LLMAgentPapers

Papiers d'agents LLM

DES DOCUS DES AGENTS DES AGENTS MODÈLES DE LA LANGE.

---

"Voici quelques autres listes de documents qui pourraient vous intéresser:

Prompt4ReasoningPapers: raisonnement avec modèle de langue invitant les papiers.

? KnowledgeEdItPapers: Doad Doel Documents sur l'édition de connaissances pour les modèles de grands langues.

Nous vous invitons sincèrement à plonger dans ces collections d'articles et de ressources, chacun offrant un parcours distinct d'exploration et de découverte. ? "

? Nouvelles

• [2024-03] Nous publions un nouvel article: "Knowagent: Planification auprès de la connaissance des agents basés sur LLM".
• [2023-06] Nous créons ce référentiel pour maintenir une liste de papier sur les multi-agents .

Contenu

• Papiers d'agents LLM
  • ? Nouvelles
  • Contenu
  • ? Papiers
    • Aperçu
    • ? Agent
      • Personnalité. ??
      • Mémoire. ??
      • Planification. ? ♟️
      • Utilisation de l'outil. ?‍??
    • ?? Plusieurs agents
      • Communication axée sur les tâches
        • Échanges collaboratifs? ‍? ‍
        • Interactions contradictoires ?? ‍ ??
      • Conversations décontractées / ouvertes
    • ? Application
    • «Framework
    • ? Autres
  • ? Ressources
    • Repères
    • Types d'outils
    • Liste d'outils
  • ? Contribution
    • Contribuant à cette liste de documents
    • Contributeurs

---

? Papiers

Aperçu

1. Traitement interactif du langage naturel

   Zekun Wang, Ge Zhang, Kexin Yang, Ning Shi, Wangchunshu Zhou, Shaochun Hao, Guangzheng Xiong, Yizhi Li, Mong Yuan Sim, Xiuyy Chen, Ke Xu, Dayiheng Liu, Yike Guo, Jie Fu. [ABS], 2023.5

2. Une enquête sur les agents autonomes basés sur un modèle de grande langue

   Lei Wang, Chen MA, Xueyang Feng, Zeyu Zhang, Hao Yang, Jingsen Zhang, Zhiyuan Chen, Jiakai Tang, Xu Chen, Yankai Lin, Wayne Xin Zhao, Zhewei Wei, Ji-rong Wen. [ABS], 2023.8

3. La montée et le potentiel des agents basés sur un modèle de langue grande: une enquête

   Zhiheng Xi, Wenxiang Chen, Xin Guo, Wei He, Yiwen Ding, Boyang Hong, Ming Zhang, Junzhe Wang, Senjie Jin, Enyu Zhou, Rui Zheng, Xiaoran Fan, Xiao Wang, Limao Xiong, Yuhao Zhou, Weiran Wang, Changhao Jiang, Yicheng Zou, Xiangyang Liu, Zhangyue Yin, Shihan Dou, Rongxiang Weng, Wensen Cheng, Qi Zhang, Wenjuan Qin, Yongyan Zheng, Xipeng Qiu, Xuanjing Huang, Tao Gui. [ABS], 2023.9

4. Si LLM est l'assistant, alors le code est la baguette: une enquête sur la façon dont le code permet aux modèles de grande langue de servir d'agents intelligents

   Ke Yang, Jiateng Liu, John Wu, Chaoqi Yang, Yi R. Fung, Sha Li, Zixuan Huang, Xu Cao, Xingyao Wang, Yiquan Wang, Heng Ji, Chengxiang Zhai. [ABS], 2024.1

5. Agent AI: Arpentage des horizons de l'interaction multimodale

   Zane Durante, Qiuyuan Huang, Naoki Wake, Ran Gong, Jae Sung Park, Bidipta Sarkar, Rohan Taori, Yusuke Noda, Demetri Terzopoulos, Yejin Choi, Katsushi Ikuchi, Hoi Vo, Li Fei-Fei, Jianfeng Gao. [ABS], 2024.1

6. Agents LLM personnels: idées et enquête sur la capacité, l'efficacité et la sécurité

   Yuanchun Li, Hao Wen, Weijun Wang, Xiangyu Li, Yizhen Yuan, Guohong Liu, Jiacheng Liu, Wenxing Xu, Xiang Wang, Yi Sun, Rui Kong, Yile Wang, Hanfei Geng, Jian Luan, Fan Zhang, Zilong Ye, Guanjing Mengwei Xu, Zhijun Li, Peng Li, Yang Liu, Ya-Qin Zhang, Yunxin Liu. [ABS], 2024.1

7. Une enquête sur l'intelligence du code neural: paradigmes, avancées et au-delà

   Qiushi Sun, Zhirui Chen, Fangzhi Xu, Kanzhi Cheng, Chang Ma, Zhangyue Yin, Jianing Wang, Chengcheng Han, Renyu Zhu, Shuai Yuan, Qipeng Guo, Xipeng Qiu, Pengcheng Yin, Xiaoli Li, Fei Yuan, Lingpeng Kong, Xiang Li, Zhiyong Wu. [ABS], 2024.3

---

? Agent

Personnalité. ??

1. La théorie de l'esprit peut avoir émergé spontanément dans les modèles de grande langue

   Michal Kosinski. [ABS], 2023.2

2. Toxicité dans le chatppt: analyser des modèles de langage attribués à la personne

   Ameet Deshpande, Vishvak Murahari, Tanmay Rajpurohit, Ashwin Kalyan, Karthik Narasimhan. [ABS], 2023.4

3. Jouer à des jeux répétés avec de grands modèles de langue

   Elif Akata, Lion Schulz, Julian Coda-Forno, Seong Joon Oh, Matthias Bethge, Eric Schulz. [ABS], 2023.5

4. Experte-échange: instruire des modèles de grande langue comme des experts distingués

   Benfeng Xu, An Yang, Junyang Lin, Quan Wang, Chang Zhou, Yongdong Zhang, Zhendong Mao. [ABS], 2023.5

5. Jeu de rôle avec de grands modèles de langue

   Murray Shanahan, Kyle McDonell, Laria Reynolds. [ABS], 2023.5

6. Tidybot: Assistance aux robots personnalisés avec des modèles de grandes langues

   Jimmy Wu, Rika Antonova, Adam Kan, Marion LePert, Andy Zeng, Shuran Song, Jeannette Bohg, Szymon Rusinkiewicz, Thomas Funkhouser. [ABS], 2023.5

7. Traits de personnalité dans les modèles de grande langue

   Mustafa Safdari, Greg Serapio-García, Clément Crepy, Stephen Fitz, Peter Romero, Luning Sun, Marwa Abdulhai, Aleksandra Faust, Maja Matarić. [ABS], 2023.7

8. Les LLM possèdent-elles une personnalité? Faire du test MBTI une évaluation incroyable pour les modèles de grands langues

   Keyu Pan, Yawen Zeng. [ABS], 2023.7

9. Conscience dans l'intelligence artificielle: perspectives de la science de la conscience

   Patrick Butlin, Robert Long, Eric Elmoznino, Yoshua Bengio, Jonathan Birch, Axel Constant, George Deane, Stephen M. Fleming, Chris Frith, Xu Ji, Ryota Kanai, Colin Klein Rufin Vanrullen. [ABS], 2023.8

10. Pris de son contexte: sur la mesure de la conscience de la situation dans les LLM

    Lukas Berglund, Asa Cooper Stickland, Mikita Balesni, Max Kaufmann, Meg Tong, Tomasz Korbak, Daniel Kokotajlo, Owain Evans. [ABS], 2023.9

11. Les agents du modèle de grande langue peuvent-ils simuler les comportements de confiance humaine?

    Chengxing Xie, Canyu Chen, Feiran Jia, Ziyu Ye, Kai Shu, Adel Bibi, Ziniu Hu, Philip Torr, Bernard Ghanem, Guohao Li. [ABS], 2024.02

Mémoire. ??

