ICLR 2024 |
| 通过ChatGPT进行自我协作式代码生成 | TOSEM 2024 |
| L2MAC：大型语言模型自动计算机用于大规模代码生成 | 2023年 |
| Cogito, Ergo Sum：受神经生物学启发的认知–记忆–成长系统用于代码生成 | 2025年 |
集体多智能体推理
| 论文 | 年份 |
|---|---|
| AgentCoder：基于多智能体的迭代测试与优化代码生成 | 2023 |
| 通过多方案探索和反馈驱动精炼的结对编程框架用于代码生成 | ASE 2024 |
| SOEN-101：利用大型语言模型智能体模拟软件过程模型进行代码生成 | ICSE 2025 |
| 自组织智能体：面向超大规模代码生成与优化的LLM多智能体框架 | 2024 |
| MapCoder：用于竞技性问题求解的多智能体代码生成 | 2024 |
| AutoSafeCoder：通过静态分析和模糊测试保障LLM代码生成安全性的多智能体框架 | 2024 |
| QualityFlow：由LLM质量检查控制的程序合成代理工作流 | 2025 |
| SEW：用于自动化代码生成的自我演化代理工作流 | 2025 |
| 面向软件开发的自我演化多智能体协作网络 | 2024 |
| Lingma SWE-GPT：以开放开发流程为中心的自动化软件改进语言模型 | 2024 |
| CodeCoR：基于LLM的自我反思多智能体代码生成框架 | 2025 |
| SyncMind：衡量协作式软件工程中智能体不同步恢复能力 | ICML 2025 |
| 幻觉到共识：用于端到端测试生成的多智能体LLM | 2025 |
🔬 科学发现智能体
以下是按各自章节分组的引用表格。
基础性智能体推理
| 论文 | 年份 |
|---|---|
| [ProtAgents：结合物理与机器学习的大语言模型多智能体协作实现蛋白质发现] | 数字发现 2024 |
| [基于智能体的学习方法从科学文献中获取材料数据集] | 数字发现 2024 |
| [ReAct：在语言模型中协同推理与行动] | ICLR 2023 |
| [Biomni：通用生物医学人工智能智能体] | bioRxiv 2025 |
| [SciAgent：用于科学推理的工具增强型语言模型] | 2024 |
| [Chemcrow：用化学工具增强大型语言模型] | 2023 |
| [CACTUS：将工具使用与科学研究相连接的化学智能体] | ACS Omega 2024 |
| [ChemToolAgent：工具对解决化学问题的语言智能体的影响] | 2024 |
| [CheMatAgent：通过基于树搜索的工具学习提升大型语言模型在化学与材料科学领域的应用] | 2025 |
| [TxAgent：跨工具宇宙进行治疗推理的人工智能智能体] | 2025 |
| [AgentMD：利用大规模临床工具学习赋能语言智能体进行风险预测] | Nature Communications 2025 |
| [LLaMP：为高保真材料知识检索与提炼而强大的大型语言模型] | 2024 |
| [HoneyComb：面向材料科学的灵活LLM基础智能体系统] | 2024 |
| [CRISPR-GPT用于基因编辑实验的智能体自动化] | 2024 |
| [PharmAgents：用大型语言模型智能体构建虚拟制药公司] | 2025 |
| [ORGANA：用于自动化化学实验与表征的机器人助手] | Matter 2025 |
| [AtomAgents：通过具备物理感知能力的多模态多智能体人工智能进行合金设计与发现] | 2024 |
| [Chemist-X：由大型语言模型赋能的智能体，用于化学合成中的反应条件推荐] | 2024 |
| [LLM与仿真作为双层优化器：推动物理科学发现的新范式] | 2024 |
| [CellAgent：由LLM驱动的多智能体框架，用于基于自然语言的单细胞分析] | BioRxiv 2024 |
| [BioDiscoveryAgent：用于设计遗传扰动实验的人工智能智能体] | 2024 |
| [DrugAgent：基于多智能体大型语言模型的药物-靶点相互作用预测推理] | 2024 |
| [通过多LLM框架加速科学研究] | 2025 |
| [AI科学家-v2：通过智能体树状搜索实现车间级自动化科学发现] | 2025 |
| [大型语言模型是零样本假设提出者] | 2023 |
