[AI/LLM/前沿/综述] LLM Agent 综述论文文献综述 (2023-2026)
LLM Agent 综述论文文献综述 (2023-2026)
概述
本文献综述整理了近3年（2023-2026）关于大型语言模型(LLM) Agent的重要综述论文和相关研究工作。随着大语言模型能力的快速发展，LLM Agent已成为实现通用人工智能(AI)的关键研究方向之一。
一、核心综述论文
1. "SoK: Agentic Skills -- Beyond Tool Use in LLM Agents" (2026年2月)
作者： Yanna Jiang, Delong Li, Haiyu Deng, Baihe Ma, Xu Wang, Qin Wang, Guangsheng Yu
研究焦点：
- 系统性地探讨了Agent技能(Agentic Skills)的概念，超越简单的工具使用
- 提出了可重用过程能力的框架
- 将Agent技能定义为可调用的模块，封装了过程知识与明确的适用性条件、执行策略和终止标准
主要贡献：
- 建立了Agentic Skills的分类体系
- 分析了技能的可复用性、组合性和可扩展性
- 探讨了从单体语言模型到模块化、技能配备Agent的转变
应用场景：
- 长期工作流的可靠执行
- 多Agent协作中的技能共享
- Agent能力的模块化设计
2. "Memory for Autonomous LLM Agents: Mechanisms, Evaluation, and Emerging Frontiers" (2026年3月)
研究焦点：
- 自主Agent的记忆机制
- 评估方法与新兴前沿
主要维度：
- 记忆类型： 短期记忆、长期记忆、情景记忆、语义记忆
- 存储机制： 向量数据库、图谱存储、层次结构
- 检索策略： 相关性检索、时序检索、重要性加权
- 评估方法： 记忆准确性、检索效率、知识更新能力
关键挑战：
- 记忆遗忘问题
- 幻觉现象
- 记忆一致性维护
- 大规模记忆的效率优化
3. "Cognitive Models and AI Algorithms Provide Templates for Designing Language Agents" (2026年2月)
作者： Ryan Liu, Dilip Arumugam, Cedegao E. Zhang, Sean Escola, Xaq Pitkow, Thomas L. Griffiths
研究焦点：
- 认知模型与AI算法为语言Agent设计提供模板
- 探讨单一大语言模型无法解决的复杂问题
核心观点：
- 借鉴人类认知科学理论指导Agent设计
- 认知模型（如工作记忆、元认知、认知启发式）为Agent架构提供理论基础
- 多Agent协作超越单个模型的限制
设计范式：
- 认知分层架构（工作记忆— episodic记忆— 语义记忆）
- 元认知能力（监控、规划、反思）
- 认知启发式策略
4. "The Five Ws of Multi-Agent Communication: Who Talks to Whom, When, What, and Why -- A Survey from MARL to Emergent Language and LLMs" (2026年2月)
作者： Jingdi Chen, Hanqing Yang, Zongjun Liu, Carlee Joe-Wong
研究焦点：
- 多Agent系统中的通信机制
- 从多智能体强化学习(MARL)到涌现语言和LLMs
核心框架：
- Who talks to whom: 通信拓扑结构（中心化、去中心化、混合式）
- When: 通信触发条件（按需、周期性、事件驱动）
- What: 通信内容（状态、策略、目标、意图）
- Why: 通信目的（协调、协作、竞争、学习）
研究领域交叉：
- MARL中的通信学习
- 涌现语言(如ALife)
- LLM驱动的对话式通信
应用领域：
- 自动驾驶车队
- 机器人集群
- 协作AI助手
- 分布式决策系统
5. "Toward Personalized LLM-Powered Agents: Foundations, Evaluation, and Future Directions" (2026年2月)
作者： Yue Xu, Qian Chen, Zizhan Ma, Dongrui Liu, Wenxuan Wang, Xiting Wang, Li Xiong, Wenjie Wang
研究焦点：
- 个性化Agent的基础框架
- 评估方法与未来方向
关键维度：
- 个性化来源： 用户偏好、历史行为、上下文、领域知识
- 建模方法： 提示工程、微调、检索增强生成(RAG)
- 评估指标： 准确性、一致性、满意度、伦理合规性
挑战与方向：
- 跨场景的个性化迁移
- 隐私保护与个性化权衡
- 动态偏好建模
- 个性化效果的量化评估
6. "Graph-based Agent Memory: Taxonomy, Techniques, and Applications" (2026年2月)
研究焦点：
- 基于图谱的Agent记忆系统
- 分类法、技术和应用
关键技术：
- 图谱类型： 知识图谱、关系图谱、时序图谱、层次图谱
- 构建方法： 实体提取、关系抽取、图嵌入
- 查询操作： 图遍历、子图匹配、图推理
- 应用场景： 问答系统、推荐系统、决策支持
优势：
- 结构化知识表示
- 关系推理能力
- 可解释性提升
- 知识共享与复用
7. "Anatomy of Agentic Memory: Taxonomy and Empirical Analysis of Evaluation and System Limitations" (2026年2月)
研究焦点：
- Agent记忆的解剖学与分类
- 评估与系统局限性的实证分析
记忆分类体系：
- 感知记忆（Sensory Memory）
- 工作记忆（Working Memory）
- 长期记忆：情景记忆、语义记忆、程序记忆
- 元记忆
系统局限性：
- 容量限制
- 检索延迟
- 上下文窗口约束
- 幻觉与错误传播
二、应用领域综述
8. "Agentic AI in Healthcare & Medicine: A Seven-Dimensional Taxonomy for Empirical Evaluation of LLM-based Agents" (2026年2月)