1. Colt5: Transformers à longue portée plus rapides avec calcul conditionnel

   Joshua Ainslie, Tao Lei, Michiel de Jong, Santiago Ontañón, Siddhartha Brahma, Yury Zemlyanskiy, David Uthus, Mandy Guo, James Lee-Thorp, Yi Tay, Yun-Hsuan Sung, Sumit Sanghai. [ABS], 2023.3

2. Mémorisation émergente et prévisible dans les modèles de grande langue

   Stella Biderman, USVSN Sai Prashanth, Lintang Sutawika, Hailey Schoelkopf, Quentin Anthony, Shivanshu Purohit, Edward Raff. [ABS], 2023.4

3. Lifère la capacité d'entrée de longueur infinie pour les modèles de langage à grande échelle avec un système de mémoire auto-contrôlée

   Xinnian Liang, Bing Wang, Hui Huang, Shuangzhi Wu, Peihao Wu, Lu Lu, Zejun MA, Zhoujun Li. [ABS], 2023.4

4. Chatlog: enregistrer et analyser le chatppt à travers le temps

   Shangqing Tu, Chunyang Li, Jifan Yu, Xiaozhi Wang, Lei Hou, Juanzi Li. [ABS], 2023.4

5. Apprendre à raisonner et à mémoriser avec des notes

   Jack Lanchantin, Shubham Toshniwal, Jason Weston, Arthur Szlam, Sainbayar Sukhbaatar. [ABS], 2023.5

6. Unlimiformer: Transformers à longue portée avec entrée de longueur illimitée

   Amanda Bertsch, Uri Alon, Graham Neubig, Matthew R. Gormley. [ABS], 2023.5

7. Les petits modèles sont des plug-ins précieux pour les modèles de grands langues

   Canwen Xu, Yichong Xu, Shuohang Wang, Yang Liu, Chenguang Zhu, Julian McAuley. [ABS], 2023.5

8. MemoryBank: Amélioration des modèles de grandes langues avec mémoire à long terme

   Wanjun Zhong, Lianghong Guo, Qiqi Gao, il ye, Yanlin Wang. [ABS], 2023.5

9. Toolkengpt: augmenter les modèles de langage gelé avec des outils massifs via des incorporations d'outils

   Shibo Hao, Tianyang Liu, Zhen Wang, Zhiting Hu. [ABS], 2023.5

10. RecurrentGpt: Génération interactive de texte long (arbitrairement)

    Wangchunshu Zhou, Yuchen Eleanor Jiang, Peng Cui, Tiannan Wang, Zhenxin Xiao, Yifan Hou, Ryan Cotterell, Mrinmaya Sachan. [ABS], 2023.5

11. RET-LLM: Vers une mémoire générale en lecture pour les modèles de grandes langues

    Ali Modarressi, Ayyoob Imani, Mohsen Fayyaz, Hinrich Schütze. [ABS], 2023.5

12. Adapter les modèles de langage aux contextes de compression

    Alexis Chevalier, Alexander Wettig, Anirudh Ajith, Danqi Chen. [ABS], 2023.5

13. Revisiter les fenêtres de contexte parallèle: une alternative frustrante et frustrante et une détérioration de la chaîne de pensées

    Kejuan Yang, Xiao Liu, Kaiwen Men, Aohan Zeng, Yuxiao Dong, Jie Tang. [ABS], 2023.5

14. Attention historique: longueur de contexte infini à accès aléatoire pour les transformateurs

    Amirkeivan Mohtashami, Martin Jaggi. [ABS], 2023.5

15. Les codages positionnels randomisés augmentent la longueur de longueur des transformateurs

    Anian Ruoss, Grégoire Delétang, Tim Genewein, Jordi Grau-Moya, Róbert Csordás, Mehdi Bennani, Shane Legg, Joel Vense. [ABS], 2023.5

16. Attention de l'emplacement monotone pour la généralisation de la longueur

    Jishnu Ray Chowdhury, Cornelia Caragea. [ABS], 2023.5

17. Chatdb: augmenter les LLM avec des bases de données comme mémoire symbolique

    Chenxu Hu, Jie Fu, Chenzhuang DU, Simian Luo, Junbo Zhao, Hang Zhao. [ABS], 2023.6

18. Architectures cognitives pour les agents linguistiques

    Theodore Sumers, Shunyu Yao, Karthik Narasimhan, Thomas L. Griffiths [ABS], 2023.9

19. Jarvis-1: Agents multi-tâches en monde ouvert avec des modèles de langage multimodal à mémoire de mémoire

    Zihao Wang, Shaofei Cai, Anji Liu, Yonggang Jin, Jinbing Hou, Bowei Zhang, Haowei Lin, Zhaofeng He, Zilong Zheng, Yaodong Yang, Xiaojian MA, Yitao Liang . [ABS], 2023.11

20. Une enquête sur le mécanisme de mémoire des agents basés sur un modèle de grande langue

    Zeyu Zhang, Xiaohe Bo, Chen MA, Rui Li, Xu Chen, Quanyu Dai, Jieming Zhu, Zhenhua Dong, Ji-Rong Wen . [ABS], 2024.4

21. HIPPORAG: Mémoire à long terme inspirée de neurobiologique pour les modèles de grande langue

    Bernal Jiménez Guérrez, Yiheng Shu, Yu Gu, Michihiro Yasunaga, Yu Su. [ABS], 2024.5

22. Buffer des pensées: raisonnement à la pensée avec des modèles de langue importants

    Ling Yang, Zhaochen Yu, Tianjun Zhang, Shiyi Cao, Minkai Xu, Wentao Zhang, Joseph E. Gonzalez, Bin Cui. [ABS], 2024,6

Planification. ? ♟️

1. Modèles linguistiques en tant que planificateurs de tirs zéro: extraire des connaissances exploitables pour les agents incarnés

   Wenlong Huang, Pieter Abbeel, Deepak Pathak, Igor Mordatch . [ABS], 2022.1

2. Monologue intérieur: raisonnement incarné par la planification avec des modèles de langue

   Wenlong Huang, Fei Xia, Ted Xiao, Harris Chan, Jacky Liang, Pete Florence, Andy Zeng, Jonathan Tompson, Igor Mordatch, Yevgen Chebotar, Pierre Sermanet, Noah Brown, Tomas Jackson, Linda Luu, Sergey Levine, Karol Hausman, Brian Ichter . [ABS], 2022.7

3. React: Synergie Raisonnement et Agissant dans les modèles de langues

   Shunyu Yao, Jeffrey Zhao, Dian Yu, Nan Du, Izhak Shafran, Karthik Narasimhan, Yuan Cao. [ABS], 2022.10

4. Mind's Eye: Modèle de langue fondé sur le raisonnement par simulation

   Ruibo Liu, Jason Wei, Shixiang Shane Gu, Te-Yen Wu, Soroush Vosoughi, Claire Cui, Denny Zhou, Andrew M. Dai. [ABS], 2022.10

5. LLM-Planner: Planification fondée sur quelques tirs pour les agents incarnés avec des modèles de langues importants

   Chan Hee Song, Jiman Wu, Clayton Washington, Brian M. Sadler, Wei-Lun Chao, Yu Su . [ABS], 2022.12

6. Ne générez pas, discriminez: une proposition de mise à la terre des modèles de langage dans des environnements réels

   Yu Gu, Xiang Deng, Yu Su. [ABS], 2022.12

7. Les agents incarnés rêvent-ils de moutons pixéliens ?: Prise de décision incarnée en utilisant la modélisation mondiale guidée par le langage