| [PaperQA：用于科学研究的检索增强生成式智能体] | 2023 |
| [语言智能体实现了超人类水平的科学知识综合] | 2024 |
| [LLaMP：为高保真材料知识检索与提炼而强大的大型语言模型] | 2024 |
自我进化型智能体推理
| 论文 | 年份 |
|---|---|
| [ChemAgent：大型语言模型中的自我更新库提升化学推理能力] | 2025 |
| [利用生成式AI智能体加速无机材料设计] | 2025 |
| [LLM与仿真作为双层优化器：推动物理科学发现的新范式] | 2024 |
| [ChemReasoner：利用量子化学反馈在大型语言模型的知识空间中进行启发式搜索] | 2024 |
| [LLMatDesign：利用大型语言模型实现自主材料发现] | 2024 |
| [使用目标导向和约束引导的LLM智能体进行材料发现与设计的假设生成] | 2025 |
集体多智能体推理
| 论文 | 年份 |
|---|---|
| [ProtAgents：结合物理与机器学习的大语言模型多智能体协作实现蛋白质发现] | 数字发现 2024 |
| [PiFlow：基于原则的多智能体协作科学发现] | 2025 |
| [AtomAgents：通过具备物理感知能力的多模态多智能体人工智能进行合金设计与发现] | 2024 |
| [CellAgent：由LLM驱动的多智能体框架，用于基于自然语言的单细胞分析] | BioRxiv 2024 |
| [通过多LLM框架加速科学研究] | 2025 |
| [朝着由AI制造的科学家团队迈进，以基因表达数据进行科学发现] | 2024 |
| [虚拟实验室：AI智能体设计新型SARS-CoV-2纳米抗体并经实验验证] | bioRxiv 2024 |
🤖 具身智能体
基础性智能体推理
自我进化型代理推理
| 论文 | 年份 |
|---|---|
| LLM赋能的具身智能体：用于家庭机器人中记忆增强的任务规划 | 2024 |
| Optimus-1：混合多模态记忆赋能的智能体，用于Minecraft中的长时程任务 | 2024 |
| 具有记忆增强型大型语言模型的开放式可指令具身智能体 | EMNLP 2023 |
| 为具身智能体赋予空间推理能力，用于视觉-语言导航 | 2025 |
| 面向指令遵循具身智能体的上下文感知规划与环境感知记忆 | 2024 |
| Ella：具有终身记忆的具身社交智能体 | 2025 |
| 与环境对话：使用大型语言模型的交互式多模态感知 | IROS 2023 |
| 从陌生人到助手：快速对齐需求以适应具身智能体与用户 | 2025 |
| 会求助的机器人：大型语言模型规划者的不确定性对齐 | CoRL 2023 |
| Octopus：基于环境反馈的具身视觉-语言程序员 | ECCV 2024 |
| MindForge：为具身智能体赋予心智理论，实现终身协作学习 | 2024 |
| 迈向高效LLM grounding，促进具身多智能体协作 | 2024 |
| EMAC+：结合VLM和LLM的具身多模态协作规划智能体 | 2025 |
| Voyager：具有大型语言模型的开放式具身智能体 | 2023 |
集体多智能体推理
| 论文 | 年份 |
|---|---|
| Smart-LLM：基于大型语言模型的智能多智能体机器人任务规划 | 2024 |
| CaPo：面向多智能体协作的协同计划优化 | 2024 |
| COHERENT：利用大型语言模型实现异构多机器人系统的协作 | ICRA 2025 |
| 通过大型语言模型实现多智能体协作的心智理论 | 2023 |
| 大型语言模型如何编码心智理论：关于稀疏参数模式的研究 | npj Artificial Intelligence 2025 |
| 假设性心智：利用大型语言模型为多智能体任务搭建心智理论框架 | 2024 |
| MindForge：赋予具身智能体心智理论能力以支持终身协作学习 | 2024 |
| EMAC+：用于与VLM+LLM协同规划的具身多模态智能体 | 2025 |
| COMBO：面向具身多智能体协作的组合式世界模型 | 2025 |
| VIKI-R：一种基于VLM的强化学习方法，用于异构多智能体协作 | 2025 |
| RoCo：基于大型语言模型的辩证式多机器人协作 | 2024 |
🏥 医疗健康与医学代理
基础性代理推理
| 论文 | 年份 |
|---|---|
