计算机科学 > 人工智能
[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
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。
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)
文献和引用工具
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
推荐器和搜索工具
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.