   Kolby Nottingham, Prithviraj Ammanabrolu, Alane Suhr, Yejin Choi, Hannaneh Hajishirzi, Sameer Singh, Roy Fox . [ABS], 2023.1

8. Décrire, expliquer, planifier et sélectionner: la planification interactive avec de grands modèles de langue permet aux agents multi-tâches en monde ouvert

   Zihao Wang, Shaofei Cai, Anji Liu, Xiaojian MA, Yitao Liang . [ABS], 2023.2

9. Palm-E: un modèle de langue multimodale incarnée

   Danny Driess, Fei Xia, Mehdi Sm Sajjadi, Corey Lynch, Aakanksha Chowdhery, Brian Ichter, Ayzaan Wahid, Jonathan Tompson, Quan Vuong, Tianhe Yu, Wenlong Huang, Yevgen Chebotar, Pierre Sermanet, Daniel Duckworth, SERGEY LEGEY LEGEY LEGEY, VINCET VANCE Karol Hausman, Marc Toussaint, Klaus Greff, Andy Zeng, Igor Mordatch, Pete Florence. [ABS], 2023.3

10. Réflexion: agents linguistiques avec apprentissage du renforcement verbal

    Noah Shinn, Federico Cassano, Beck Labash, Ashwin Gopinath, Karthik Narasimhan, Shunyu Yao. [ABS], 2023.3

11. Discuter avec l'environnement: perception multimodale interactive à l'aide de grands modèles de langue

    Xufeng Zhao, Mengdi Li, Cornelius Weber, Muhammad Burhan Hafez, Stefan Wermter . [ABS], 2023.3

12. PLAN4MC: Apprentissage et planification du renforcement des compétences pour les tâches Minecraft en monde ouvert

    Haoqi Yuan, Chi Zhang, Hongcheng Wang, Feiyang Xie, Penglin Cai, Hao Dong, Zongqing Lu. [ABS], 2023.3

13. Auto-rafraîchissement: raffinement itératif avec l'auto-alimentation

    Aman Madaan, Niket Tandon, Prakhar Gupta, Skyler Hallinan, Luyu Gao, Sarah Wiegreffe, Uri Alon, Nouha Dziri, Shrimai Prabhumoye, Yiming Yang, Shashank Gupta, Bodhisattwa Prasad Majumder, Katherine Hermann, San Welleck, AMIR YAZDANBER, PERTER Clark. [ABS], 2023.3

14. Enseigner de grands modèles de langue à l'auto-lebug

    Xinyun Chen, Maxwell Lin, Nathanael Schärli, Denny Zhou. [ABS], 2023.4

15. Wizardlm: autonomiser les modèles de grande langue pour suivre les instructions complexes

    Can Xu, Qingfeng Sun, Kai Zheng, Xiubo Geng, Pu Zhao, Jiazhan Feng, Chongyang Tao, Daxin Jiang. [ABS], 2023.4

16. FRUGALGPT: Comment utiliser de grands modèles de langage tout en réduisant les coûts et en améliorant les performances

    Lingjiao Chen, Matei Zaharia, James Zou. [ABS], 2023.5

17. Arbre de pensées: résolution de problèmes délibérée avec de grands modèles de langue

    Shunyu Yao, Dian Yu, Jeffrey Zhao, Izhak Shafran, Thomas L. Griffiths, Yuan Cao, Karthik Narasimhan. [ABS], 2023.5

18. Planifier, éliminer et suivre - les modèles de langue sont de bons enseignants pour les agents incarnés

    Yue Wu, So Yeon Min, Yonatan Bisk, Ruslan Salakhutdinov, Amos Azaria, Yuanzhi Li, Tom Mitchell, Shrimai Prabhumoye . [ABS], 2023.5

19. Agents améliorés des connaissances pour les jeux de texte interactifs

    Prateek Chhikara, Jiarui Zhang, Filip Ilievski, Jonathan Francis, Kaixin MA. [ABS], 2023.5

20. Voyager: un agent incarné à extrémité ouverte avec de grands modèles de langue

    Guanzhi Wang, Yuqi Xie, Yunfan Jiang, Ajay Mandlekar, Chaowei Xiao, Yuke Zhu, fan de Linxi, Anima Anandkumar . [ABS], 2023.5

21. Swiftsage: un agent génératif avec une réflexion rapide et lente pour des tâches interactives complexes

    Bill Yuchen Lin, Yicheng Fu, Karina Yang, Prithviraj Ammanabrolu, Faeze Brahman, Shiyu Huang, Chandra Bhagavatula, Yejin Choi, Xiang Ren. [ABS], 2023.5

22. Les modèles linguistiques rencontrent les modèles mondiaux: les expériences incarnées améliorent les modèles de langue

    Jiannan Xiang, Tianhua Tao, Yi Gu, Tianmin Shu, Zirui Wang, Zichao Yang, Zhiting Hu. [ABS], 2023.5

23. Ghost in the Minecraft: des agents généralement capables pour les environnements en monde ouvert via des modèles de gros langues avec des connaissances et une mémoire basées sur le texte

    Xizhou Zhu, Yuntao Chen, Hao Tian, ​​Chenxin Tao, Weijie Su, Chenyu Yang, Gao Huang, Bin Li, Lewei Lu, Xiaogang Wang, Yu Qiao, Zhaoxiang Zhang, Jifeng Dai. [ABS], 2023.5

24. Adaplanner: planification adaptative à partir de commentaires avec les modèles de langue

    Haotian Sun, Yuchen Zhuang, Lingkai Kong, Bo Dai, Chao Zhang. [ABS], 2023.5

25. Le raisonnement avec le modèle de langue est la planification avec le modèle mondial

    Shibo Hao, Yi Gu, Haodi MA, Joshua Jiahua Hong, Zhen Wang, Daisy Zhe Wang, Zhiting Hu. [ABS], 2023.5

26. Plan-et-résolution Invitation: Amélioration du raisonnement de chaîne de pensée zéro par des modèles de grande langue

    Lei Wang, Wanyu Xu, Yihuai Lan, Zhiqiang Hu, Yunshi Lan, Roy Ka-Wei Lee, Ee-Peng Lim. [ABS], 2023.5

27. Activer des interactions intelligentes entre un agent et un LLM: une approche d'apprentissage du renforcement

    Bin Hu, Chenyang Zhao, Pu Zhang, Zihao Zhou, Yuanhang Yang, Zenglin Xu, Bin Liu. [ABS], 2023.6

28. Recagent: un nouveau paradigme de simulation pour les systèmes de recommandation

    Lei Wang, Jingsen Zhang, Xu Chen, Yankai Lin, Ruihua Song, Wayne Xin Zhao, Ji-Rong Wen. [ABS], 2023.6

29. Vers un agent unifié avec des modèles de fondation.

    Norman di Palo, Arunkumar Byravan, Leonard Hasenclever, Markus Wulfmeier, Nicolas Heess, Martin Riedmiller. [ABS], 2023.7

30. Pangu-coder2: boosting de grands modèles de langage pour le code avec des commentaires de classement

    Bo Shen, Jiaxin Zhang, Taihong Chen, Daoguang Zan, Bing Geng, An Fu, Muhan Zeng, Ailun Yu, Jichuan Ji, Jingyang Zhao, Yuenan Guo, Qianxiang Wang. [ABS], 2023.7

31. Un webagent réel avec la planification, la compréhension du contexte long et la synthèse du programme

    Izzeddin Gur, Hiroki Furuta, Austin Huang, Mustafa Safdari, Yutaka Matsuo, Douglas Eck, Aleksandra Faust. [ABS], 2023.7

32. Rétro-ou: Agents rétrospectifs de grande langue avec optimisation du gradient politique

    Weiran Yao, Shelby Heinecke, Juan Carlos Niebles, Zhiwei Liu, Yihao Feng, Le Xue, Rithesh Murthy, Zeyuan Chen, Jianguo Zhang, Devansh Arpit, Ran Xu, Phil Mui, Huan Wang, Caiming Xiong, Silvio Savarese. [ABS], 2023.8