| 用于肿瘤学临床决策的自主人工智能代理的开发与验证 | 《自然·医学》2024年 |
| [EHRAgent：代码赋能大型语言模型，实现电子健康记录上的复杂表格推理] | 2024年 |
| [PathFinder：应用于组织病理学的多模态多智能体系统，用于医学诊断决策] | 2025年 |
| [MedAgent-Pro：通过推理型代理工作流实现循证的多模态医学诊断] | 2025年 |
| [MedOrch：具有工具增强推理能力的医疗诊断代理，支持灵活扩展] | 2025年 |
| [ClinicalAgent：基于大语言模型推理的临床试验多智能体系统] | 2024年 |
| [DynamiCare：用于交互式和开放式医学决策的动态多智能体框架] | 2025年 |
| [TxAgent：一个跨工具宇宙进行治疗推理的AI代理] | 2025年 |
| [AgentMD：利用大规模临床工具学习赋能语言代理进行风险预测] | 《自然·通讯》2025年 |
| [大型语言模型代理可以使用工具执行临床计算] | 《NPJ数字医学》2025年 |
| [MeNTi：通过嵌套工具调用连接医学计算器与LLM代理] | 2024年 |
| [MMedAgent：使用多模态代理学习如何使用医疗工具] | 2024年 |
| [VoxelPrompt：用于端到端医学影像分析的视觉代理] | 2024年 |
| [通过具身智能增强手术机器人，实现自主超声扫描] | 2024年 |
| [医学语言代理中的适应性推理与行动] | 2024年 |
| [MedRAX：用于胸部X光片的医学推理代理] | 2025年 |
| [对话式健康代理：个性化的LLM驱动代理框架] | 2023年 |
| [MedAgentGym：面向生物医学数据科学中以代码为中心的推理的可扩展代理训练环境] | 2025年 |
| [由大语言模型驱动的AI代理支持的模拟患者系统有望变革医学教育] | 2024年 |
| [用于真实临床互动的自进化多智能体模拟] | MICCAI 2025年 |
| [RAG增强的协作LLM代理用于药物发现] | 2025年 |
| [MedReason：通过知识图谱在LLM中激发事实性的医学推理步骤] | 2025年 |
自进化代理推理
| 论文 | 年份 |
|---|---|
| [基于生成式代理的流行病建模] | 2023年 |
| [用于真实临床互动的自进化多智能体模拟] | MICCAI 2025年 |
| [EHRAgent：代码赋能大型语言模型，实现电子健康记录上的复杂表格推理] | 2024年 |
| [LLMs可通过代理共进化模拟标准化患者] | 2024年 |
| [由大语言模型驱动的AI代理支持的模拟患者系统有望变革医学教育] | 2024年 |
| [MedOrch：具有工具增强推理能力的医疗诊断代理，支持灵活扩展] | 2025年 |
| [DynamiCare：用于交互式和开放式医学决策的动态多智能体框架] | 2025年 |
| [MedAgentGym：面向生物医学数据科学中以代码为中心的推理的可扩展代理训练环境] | 2025年 |
| [EHRAgent：代码赋能大型语言模型，实现电子健康记录上的复杂表格推理] | 2024年 |
| [MeNTi：通过嵌套工具调用连接医学计算器与LLM代理] | 2025年 |
| [大型语言模型代理可以使用工具执行临床计算] | 《NPJ数字医学》2025年 |
集体多智能体推理
| 论文 | 年份 |
|---|---|
| [MDAgents：用于医学决策的LLM自适应协作系统] | 2024年 |
| [DoctorAgent-RL：用于多轮临床对话的多智能体协作强化学习系统] | 2025年 |
| [超越直接诊断：基于LLM的多专科代理会诊实现自动诊断] | 2024年 |
| [ClinicalAgent：基于大语言模型推理的临床试验多智能体系统] | 2024年 |
| [PathFinder：应用于组织病理学的多模态多智能体系统，用于医学诊断决策] | 2025年 |
| [用于真实临床互动的自进化多智能体模拟] | MICCAI 2025年 |
| [LLMs可通过代理共进化模拟标准化患者] | 2024年 |
| [DynamiCare：用于交互式和开放式医学决策的动态多智能体框架] | 2025年 |
| [MedAgents：作为零样本医学推理合作者的大语言模型] | 2024年 |
| [RAG增强的协作LLM代理用于药物发现] | 2025年 |
