资源中心

Reflexion: Language Agents with Verbal Reinforcement Learning

Northeastern · Shinn et al.

让 Agent 通过"反思失败"来自我改进。是 Self-Refine、Reflexion 模式的开山之作。

OpenAI o1 System Card / Learning to Reason with LLMs

OpenAI

推理时计算的革命。揭示了更多思考 token = 更好表现,为 Agent 提供了更强的"大脑"。

Automatic Chain of Thought Prompting in Large Language Models

Zhang et al.

自动生成高质量 CoT 示例。让 prompt 工程自动化。

ReAct Meets ActRe: Autonomous Annotations of Robotic Navigations

把 ReAct 模式应用到真实物理世界。Agent 不只在数字世界,可以操作机器人。

Self-Taught Reasoner (STaR) 及其系列

让 Agent 通过自我生成的推理数据持续改进。是 Agent 元学习的基础工作之一。

MemGPT: Towards LLMs as Operating Systems

UC Berkeley · Packer et al.

把 Agent 当作操作系统,内存分层。突破上下文窗口的革命性记忆方案。

From Local to Global: A Graph RAG Approach

Microsoft Research

把知识图谱与 RAG 结合,处理全局性问题。把"点检索"升级为"关系检索"。

Self-RAG: Learning to Retrieve, Generate, and Critique through Self-Reflection

让 Agent 决定何时需要检索、是否需要重写查询、是否需要拒答。RAG 的智能化升级。

Corrective RAG (CRAG)

带纠错机制的 RAG 系统。检索结果不准确时,自动触发 web 搜索补充。

AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation

Microsoft · Wu et al.

多 Agent 对话协作的开创性框架。展示了群聊、终止、人工参与的完整设计。

MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework

Hong et al.

把多 Agent 抽象为软件公司:产品经理、架构师、工程师、QA。

CAMEL: Communicative Agents for "Mind" Exploration of LLMs

角色扮演式多 Agent 协作。展示通过 Inception Prompting 让 Agent 高质量完成复杂任务。

Multi-Agent Collaboration Mechanisms: A Survey of LLMs

Han et al.

多 Agent 协作机制的综述论文。适合综述当前 SOTA 的人。

AgentBench: Evaluating LLMs as Agents

Tsinghua · Liu et al.

最权威的 Agent 通用评估基准。多场景、多任务的全面评测。

SWE-bench: Can Language Models Resolve Real-World GitHub Issues?

评估代码 Agent 的事实标准。基于真实 GitHub issue,极具挑战性。

RAGAS: Automated Evaluation of Retrieval Augmented Generation

RAG 评估的事实标准。无需 ground truth 即可评估。

Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena

用 LLM 评估 LLM 的方法论研究。奠定了 LLM Eval 的核心思路。