33. SelfCheck: Utilisation de LLMS pour zéro shot Vérifiez leur propre raisonnement étape par étape

    Ning Miao, Yee Whye TEH, Tom Rainforth. [ABS], 2023.8

34. Expulde: les agents LLM sont des apprenants expérientiels

    Andrew Zhao, Daniel Huang, Quentin Xu, Matthieu Lin, Yong-Jin Liu, Gao Huang. [ABS], 2023.8

35. Défense autonome: Agents de modèle de grande langue avec apprentissage des compétences alignées par le langage automatique

    Shaohii Peng, Xing Hu, Qi Yi, Rui Zhang, Jiaming Guo, Di Huang, Zikang Tian, ​​Ruizhi Chen, Zidong Du, Qi Guo, Yunji Chen, Ling Li. [ABS], 2023.9

36. Jarvis-1: Agents multi-tâches en monde ouvert avec des modèles de langage multimodal à mémoire de mémoire

    Zihao Wang, Shaofei Cai, Anji Liu, Yonggang Jin, Jinbing Hou, Bowei Zhang, Haowei Lin, Zhaofeng He, Zilong Zheng, Yaodong Yang, Xiaojian MA, Yitao Liang . [ABS], 2023.11

37. Leo: un agent généraliste incarné dans le monde 3D

    Jiangyong Huang, Silong Yong, Xiaojian MA, Xiongkun Linghu , Puhao Li, Yan Wang, Qing Li, Song-Chun Zhu, Baoxiong Jia, Siyuan Huang * [ABS], 2023.11

38. Chaîne de code: Raisonnement avec un émulateur de code augmenté modèle de modèle

    Chengshu Li, Jacky Liang, Andy Zeng, Xinyun Chen, Karol Hausman, Dorsa Sadigh, Sergey Levine, Li Fei-Fei, Fei Xia, Brian Ichter. [ABS], 2023.12

39. REST rencontre React: Auto-amélioration pour le raisonnement en plusieurs étapes LLM Agent

    Renat Aksitov, Sobhan Miryoosefi, Zonglin Li, Daliang Li, Sheila Babayan, Kavya Kopparapu, Zachary Fisher, Ruiqi Guo, Sushant Prakash, Pranesh Srinivasan, Manzil Zaheer, Felix Yu, Sanjiv Kumar. [ABS], 2023.12

40. Contraste de soi: meilleure réflexion à travers des perspectives de résolution incohérentes

    Wenqi Zhang, Yongliang Shen, Linjuan Wu, Qiuying Peng, Jun Wang, Yueting Zhuang, Weiming Lu. [ABS], 2024.01

41. Autoacte: agent automatique apprenant de zéro via l'auto-planification

    Shuofei Qiao, Ningyu Zhang, Runnan Fang, Yujie Luo, Wangchunshu Zhou, Yuchen Eleanor Jiang, Chengfei LV, Huajun Chen. [ABS], 2024.01

42. TravelPlanner: une référence pour la planification du monde réel avec des agents linguistiques

    Jian Xie, Kai Zhang, Jiangjie Chen, Tinghui Zhu, Renze Lou, Yuandong Tian, ​​Yanghua Xiao, Yu Su. [ABS], 2024.02

43. Agent-Pro: apprendre à évoluer via la réflexion et l'optimisation au niveau de la politique

    Wenqi Zhang, Ke Tang, Hai Wu, Menngna Wang, Yongliang Shen, Guiyang Hou, Zeqi Tan, Peng Li, Yueting Zhuang, Weiming Lu. [ABS], 2024.02

44. Knowagent: Planification auprès de la connaissance des agents basés sur LLM

    Yuqi Zhu, Shuofei Qiao, Yixin OU, Shumin Deng, Ningyu Zhang, Shiwei Lyu, Yue Shen, Lei Liang, Jinjie Gu, Huajun Chen. [ABS], 2024.03

45. Sotopia-π: apprentissage interactif des agents de langue socialement intelligents

    Ruiyi Wang, Haofei Yu, Wenxin Zhang, Zhengyang Qi, Maarten Sap, Graham Neubig, Yonatan Bisk, Hao Zhu. [ABS], 2024.03

46. AutoGUIDE: Génération automatisée et sélection des directives conscientes de l'État pour les agents de modèle de grande langue

    Yao Fu, Dong-Ki Kim, Jaekyeom Kim, SunGryull Sohn, Lajanugen Logeswaran, Kyunghoon Bae, Honglak Lee. [ABS], 2024.03

47. Autonomiser les agents de modèle de grande langue par l'apprentissage de l'action

    Haiteng Zhao, Chang MA, Guoyin Wang, Jing Su, Lingpeng Kong, Jingjing Xu, Zhi-Hong Deng, Hongxia Yang. [ABS], 2024.02

48. DIVE'S AVCOTY: Réflexion anticipée pour les agents LLM

    Haoyu Wang, Tao Li, Zhiwei Deng, Dan Roth, Yang Li. [ABS], 2024.05

49. Planification des agents avec le modèle mondial des connaissances

    Shuofei Qiao, Runnan Fang, Ningyu Zhang, Yuqi Zhu, Xiang Chen, Shumin Deng, Yong Jiang, Pengjun Xie, Fei Huang, Huajun Chen. [ABS], 2024.05

50. Intelligent Go-Explore: se tenir sur les épaules des modèles de fondation géants

    Cong Lu, Shengran Hu, Jeff Clune. [ABS], 2024.05

51. Raisonnement logique fidèle via une chaîne de pensée symbolique

    Jundong Xu, Hao Fei, Liangming Pan, Qian Liu, Mong-Li Lee, Wynne Hsu. [ABS], 2024.05

52. Alice au pays des merveilles: des tâches simples montrant une rupture complète du raisonnement dans les modèles de langue de pointe

    Marianna Nezhurina, Lucia Cipolina-Kun, Mehdi Cherti, Jenia Jitsev. [ABS], 2024.06

53. Textradgrade: «différenciation» automatique via le texte

    Mert Yuksekgonul, Federico Bianchi, Joseph Boen, Sheng Liu, Zhi Huang, Carlos Guestrin, James Zou. [ABS], 2024.06

54. L'apprentissage symbolique permet aux agents autonomes

    Wangchunshu Zhou, Yixin OU, Shengwei Ding, Long Li, Jialong Wu, Tiannan Wang, Jiamin Chen, Shuai Wang, Xiaohua Xu, Ningyu Zhang, Huajun Chen, Yuchen Eleanor Jiang. [ABS], 2024.06

55. OS-Copilot: vers des agents informatiques généralistes avec auto-amélioration

    Zhiyong Wu, Chengcheng Han, Zichen Ding, Zhenmin Weng, Zhoumianze Liu, Shunyu Yao, Tao Yu, Lingpeng Kong. [ABS], 2024.02

56. Seeclick: exploitation de la mise à la terre de l'interface graphique pour les agents de GUI visuels avancés

    Kanzhi Cheng, Qiushi Sun, Yougang Chu, Fangzhi Xu, Yantao Li, Jianbing Zhang, Zhiyong Wu. [ABS], 2024.01

Utilisation de l'outil. ?‍??