| [GMAI-VL-R1：利用强化学习实现多模态医学推理] | 2025年 |
🌐 自主网络探索与研究代理
基础性代理推理
自我演化的代理式推理
集体多代理推理
| 论文 | 年份 |
|---|---|
| WebPilot：一种多功能且自主的多代理系统，用于带战略探索的网络任务执行 | 2024 |
| WINELL：利用 LLM 代理实现维基百科的永续更新 | 2025 |
| Recon-Act：通过网络侦察、工具生成和任务执行实现自我演化的多代理浏览器使用系统 | 2025 |
| 提议者-代理-评估者（PAE）：面向基础模型互联网代理的自主技能发现 | 2024 |
| Agent-E：从自主网络导航到代理系统中的基础设计原则 | 2024 |
| 计划并行动：改进代理对长周期任务的规划 | 2025 |
| 代理式网络：用 AI 代理编织下一代网络 | 2025 |
| CoLA：协作式低秩适应 | 2025 |
| Mobile-Agent-v2：具有多代理协作有效导航功能的移动设备操作助手 | ACL 2024 |
| Mobile-Agent-E：面向复杂任务的自我演化移动助手 | 2025 |
| Mobile-Agent-V：一种视频引导的方法，用于在移动自动化中轻松高效地注入操作知识 | 2025 |
| MobileExperts：为移动自动化协调具备工具能力的专家 | 2024 |
| 合成数据生成与多步强化学习用于推理和工具使用 | 2025 |
| PC-Agent：面向 PC 上复杂任务自动化的一套分层多代理协作框架 | 2025 |
| AgentRxiv：迈向协作式自主研究 | 2025 |
| 通过多 LLM 框架加速科学研究 | 2025 |
| 大型语言模型是零样本推理者 | NeurIPS 2022 |
| 大型语言模型涌现的自主科学研究能力 | Nature 2023 |
| 迈向由 AI 制造的科学家团队，利用基因表达数据进行科学发现 | 2024 |
📊 基准测试
⚙️ 代理式推理的核心机制
工具使用
单轮工具使用
| 论文 | 年份 |
|---|---|
| ToolQA: 用于大语言模型外部工具问答的数据集 | NeurIPS 2023 |
| Gorilla: 连接海量API的大语言模型 | 2023 |
| ToolLLM: 帮助大语言模型掌握16000+真实世界API | ICLR 2024 |
| MetaTool: 针对专用型大语言模型控制的基准测试 | ICLR 2024 |
| T-Eval: 分步骤评估大语言模型的工具使用能力 | ACL 2024 |
| GTA: 通用工具代理的基准测试 | NeurIPS 2024 |
| 检索模型并不擅长工具使用：针对大语言模型工具检索的基准测试 | 2025 |
多轮工具使用
| 论文 | 年份 |
|---|---|
| ToolAlpaca: 基于3000个模拟案例的语言模型通用工具学习 | 2023 |
| 开源大语言模型的工具操作能力研究 | 2023 |
| API-Bank: 工具增强型大语言模型的综合基准测试 | EMNLP 2023 |
| 规划、创建、使用：面向真实复杂场景下大语言模型全面工具使用的基准测试 | ACL 2024 |
| MTU-Bench: 大语言模型多粒度工具使用基准测试 | ICLR 2025 |
搜索
记忆与规划
长期情景记忆
多会话回忆
计划与反馈
| 论文 | 年份 |
|---|---|
| ALFWorld: 对齐文本与具身环境以实现交互式学习 | ICLR 2021 |
| PlanBench: 用于评估大语言模型计划与变化推理能力的可扩展基准测试 | NeurIPS 2022 |
| ACPBench: 关于行动、变化和计划的推理 | 2024 |
| Text2World: 用于评估大语言模型符号化世界模型生成的基准测试 | ACL 2025 |
| REALM-Bench: 用于评估多智能体系统在现实、动态的计划与调度任务中的基准测试 | 2025 |
| TravelPlanner: 用于语言智能体进行真实世界计划的基准测试 | ICML 2024 |
| FlowBench: 重新审视并基准评估基于LLM的智能体工作流引导式计划 | 2024 |
| UrbanPlanBench: 用于评估大语言模型的城市规划综合基准测试 | 2025 |
多智能体系统
基于游戏的强化学习评估
