Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2406.05804v1

帮助 | 高级搜索

计算机科学 > 人工智能

arXiv:2406.05804v1 (cs)
[提交于 2024年6月9日 (此版本) , 最新版本 2024年11月30日 (v6) ]

标题: 基于LLM的代理工作流和LLM配置组件的综述

标题: A Survey on LLM-Based Agentic Workflows and LLM-Profiled Components

Authors:Xinzhe Li
摘要: 最近大型语言模型(LLMs)的进展促进了复杂代理工作流的发展,相较于传统的单路径思维链(CoT)提示技术,提供了改进。 本综述总结了常见的工作流,特别关注于LLM-Profiled Components(LMPCs)和对非LLM组件的忽视。 这种探索的原因是为了促进对LLM角色的更清晰理解以及了解LMPCs的可重用性。
摘要: Recent advancements in Large Language Models (LLMs) have catalyzed the development of sophisticated agentic workflows, offering improvements over traditional single-path, Chain-of-Thought (CoT) prompting techniques. This survey summarize the common workflows, with the particular focus on LLM-Profiled Components (LMPCs) and ignorance of non-LLM components. The reason behind such exploration is to facilitate a clearer understanding of LLM roles and see how reusabile of the LMPCs.
主题: 人工智能 (cs.AI) ; 计算与语言 (cs.CL); 软件工程 (cs.SE)
引用方式: arXiv:2406.05804 [cs.AI]
  (或者 arXiv:2406.05804v1 [cs.AI] 对于此版本)
  https://doi.org/10.48550/arXiv.2406.05804
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Xinzhe Li [查看电子邮件]
[v1] 星期日, 2024 年 6 月 9 日 14:42:55 UTC (9,288 KB)
[v2] 星期日, 2024 年 6 月 16 日 00:59:27 UTC (9,290 KB)
[v3] 星期二, 2024 年 9 月 17 日 14:02:29 UTC (806 KB)
[v4] 星期三, 2024 年 10 月 23 日 11:36:57 UTC (979 KB)
[v5] 星期四, 2024 年 10 月 24 日 07:07:43 UTC (979 KB)
[v6] 星期六, 2024 年 11 月 30 日 22:38:57 UTC (982 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
cs.AI
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-06
切换浏览方式为:
cs
cs.CL
cs.SE

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号