1. Webgpt: réponses aux questions assistées par le navigateur avec commentaires humains

   Reiichiro Nakano, Jacob Hilton, Suchir Balaji, Jeff Wu, Long Ouyang, Christina Kim, Christopher Hesse, Shantanu Jain, Vineet Kosaraju, William Saunders, Xu Jiang, Karl Cobbe, Tyna Eloundou, Gretchen Krueger, Kevin Button, Matthew Knight, Benjamin CHESS. [ABS], 2021.12

2. ToolFormer: les modèles de langue peuvent s'apprendre à utiliser des outils

   Timo Schick, Jane Dwivedi-yu, Roberto Dessì, Roberta Raileanu, Maria Lomeli, Luke Zettlemoyer, Nicola Cancedda, Thomas Scialom. [ABS], 2023.2

3. MM-REACT: Inciter le chatppt pour le raisonnement et l'action multimodal

   Zhengyuan Yang, Linjie Li, Jianfeng Wang, Kevin Lin, Ehsan Azarnasab, Faisal Ahmed, Zicheng Liu, CE Liu, Michael Zeng, Lijuan Wang. [ABS], 2023.3

4. Hugginggpt: résoudre des tâches AI avec Chatgpt et ses amis dans un visage étreint

   Yongliang Shen, Kaitao Song, Xu Tan, Dongsheng Li, Weiming Lu, Yueting Zhuang. [ABS], 2023.3

5. Visual Chatgpt: parler, dessiner et éditer avec des modèles de fondation visuelle

   Chenfei Wu, Shengming Yin, Weizhen Qi, Xiaodong Wang, Zecheng Tang, Nan Duan. [ABS], 2023.3

6. Art: raisonnement automatique en plusieurs étapes et utilisation d'outils pour les modèles de grande langue

   Bhargavi Paranjape, Scott Lundberg, Sameer Singh, Hannaneh Hajishirzi, Luke Zettlemoyer, Marco Tulio Ribeiro. [ABS], 2023.3

7. TaskMatrix.ai: terminer les tâches en connectant les modèles de fondation avec des millions d'API

   Yaobo Liang, Chenfei Wu, Ting Song, Wenshan Wu, Yan Xia, Yu Liu, Yang Ou, Shuai Lu, Lei Ji, Shaoguang Mao, Yun Wang, Linjun Shou, Ming Gong, Nan Duan. [ABS], 2023.3

8. Chameleon: raisonnement de composition plug-and-play avec de grands modèles de langue

   Pan Lu, Baolin Peng, Hao Cheng, Michel Galley, Kai-Wei Chang, Ying Nian Wu, Song-Chun Zhu, Jianfeng Gao. [ABS], 2023.4

9. ChemCrow: Augmenter les modèles de grande langue avec des outils de chimie

   Andres M Bran, Sam Cox, Andrew D White, Philippe Schwaller. [ABS], 2023.4

10. TALM: Modèles de langue augmentée de l'outil

    Aaron Parisi, Yao Zhao, Noah Fiedel. [ABS], 2022.5

11. Critique: les modèles de grandes langues peuvent s'auto-corriger avec une critique interactive à l'outil

    Zhibin Gou, Zhihong Shao, Yeyun Gong, Yelong Shen, Yujiu Yang, Minlie Huang, Nan Duan, Weizhu Chen. [ABS] [Code], 2023.5

12. Faire de modèles de langage de meilleurs outils des apprenants d'outils avec une rétroaction d'exécution

    Shuofei Qiao, Honghao Gui, Huajun Chen, Ningyu Zhang. [ABS], 2023.5

13. Chatcot: raisonnement de chaîne de pensée à l'outil sur les modèles de grande langue basés sur le chat

    Zhiceng Chen, Kun Zhou, Beichen Zhang, Zheng Gong, Wayne Xin Zhao, Ji-Rong Wen. [ABS], 2023.5

14. Gorille: modèle de grande langue lié à des API massives

    Shishir G. Patil, Tianjun Zhang, Xin Wang, Joseph E. Gonzalez. [ABS], 2023.5

15. TOOLLLM: faciliter les modèles de grande langue pour maîtriser plus de 16000 API du monde réel

    Yujia Qin, Shihao Liang, Yining Ye, Kunlun Zhu, Lan Yan, Yaxi Lu, Yankai Lin, Xin Cong, Xiangru Tang, Bill Qian, Sihan Zhao, Runchu Tian, ​​Ruobing Xie, Jie Zhou, Mark Gerstein, Dahai Li, Zhiyuan liu, Maosong Sun. [ABS], 2023.7

16. Équipement: augmentation des modèles de langue avec résolution d'outils généralisables et efficace

    Yining Lu, Haoping Yu, Daniel Khashabi. [ABS], 2023.7

17. Gentopia: une plate-forme collaborative pour les LLMS à outils

    Binfeng Xu, Xukun Liu, Hua Shen, Zeyu Han, Yuhan Li, Murong Yue, Zhiyuan Peng, Yuchen Liu, Ziyu Yao, Dongkuan Xu. [ABS], 2023.8

18. Identification des risques des agents LM avec un bac à sable émulé LM

    Yangjun Ruan, Honghua Dong, Andrew Wang, Silviu Pitis, Yongchao Zhou, Jimmy BA, Yann Dubois, Chris J. Maddison, Tatsunori Hashimoto. [ABS], 2023.9

19. Tirer parti des modèles de grands langues pré-formés pour construire et utiliser des modèles mondiaux pour la planification des tâches basée sur des modèles

    Lin Guan, Karthik Valmeekam, Sarath Sreedharan, Subbarao Kambhampati [ABS], 2023.5

20. Data-Copilot: Bridging des milliards de données et humains avec un flux de travail autonome

    Wenqi Zhang, Yongliang Shen, Weiming Lu, Yueting Zhuang [ABS], 2023.6

21. CLOVA: un assistant visuel en boucle fermée avec utilisation et mise à jour de l'outil

    Zhi Gao, Yuntao DU, Xintong Zhang, Xiaojian MA, Wenjuan Han, Song-chun Zhu, Qing Li [ABS], 2023.12

22. Gitagent: faciliter l'agent autonome avec github par extension de l'outil

    Bohan Lyu, Xin Cong, Heyang Yu, Pan Yang, Yujia Qin, Yining Ye, Yaxi Lu, Zhong Zhang, Yukun Yan, Yankai Lin, Zhiyuan Liu, Maosong Sun. [ABS], 2023.12

23. EasyTool: Amélioration des agents basés sur LLM avec instruction concise d'outils

    Siyu Yuan, Kaitao Song, Jiangjie Chen, Xu Tan, Yongliang Shen, Kan Ren, Dongsheng Li, Deqing Yang. [ABS], 2024.1

24. Symbole-llm: Vers l'interface fondamentale centrée sur le symbole pour les modèles de grande langue

    Fangzhi Xu, Zhiyong Wu, Qiushi Sun, Siyu Ren, Fei Yuan, Shuai Yuan, Qika Lin, Yu Qiao, Jun Liu. [ABS], 2023.11

25. Agent Tulip - Agmenter les agents basés sur LLM pour résoudre les tâches à l'aide de grandes bibliothèques d'outils

    Felix Ocker, Daniel Tanneberg, Julian Eggert, Michael Gienger. [ABS], 2024.07

26. OneGen: Génération et récupération unifiées à un-passage efficace pour les LLM

    Jintian Zhang, Cheng Peng, Mengshu Sun, Xiang Chen, Lei Liang, Zhiqiang Zhang, Jun Zhou, Huajun Chen, Ningyu Zhang. [ABS], 2024.09

?? Plusieurs agents

Communication axée sur les tâches

Échanges collaboratifs? ‍? ‍

1. Cascades du modèle de langue

   David Dohan, Winnie Xu, Aitor Lewkowycz, Jacob Austin, David Bieber, Raphael Gontijo Lopes, Yuhuai Wu, Henryk Michalewski, Rif A. Saurous, Jascha Sohl-Dickstein, Kevin Murphy, Charles Sutton. [ABS], 2022.7

2. Collaboration avec des modèles de langue pour le raisonnement incarné

   Ishita Dasgupta, Christine Kaeser-Chen, Kenneth Marino, Arun Ahuja, Sheila Babayan, Felix Hill, Rob Fergus. [ABS], 2023.2