| 论文 | 年份 |
|---|---|
| MAgent: 用于人工群体智能的多智能体强化学习平台 | AAAI 2018 |
| Pommerman: 一个多智能体游乐场 | 2018 |
| 星际争霸多智能体挑战 | NeurIPS 2019 |
| MineLand: 模拟具有有限多模态感知能力和物理需求的大规模多智能体交互 | 2024 |
| TeamCraft: 在Minecraft中用于多模态多智能体系统的基准测试 | 2024 |
| 用熔炉进行多智能体强化学习的可扩展评估 | ICML 2021 |
| BenchMARL: 多智能体强化学习的基准测试 | 2023 |
| Arena: 一个用于多智能体智能的通用评估平台和构建工具包 | AAAI 2020 |
以仿真为中心的真实世界评估
| 论文 | 年份 |
|---|---|
| SMARTS: 用于自动驾驶的可扩展多智能体强化学习训练营 | CoRL 2020 |
| Nocturne: 一个可扩展的驾驶基准，使多智能体学习更接近现实 | NeurIPS 2022 |
| 用于库存管理的多功能多智能体强化学习基准 | 2023 |
| IMP-MARL: 一套用于基础设施管理规划的多智能体强化学习环境 | NeurIPS 2023 |
| POGEMA: 部分可观测网格环境，适用于多个智能体 | Arxiv 2022 |
| IntersectionZoo: 用于基准测试多智能体情境强化学习的环保驾驶 | NeurIPS 2024 |
| REALM-Bench: 用于评估多智能体系统在现实、动态的计划和调度任务中的基准测试 | 2025 |
语言、交流与社会推理
🎯 智能体推理的应用
具身智能体
| 论文 | 年份 |
|---|---|
| Agent-X: 在以视觉为中心的智能体任务中评估深度多模态推理能力 | 2025 |
| BALROG: 游戏场景下智能体LLM和VLM推理能力的基准测试 | NeurIPS 2024 |
| ALFWorld: 对齐文本与具身环境以实现交互式学习 | ICLR 2021 |
| 理解复杂安卓环境中大型语言模型智能体的弱点 | 2024 |
| MindAgent: 新兴的游戏交互能力 | 2023 |
| 与大型语言模型进行重复博弈 | 2023 |
| OSWorld: 面向真实计算机环境中的开放性任务，多模态智能体的基准测试 | NeurIPS 2024 |
科学发现智能体
| 论文 | 年份 |
|---|---|
| DISCOVERYWORLD: 用于开发和评估自动化科学发现智能体的虚拟环境 | NeurIPS 2024 |
| ScienceWorld: 您的智能体比五年级学生更聪明吗？ | EMNLP 2022 |
| ScienceAgentBench: 推动对数据驱动型科学发现语言智能体的严格评估 | NeurIPS 2024 |
| AI科学家: 完全自动化的开放式科学发现 | 2024 |
| LAB-Bench: 衡量语言模型在生物学研究中的能力 | 2024 |
| MLAgentBench: 评估语言智能体在机器学习实验中的表现 | 2023 |
自主研究智能体
| 论文 | 年份 |
|---|---|
| WorkArena: 网络智能体解决常见办公任务的能力有多强？ | ICML 2024 |
| WorkArena++: 向像员工一样工作的智能体迈进 | 2024 |
| OfficeBench: 针对办公自动化多个应用场景的语言智能体基准测试 | 2024 |
| PlanBench: 一个可扩展的基准测试，用于评估大型语言模型在规划和变化推理方面的能力 | NeurIPS 2022 |
| FlowBench: 重新审视并基准测试基于LLM的智能体在工作流引导下的规划能力 | 2024 |
| ACPBench: 关于行动、变化和规划的推理能力 | 2024 |
| TRAIL: 跟踪推理与智能体问题定位 | 2025 |
| CLIN: 一种持续学习的语言智能体，用于快速任务适应和泛化 | NeurIPS 2023 |
| Agent-as-a-Judge: 用智能体来评估智能体 | 2024 |
| InfoDeepSeek: 基于检索增强生成的智能体信息搜索能力基准测试 | 2025 |
医疗与临床智能体
| 论文 | 年份 |
|---|---|
| AgentClinic: 面向临床环境的多模态智能体基准测试 | NeurIPS 2024 |
