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:2406.05804v2

帮助 | 高级搜索

计算机科学 > 人工智能

arXiv:2406.05804v2 (cs)
[提交于 2024年6月9日 (v1) ,修订后的 2024年6月16日 (此版本, v2) , 最新版本 2024年11月30日 (v6) ]

标题: 基于LLM的代理调查:常见工作流程和可重用的LLM配置组件

标题: A Survey on LLM-Based Agents: Common Workflows and Reusable LLM-Profiled Components

Authors:Xinzhe Li
摘要: 最近在大型语言模型(LLMs)方面的进展促进了基于LLM的代理开发的复杂框架的发展。 然而,这些框架的复杂性在细粒度上造成了区分的障碍,这是在不同框架上实现高效操作和促进未来研究的关键方面。 因此,本次综述的主要目的是通过识别常见的工作流程和可重用的LLM-配置组件(LMPCs),来促进对各种最近提出的框架的连贯理解。
摘要: Recent advancements in Large Language Models (LLMs) have catalyzed the development of sophisticated frameworks for developing LLM-based agents. However, the complexity of these frameworks r poses a hurdle for nuanced differentiation at a granular level, a critical aspect for enabling efficient implementations across different frameworks and fostering future research. Hence, the primary purpose of this survey is to facilitate a cohesive understanding of diverse recently proposed frameworks by identifying common workflows and reusable LLM-Profiled Components (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:2406.05804v2 [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)
  • 其他格式
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