3. Camel: Agents communicatifs pour l'exploration de «l'esprit» de la société du modèle de langue à grande échelle

   Guohao Li, Hasan Abed Al Kader Hammoud, Hani Itani, Dmitrii Khizbullin, Bernard Ghanem. [ABS], 2023.3

4. Chat multipartite: agents conversationnels dans des contextes de groupe avec des humains et des modèles

   Jimmy Wei, Kurt Shuster, Arthur Szlam, Jason Weston, Jack Urbanek, Mojtaba Komeili. [ABS], 2023.4

5. Chatllm Network: plus de cerveaux, plus d'intelligence

   Rui Hao, Linmei Hu, Weijian Qi, Qingliu Wu, Yirui Zhang, Liqiang Nie. [ABS], 2023.4

6. Génération de code d'auto-collaboration via le chatppt

   Yihong Dong, Xue Jiang, Zhi Jin, Ge Li. [ABS], 2023.4

7. Capacités de recherche scientifique autonomes émergents des modèles de grande langue

   Daniil A. Boiko, Robert Macknight, Gabe Gomes. [ABS], 2023.4

8. ChatGPT / GPT-4 pour la construction de graphiques de connaissances et le raisonnement: capacités récentes et opportunités futures

   Yuqi Zhu, Xiaohan Wang, Jing Chen, Shuofei Qiao, Yixin OU, Yunzhi Yao, Shumin Deng, Huajun Chen, Ningyu Zhang. [ABS], 2023.5

9. Modèles de grande langue en tant que fabricants d'outils

   Tianle Cai, Xuezhi Wang, Tengyu MA, Xinyun Chen, Denny Zhou . [ABS], 2023.5

10. Déduire les objectifs de communication des agents des actions et des instructions

    Lance Ying, Tan Zhi-Xuan, Vikash Mansinghka, Joshua B. Tenenbaum. [ABS], 2023.6

11. IA générative multi-agent sans fil: de l'intelligence connectée à l'intelligence collective

    Hang Zou, Qiyang Zhao, Lina Bariah, Mehdi Bennis, Merouane Debbah. [ABS], 2023.7

12. ROCO: Collaboration dialectique multi-robot avec des modèles de grands langues

    Zhao Mandi, Shreeya Jain, Shuran Song. [ABS], 2023.7

13. Lifter la synergie cognitive dans les modèles de grande langue: un agent de résolution de tâches par le biais de l'auto-collaboration multi-personnes

    Zhenhailong Wang, Shaoguang Mao, Wenshan Wu, Tao GE, Furu Wei, Heng Ji. [ABS], 2023.7

14. Agents communicatifs pour le développement de logiciels

    Chen Qian, Xin Cong, Cheng Yang, Weize Chen, Yusheng Su, Juyuan Xu, Zhiyuan Liu, Maosong Sun. [ABS], 2023.7

15. À l'infini et au-delà: agents show-1 et showrunner dans des simulations multi-agents

    Philipp Maas, Frank Carey, Chris Wheeler, Edward Saatchi, Pete Billington, Jessica Yaffa Shamash. [ABS], 2023.7

16. Metagpt: Meta Programming for Multi-Agent Collaborative Framework

    Sirui Hong, Xiawu Zheng, Jonathan Chen, Yuheng Cheng, Ceyao Zhang, Zili Wang, Steven Ka Shing Yau, Zijuan Lin, Liyang Zhou, Chenyu Ran, Lingfeng Xiao, Chenglin Wu. [ABS], 2023.8

17. Améliorer la négociation du modèle de langue avec l'apprentissage de l'auto-play et du contexte à partir de la rétroaction de l'IA

    Yao Fu, Hao Peng, Tushar Khot, Mirella Lapata. [ABS], 2023.5

18. Collaboration multi-agents: exploiter le pouvoir des agents de LLM intelligents

    Yashar Talebirad, Amirhossein Nadiri. [ABS], 2023.6

19. RESTGPT: Connexion de grands modèles de langue avec des applications réelles via des API RESTFul

    Yifan Song, Weimin Xiong, Dawei Zhu, Cheng Li, Ke Wang, Ye Tian, ​​Sujian Li . [ABS], 2023.6

20. Construire des agents incarnés coopératifs modulaire avec des modèles de langue importants

    Hongxin Zhang, Weihua Du, Jiaming Shan, Qinhong Zhou, Yilun Du, Joshua B. Tenenbaum, Tianmin Shu, Chuang Gan. [ABS], 2023.7

21. Interact: Explorer les potentiels de Chatgpt en tant qu'agent coopératif

    Po-lin Chen, Cheng-Shang Chang. [ABS], 2023.8

22. Autogen: activer les applications LLM de nouvelle génération via le cadre de conversation multi-agents

    Qingyun Wu, Gagan Bansal, Jieyu Zhang, Yiran Wu, Shaokun Zhang, Erkang Zhu, Beibin Li, Li Jiang, Xiaoyun Zhang, Chi Wang. [ABS], 2023.8

23. Exploration de l'intersection de modèles de grande langue et de modélisation basée sur des agents via l'ingénierie rapide

    Edward Junprung. [ABS], 2023.8

24. Inférence amorti neurale pour le raisonnement multi-agent imbriqué

    Kunal Jha, Tuan Anh Le, Chuanyang Jin, Yen-ling Kuo, Joshua B. Tenenbaum, Tianmin Shu. [ABS], 2023.8

25. GPT-in-the-Bop: prise de décision adaptative pour les systèmes multi-agents

    Nathalia Nascimento, Paulo Alencar, Donald Cowan. [ABS], 2023.8

26. Proagent: construire une IA coopérative proactive avec des modèles de grande langue

    Ceyao Zhang, Kaijie Yang, Siyi Hu, Zihao Wang, Guanghe Li, Yihang Sun, Cheng Zhang, Zhaowei Zhang, Anji Liu, Song-Chun Zhu, Xiaojun Chang, Junge Zhang, Feng Yin, Yitao Liang, Yaodong Yang. [ABS], 2023.8

27. Mindagent: interaction de jeu émergente

    Ran Gong, Qiuyuan Huang, Xiaojian MA, Hoi Vo, Zane Durante Yusuke Noda, Zilong Zheng, Song-chun Zhu Demetri Terzopoulos, Li Fei-Fei, Jianfeng Gao. [ABS], 2023.9

28. Explorer les mécanismes de collaboration pour les agents LLM: une vue de psychologie sociale

    Jintian Zhang, Xin Xu, Shumin Deng. [ABS], 2023.10

29. LUMOS: Agents d'apprentissage avec des données unifiées, une conception modulaire et des LLM open source

    Da Yin, Faeze Brahman, Abhilasha Ravichander, Khyathi Chandu, Kai-Wei Chang, Yejin Choi, Bill Yuchen Lin. [ABS], 2023.11

30. Autoacte: agent automatique apprenant de zéro via l'auto-planification

    Shuofei Qiao, Ningyu Zhang, Runnan Fang, Yujie Luo, Wangchunshu Zhou, Yuchen Eleanor Jiang, Chengfei LV, Huajun Chen. [ABS], 2024.01

31. Corex: repousser les limites du raisonnement complexe grâce à la collaboration multi-modélis

    Qiushi Sun, Zhangyue Yin, Xiang Li, Zhiyong Wu, Xipeng Qiu, Lingpeng Kong. [ABS], 2023.10

32. Comm: Collaborative Multi-Agent, Multi-Reasoning Path Invition pour la résolution de problèmes complexes

    Pei Chen, Boran Han, Shuai Zhang. [ABS], 2024.4

33. Dans les inconnues inconnues: l'apprentissage humain engagé par la participation à des conversations d'agent du modèle de langue

    Yucheng Jiang, Yijia Shao, Dekun MA, Sina J. Semnani, Monica S. Lam. [ABS], 2024.8

Interactions contradictoires ?? ‍ ??

