超越管线：面向模型原生智能体 AI 的范式转变综述
人工智能
2025-10-28 v2
摘要
智能体 AI 的快速演进标志着人工智能的新阶段，大型语言模型（LLM）不再仅仅作答，而是能够行动、推理和适应。本综述追溯了构建智能体 AI 的范式转变：从管线式系统开始，规划、工具使用和记忆由外部逻辑编排；到新兴的模型原生范式，使这些能力内置于模型参数之中。我们首先将强化学习（RL）定位为支撑这一范式转变的算法引擎。通过将学习从模仿静态数据转向以结果为导向的探索，RL 为语言、视觉和具身领域中的 LLM+RL+Task 统一解决方案提供了支撑。基于此，综述系统性地回顾了每项能力——规划、工具使用和记忆——如何从外部脚本模块演变为端到端学习的行为。此外，本综述考察了这一范式转变如何重塑主要智能体应用，具体包括强调长期推理的深度研究智能体以及强调具身交互的 GUI 智能体。我们总结道，多智能体协作和反思等智能体能力的进一步内化，以及系统层和模型层在未来智能体 AI 中的演变角色。综上，这些发展勾勒出一条通向模型原生智能体 AI 作为集成学习与交互框架的清晰轨迹，标志着从构建运用智能的系统到培育通过经验增长智能的模型的转变。
引用
@article{arxiv.2510.16720,
title = {Beyond Pipelines: A Survey of the Paradigm Shift toward Model-Native Agentic AI},
author = {Jitao Sang and Jinlin Xiao and Jiarun Han and Jilin Chen and Xiaoyi Chen and Shuyu Wei and Yongjie Sun and Yuhang Wang},
journal= {arXiv preprint arXiv:2510.16720},
year = {2025}
}