自我进化AI智能体综述:连接基础模型与终身智能系统的新范式

大语言模型的最新进展激发了人们对能够解决复杂现实世界任务的AI智能体的日益增长的兴趣。然而,大多数现有的智能体系统依赖于部署后保持静态的手动配置,限制了它们适应动态和不断变化环境的能力。为此,最近的研究探索了智能体进化技术,旨在基于交互数据和环境反馈自动增强智能体系统。这一新兴方向为自我进化的AI智能体奠定了基础,它弥合了基础模型的静态能力与终身智能系统所需的持续适应性之间的差距。在本综述中,我们全面回顾了现有用于自我进化智能体系统的技术。具体而言,我们首先引入了一个统一的概念框架,该框架抽象了自我进化智能体系统设计背后的反馈循环。该框架突出了四个关键组成部分:系统输入、智能体系统、环境和优化器,作为理解和比较不同策略的基础。基于此框架,我们系统地回顾了针对智能体系统不同组件的各种自我进化技术。我们还研究了为生物医学、编程和金融等专业领域开发的领域特定进化策略,在这些领域中,优化目标与领域约束紧密耦合。此外,我们专门讨论了自我进化智能体系统的评估、安全性和伦理考量,这些对于确保其有效性和可靠性至关重要。本综述旨在为研究人员和实践者提供对自我进化AI智能体的系统性理解,为开发更具适应性、自主性和终身性的智能体系统奠定基础。