1. Encourager la pensée divergente dans les modèles de grande langue à travers un débat multi-agents

   Tian Liang, Zhiwei He, Wenxiang Jiao, Xing Wang, Yan Wang, Rui Wang, Yujiu Yang, Zhaopeng Tu, Shuming Shi. [ABS], 2023.5

2. Amélioration de la factualité et du raisonnement dans les modèles de langues grâce à un débat multi-agents

   Yilun DU, Shuang Li, Antonio Torralba, Joshua B. Tenenbaum, Igor Mordatch. [ABS], 2023.5

3. Améliorer la négociation du modèle de langue avec l'apprentissage de l'auto-play et du contexte à partir de la rétroaction de l'IA

   Yao Fu, Hao Peng, Tushar Khot, Mirella Lapata. [ABS], 2023.5

4. ChatEval: Towards Better LLM-based Evaluators through Multi-Agent Debate

   Chi-Min Chan, Weize Chen, Yusheng Su, Jianxuan Yu, Wei Xue, Shanghang Zhang, Jie Fu, Zhiyuan Liu. [abs], 2023.8

5. How susceptible are LLMs to Logical Fallacies?

   Amirreza Payandeh, Dan Pluth, Jordan Hosier, Xuesu Xiao, Vijay K. Gurbani. [abs], 2023.8

6. Identifying the Risks of LM Agents with an LM-Emulated Sandbox

   Yangjun Ruan, Honghua Dong, Andrew Wang, Silviu Pitis, Yongchao Zhou, Jimmy Ba, Yann Dubois, Chris J. Maddison, Tatsunori Hashimoto. [abs], 2023.9

7. Exploring Collaboration Mechanisms for LLM Agents: A Social Psychology View

   Jintian Zhang, Xin Xu, Shumin Deng. [abs], 2023.10

---

Casual/Open Conversations

1. Generative Agents: Interactive Simulacra of Human Behavior

   Joon Sung Park, Joseph C. O'Brien, Carrie J. Cai, Meredith Ringel Morris, Percy Liang, Michael S. Bernstein. [abs], 2023.4

2. Training Socially Aligned Language Models in Simulated Human Society.

   Ruibo Liu, Ruixin Yang, Chenyan Jia, Ge Zhang, Denny Zhou, Andrew M. Dai, Diyi Yang, Soroush Vosoughi. [abs], 2023.5

3. The Role of Summarization in Generative Agents: A Preliminary Perspective

   Xiachong Feng, Xiaocheng Feng, Bing Qin. [abs], 2023.5

4. Epidemic Modeling with Generative Agents.

   Ross Williams, Niyousha Hosseinichimeh, Aritra Majumdar, Navid Ghaffarzadegan. [abs], 2023.7

5. S^3: Social-network Simulation System with Large Language Model-Empowered Agents

   Chen Gao, Xiaochong Lan, Zhihong Lu, Jinzhu Mao, Jinghua Piao, Huandong Wang, Depeng Jin, Yong Li. [abs],2023.7

6. AgentSims: An Open-Source Sandbox for Large Language Model Evaluation

   Jiaju Lin, Haoran Zhao, Aochi Zhang, Yiting Wu, Huqiuyue Ping, Qin Chen . [abs], 2023.8

7. CGMI: Configurable General Multi-Agent Interaction Framework

   Shi Jinxin, Zhao Jiabao, Wang Yilei, Wu Xingjiao, Li Jiawen, He Liang. [abs], 2023.8

? Application

1. EduChat: A Large-Scale Language Model-based Chatbot System for Intelligent Education

   Yuhao Dan, Zhikai Lei, Yiyang Gu, Yong Li, Jianghao Yin, Jiaju Lin, Linhao Ye, Zhiyan Tie, Yougen Zhou, Yilei Wang, Aimin Zhou, Ze Zhou, Qin Chen, Jie Zhou, Liang He, Xipeng Qiu. [abs], 2023.8

2. SuperAgent: A Customer Service Chatbot for E-commerce Websites

   Lei Cui, Shaohan Huang, Furu Wei, Chuanqi Tan, Chaoqun Duan, Ming Zhou. [paper], 2017

3. WebArena: A Realistic Web Environment for Building Autonomous Agents

   Shuyan Zhou, Frank F. Xu, Hao Zhu, Xuhui Zhou, Robert Lo, Abishek Sridhar, Xianyi Cheng, Yonatan Bisk, Daniel Fried, Uri Alon, Graham Neubig. [abs], 2023.7

4. LLM As DBA

   Xuanhe Zhou, Guoliang Li, Zhiyuan Liu. [abs], 2023.8

5. RoboAgent: Generalization and Efficiency in Robot Manipulation via Semantic Augmentations and Action Chunking

   Homanga Bharadhwaj, Jay Vakil, Mohit Sharma, Abhinav Gupta, Shubham Tulsiani, Vikash Kumar. [paper], 2023

6. Is There Any Social Principle for LLM-Based Agents?

   Jitao Bai, Simiao Zhang, Zhonghao Chen. [abs], 2023.8

7. ToRA: A Tool-Integrated Reasoning Agent for Mathematical Problem Solving

   Zhibin Gou, Zhihong Shao, Yeyun Gong, Yelong Shen, Yujiu Yang, Minlie Huang, Nan Duan, Weizhu Chen. [abs] [code], 2023.9

8. Agentic Skill Discovery

   Xufeng Zhao, Cornelius Weber, Stefan Wermter [abs] [code], 2024.5

9. Assisting in Writing Wikipedia-like Articles From Scratch with Large Language Models

   Yijia Shao, Yucheng Jiang, Theodore A. Kanell, Peter Xu, Omar Khattab, Monica S. Lam. [abs], [code], 2024.4

?️ Framework

1. Agents: An Open-source Framework for Autonomous Language Agents

   Wangchunshu Zhou, Yuchen Eleanor Jiang, Long Li, Jialong Wu, Tiannan Wang, Shi Qiu, Jintian Zhang, Jing Chen, Ruipu Wu, Shuai Wang, Shiding Zhu, Jiyu Chen, Wentao Zhang, Ningyu Zhang, Huajun Chen, Peng Cui, Mrinmaya Sachan. [abs], 2023.9

2. Dynamic LLM-Agent Network: An LLM-agent Collaboration Framework with Agent Team Optimization

   Zijun Liu, Yanzhe Zhang, Peng Li, Yang Liu, Diyi Yang. [abs], 2023.10

3. OpenAgents: An Open Platform for Language Agents in the Wild

   Tianbao Xie, Fan Zhou, Zhoujun Cheng, Peng Shi, Luoxuan Weng, Yitao Liu, Toh Jing Hua, Junning Zhao, Qian Liu, Che Liu, Leo Z. Liu, Yiheng Xu, Hongjin Su, Dongchan Shin, Caiming Xiong, Tao Yu. [abs], 2023.10

4. AutoAct: Automatic Agent Learning from Scratch via Self-Planning

   Shuofei Qiao, Ningyu Zhang, Runnan Fang, Yujie Luo, Wangchunshu Zhou, Yuchen Eleanor Jiang, Chengfei Lv, Huajun Chen. [abs], 2024.01

5. An Interactive Agent Foundation Model

   Zane Durante, Bidipta Sarkar, Ran Gong, Rohan Taori, Yusuke Noda, Paul Tang, Ehsan Adeli, Shrinidhi Kowshika Lakshmikanth, Kevin Schulman, Arnold Milstein, Demetri Terzopoulos, Ade Famoti, Noboru Kuno, Ashley Llorens, Hoi Vo, Katsu Ikeuchi, Li Fei-Fei, Jianfeng Gao, Naoki Wake, Qiuyuan Huang. [abs], 2024.02