| MedAgentBench: 用于评估医疗LLM智能体的虚拟电子病历环境 | NEJM AI 2025 |
| EHRAgent: 代码赋能大型语言模型，实现对电子健康记录的复杂表格推理 | 2024 |
| MedAgents: 大型语言模型作为零样本医学推理的合作者 | 2023 |
| GuardAgent: 通过知识驱动的推理，由守护智能体保护LLM智能体 | 2024 |
网络智能体
| 论文 | 年份 |
|---|---|
| WebShop：面向可扩展的真实世界网络交互的具身语言代理 | NeurIPS 2022 |
| WebArena：用于构建自主智能体的真实网络环境 | ICLR 2024 |
| OSWorld：在真实计算机环境中对多模态智能体进行开放式任务基准测试 | NeurIPS 2024 |
| AppWorld：用于基准测试交互式编程智能体的可控应用与用户世界 | ACL 2024 |
| WorkArena：网络智能体解决常识性工作任务的能力如何？ | 2024 |
| VisualWebArena：在真实的视觉网络任务上评估多模态智能体 | NeurIPS 2024 |
| WebVoyager：使用大型多模态模型构建端到端网络智能体 | ACL 2024 |
| Mind2Web：迈向通用的网络智能体 | NeurIPS 2023 |
| Mind2Web 2：以“智能体即裁判”方式评估代理式搜索 | 2025 |
| WebCanvas：在网络画布中对网络智能体进行基准测试 | NeurIPS 2024 |
| Web-Bench：基于Web标准和框架的大模型代码基准测试 | 2025 |
| VisualWebBench：多模态大模型在网页理解和具身化方面发展到了什么程度？ | 2024 |
| WebLINX：通过多轮对话实现真实网站导航 | CVPR 2024 |
| LASER：具有状态空间探索能力的LLM智能体，用于网络导航 | NeurIPS 2023 |
| AutoWebGLM：自举并强化基于大型语言模型的自动化网络导航智能体 | 2024 |
| OmniACT：为桌面和网络赋能多模态通用自主智能体的数据集与基准测试 | 2024 |
| BEARCUBS：面向使用计算机的网络智能体的基准测试 | 2025 |
| BrowseComp：一个简单但极具挑战性的浏览智能体基准测试 | 2025 |
| BrowseComp-ZH：中文环境下大型语言模型的网页浏览能力基准测试 | 2025 |
| Video-Browser：迈向代理式的开放网络视频浏览 | 2025 |
通用工具使用智能体
| 论文 | 年份 |
|---|---|
| GTA：通用工具智能体基准测试 | NeurIPS 2024 |
| NESTFUL：评估大模型在嵌套API调用序列上的基准测试 | 2024 |
| 执行代码动作能更好地激发大模型智能体 | ICML 2024 |
| RestGPT：将大型语言模型与真实世界的RESTful API连接起来 | 2023 |
| Search-o1：增强代理功能的大规模推理模型 | 2025 |
| 通过强化学习实现大模型的代理式推理与工具集成 | 2025 |
| ActionReasoningBench：有无分支约束下的行动推理基准测试 | 2024 |
| R-Judge：大模型智能体安全关键决策的基准测试 | 2024 |
许可证
本仓库采用 MIT 许可证授权。
星标历史
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
162.1k|★★★☆☆|今天
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
139k|★★☆☆☆|今天
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
107.7k|★★☆☆☆|2天前
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
87.6k|★★☆☆☆|今天
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
85k|★★☆☆☆|今天
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。
77.1k|★★★☆☆|昨天