Agent 的展望

目前，LLM Agent 大多是处于实验和概念验证的阶段，持续提升 Agent 的能力才能让它真正从科幻走向现实。当然，我们也可以看到，围绕 LLM Agent 的生态也已经开始逐渐丰富，大部分工作都可以归类到以下三个方面进行探索：

• Agent模型

AgentBench[4] 指出了不同的 LLM 对于 Agent 的处理能力有很大区别，当前的 gpt-4（0613）版本以极大的优势领先于同类竞品，LLM 本身的逻辑推理能力以及更长的 prompt 处理能力都会是 Agent 中极其重要的因素。

sToolLLM[5] 则使用轻量级的 LLaMA 向更加复杂的大模型学习理解 API 和使用 API 的能力，希望能够将这种能力运用在更轻量的模型上。

• Agent 框架

由 Lilian Weng 列出来的每一个组件都有探索的空间，目前学术探索较多的是利用框架提升 LLM 推理的能力，从 COT[6]、ReAct[7]