6. Emergence of Social Norms in Generative Agent Societies: Principles and Architecture

   Siyue Ren, Zhiyao Cui, Ruiqi Song, Zhen Wang, Shuyue Hu. [abs], 2024.03

7. Interactive Evolution: A Neural-Symbolic Self-Training Framework For Large Language Models

   Fangzhi Xu, Qiushi Sun, Kanzhi Cheng, Jun Liu, Yu Qiao, Zhiyong Wu. [abs], 2024.06

8. AgentSquare: Automatic LLM Agent Search in Modular Design Space

   Yu Shang, Yu Li, Keyu Zhao, Likai Ma, Jiahe Liu, Fengli Xu, Yong Li [abs], 2024.10

? Autres

1. Enhancing Trust in LLM-Based AI Automation Agents: New Considerations and Future Challenges

   Sivan Schwartz, Avi Yaeli, Segev Shlomov. [abs], 2023.8

---

? Ressources

Benchmarks

1. Mind2Web: Towards a Generalist Agent for the Web

   Xiang Deng, Yu Gu, Boyuan Zheng, Shijie Chen, Samuel Stevens, Boshi Wang, Huan Sun, Yu Su. [abs], 2023.6

2. The Tong Test: Evaluating Artificial General Intelligence Through Dynamic Embodied Physical and Social Interactions

   Yujia Peng , Jiaheng Han, Zhenliang Zhang , Lifeng Fan , Tengyu Liu, Siyuan Qi, Xue Feng, Yuxi Ma, Yizhou Wang, Song-Chun Zhu. [abs], 2023.7

3. AgentBench: Evaluating LLMs as Agents

   Xiao Liu, Hao Yu, Hanchen Zhang, Yifan Xu, Xuanyu Lei, Hanyu Lai, Yu Gu, Hangliang Ding, Kaiwen Men, Kejuan Yang, Shudan Zhang, Xiang Deng, Aohan Zeng, Zhengxiao Du, Chenhui Zhang, Sheng Shen, Tianjun Zhang, Yu Su, Huan Sun, Minlie Huang, Yuxiao Dong, Jie Tang . [abs], 2023.8

4. BOLAA: Benchmarking and Orchestrating LLM-augmented Autonomous Agents.

   Zhiwei Liu, Weiran Yao, Jianguo Zhang, Le Xue, Shelby Heinecke, Rithesh Murthy, Yihao Feng, Zeyuan Chen, Juan Carlos Niebles, Devansh Arpit, Ran Xu, Phil Mui, Huan Wang, Caiming Xiong, Silvio Savarese. [abs], 2023.8

5. Identifying the Risks of LM Agents with an LM-Emulated Sandbox

   Yangjun Ruan, Honghua Dong, Andrew Wang, Silviu Pitis, Yongchao Zhou, Jimmy Ba, Yann Dubois, Chris J. Maddison, Tatsunori Hashimoto. [abs], 2023.9

6. T-Eval: Evaluating the Tool Utilization Capability of Large Language Models Step by Step

   Zehui Chen, Weihua Du, Wenwei Zhang, Kuikun Liu, Jiangning Liu, Miao Zheng, Jingming Zhuo, Songyang Zhang, Dahua Lin, Kai Chen, Feng Zhao. [abs], 2023.12

7. TravelPlanner: A Benchmark for Real-World Planning with Language Agents

   Jian Xie, Kai Zhang, Jiangjie Chen, Tinghui Zhu, Renze Lou, Yuandong Tian, Yanghua Xiao, Yu Su. [abs], 2024.02

8. AgentBoard: An Analytical Evaluation Board of Multi-turn LLM Agents

   Chang Ma, Junlei Zhang, Zhihao Zhu, Cheng Yang, Yujiu Yang, Yaohui Jin, Zhenzhong Lan, Lingpeng Kong, Junxian He. [abs], 2024.01

9. OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments

   Tianbao Xie, Danyang Zhang, Jixuan Chen, Xiaochuan Li, Siheng Zhao, Ruisheng Cao, Toh Jing Hua, Zhoujun Cheng, Dongchan Shin, Fangyu Lei, Yitao Liu, Yiheng Xu, Shuyan Zhou, Silvio Savarese, Caiming Xiong, Victor Zhong, Tao Yu. [abs], 2024.04

10. TimeChara: Evaluating Point-in-Time Character Hallucination of Role-Playing Large Language Models

    Jaewoo Ahn, Taehyun Lee, Junyoung Lim, Jin-Hwa Kim, Sangdoo Yun, Hwaran Lee, Gunhee Kim. [abs], 2024.05

11. AppWorld: A Controllable World of Apps and People for Benchmarking Interactive Coding Agents

    Harsh Trivedi, Tushar Khot, Mareike Hartmann, Ruskin Manku, Vinty Dong, Edward Li, Shashank Gupta, Ashish Sabharwal, Niranjan Balasubramanian. [abs], 2024.07

12. Benchmarking Agentic Workflow Generation

    Shuofei Qiao, Runnan Fang, Zhisong Qiu, Xiaobin Wang, Ningyu Zhang, Yong Jiang, Pengjun Xie, Fei Huang, Huajun Chen . [abs], 2024.10

Types of Tools

Types	Outils
Agent with tool	AutoGPT、LangChain、Transformer Agents、WorkGPT、AutoChain 、Langroid、 WebArena、GPT Researcher、BMTools、ToolBench 、AgentGPT、xlang
Multi-Agent	CAMEL、GPTeam、AgentVerse、MetaGPT、Langroid、SocraticAI、AutoGen、Agents
Autres	AutoAgents 、GPT Engineer

Tool List

• Auto-GPT. An experimental open-source attempt to make GPT-4 fully autonomous.

• LangChain. Building applications with LLMs through composability.

• CHAMEAU. Communicative Agents for “Mind” Exploration of Large Scale Language Model Society.

• GPTeam. GPTeam: An open-source multi-agent simulation.

• Transformer Agents. In short, it provides a natural language API on top of transformers: we define a set of curated tools and design an agent to interpret natural language and to use these tools.

• AgentVerse . A Framework for Multi-LLM Environment Simulation.

• AutoAgents. Complex question answering in LLMs with enhanced reasoning and information-seeking capabilities.

• GPT Engineer . Specify what you want it to build, the AI asks for clarification, and then builds it.

• MetaGPT. The Multi-Agent Framework: Given one line Requirement, return PRD, Design, Tasks, Repo

• WorkGPT. A GPT agent framework for invoking APIs.

• AutoChain. Build lightweight, extensible, and testable LLM Agents.

• Langroid. Harness LLMs with Multi-Agent Programming.

• SocraticAI. Problem solving by engaging multiple AI agents in conversation with each other and the user.

• WebArena. A Realistic Web Environment for Building Autonomous Agents.

• GPT Researcher. GPT based autonomous agent that does online comprehensive research on any given topic.

• BMTools. Tool Learning for Big Models, Open-Source Solutions of ChatGPT-Plugins

• ToolBench. An open platform for training, serving, and evaluating large language model for tool learning.

• AgentGPT. Assemble, configure, and deploy autonomous AI Agents in your browser.

• xlang. An open-source framework for building and evaluating language model agents via executable language grounding

• Agently. A fast way to build LLM Agent based Application ? A light weight framework helps developers to create amazing LLM based applications.

• Lagent. A lightweight framework for building LLM-based agents.

• ToolEmu An LLM-based emulation framework for testing and identifying the risks of LLM-based agents

• storm A knowledge agent that researches a topic and generates a full-length report with citations.

---

? Contribution

Contributing to this paper list

" Join us in improving this repository! If you know of any important works we've missed, please contribute. Your efforts are highly valued! "

Contributors