作者： Shubham Vatsal, Harsh Dubey, Aditi Singh
研究焦点：
- 医疗健康领域的Agent AI
- 七维评估分类体系
评估维度：
- 临床准确性
- 可解释性
- 公平性与偏见
- 隐私与安全
- 效率与可扩展性
- 人机协作性
- 伦理合规性
应用场景：
- 诊断辅助
- 治疗方案推荐
- 患者监护
- 药物研发
- 医疗咨询
9. "From Secure Agentic AI to Secure Agentic Web: Challenges, Threats, and Future Directions" (2026年3月)
作者： Zhihang Deng, Jiaping Gui, Weinan Zhang
研究焦点：
- Agent安全与Agentic Web安全
- 挑战、威胁与未来方向
安全威胁分类：
- 提示注入攻击(Prompt Injection)
- 供应链攻击(Supply Chain)
- 数据泄露(Data Exfiltration)
- 对抗性攻击(Adversarial Attacks)
- 权限提升(Privilege Escalation)
防御策略：
- 输入验证与沙箱
- 权限最小化
- 审计日志
- 安全框架与标准
- 可验证Agent
10. "From Perception to Action: Spatial AI Agents and World Models" (2026年2月)
作者： Gloria Felicia, Nolan Bryant, Handi Putra, Ayaan Gazali, Eliel Lobo, Esteban Rojas
研究焦点：
- 空间智能Agent与世界模型
- 从感知到行动的跨越
关键能力：
- 3D结构感知
- 对象关系推理
- 物理约束下的行动
- 空间记忆与映射
挑战：
- 符号域与物理域的鸿沟
- 空间不确定性建模
- 实时感知与决策
- 跨模态融合
三、技术与机制相关研究
11. "Agent Skills for Large Language Models: Architecture, Acquisition, Security, and the Path Forward" (2026年2月)
作者： Renjun Xu, Yang Yan
研究焦点：
- LLM Agent技能的架构、获取、安全性及发展路径
核心内容：
- 从单体模型到模块化Agent的转变
- 技能的表示与封装
- 技能获取：人工指定、强化学习、模仿学习、自动发现
- 安全性考虑：技能篡改检测、执行沙箱、权限控制
12. "ValueFlow: Measuring the Propagation of Value Perturbations in Multi-Agent LLM Systems" (2026年2月)
研究焦点：
- 多Agent系统中价值扰动的传播测量
核心概念：
- 价值流(Value Flow)：价值观在Agent网络中的传播路径
- 价值扰动(Value Perturbation)：价值观的偏差与放大
- 一致性测量：多Agent价值观的对齐程度
四、评估与验证研究
13. "SurveyLens: A Research Discipline-Aware Benchmark for Automatic Survey Generation" (2026年2月)
作者： Beichen Guo, Zhiyuan Wen, Jia Gu, Senzhang Wang, Haochen Shi, Ruosong Yang, Shuaiqi Liu
研究焦点：
- 自动综述生成的基准测试
- 研究领域感知
技术演进：
- 从简单流水线到多Agent协作
- 领域知识增强
- 质量评估指标
14. "Assessing the Reliability of Persona-Conditioned LLMs as Synthetic Survey Respondents" (2026年2月)
作者： Erika Elizabeth Taday Morocho, Lorenzo Cima, Tiziano Fagni, Marco Avvenuti, Stefano Cresci
研究焦点：
- 评估Persona条件化LLM作为合成调查受访者的可靠性
研究方法：
- 将LLM生成的合成调查数据与人类调查数据进行对比
- 评估偏差、一致性和代表性问题
15. "Stochastic Parrots or Singing in Harmony? Testing Five Leading LLMs for their Ability to Replicate a Human Survey with Synthetic Data" (2026年2月)
作者： Jason Miklian, Kristian Hoelscher, John E. Katsos
研究焦点：
- 测试五大LLM复现人类调查的能力
- 合成数据的质量与可靠性
五、研究趋势总结
主要发展趋势
-
模块化与技能化
- 从单体模型向模块化Agent转变
- 技能的封装、复用与组合成为核心关注点
-
记忆系统架构
- 记忆机制作为Agent的核心模块
- 多层次、多类型记忆的协同设计
- 图谱化、结构化记忆的兴起
-
多Agent协作
- 通信机制与协议设计
- 协作策略与冲突解决
- 分布式智能与涌现行为
-
个性化与定制化
- 用户偏好建模与适应
- 个性化Agent的学习与更新
- 域知识注入与融合
-
安全性与可靠性
- Agent安全威胁识别
- 防御机制与框架
- 可验证与可审计Agent
-
跨领域应用
- 医疗、教育、金融等垂直领域
- 领域特定评估体系
- 场景化Agent设计
技术挑战
-
上下文管理
- 长期记忆与高效检索
- 上下文窗口限制
- 信息遗忘与更新
-
幻觉与一致性
- Agent生成的幻觉问题
- 多轮对话的一致性维护
- 知识准确性的保证
-
评估体系
- 统一评估框架的缺乏
- 主观质量的量化
- 真实场景的模拟
-
可解释性
- Agent决策的透明化
- 推理过程的可追溯
- 用户信任的建立
-
效率与可扩展性
- 计算成本控制
- 大规模Agent部署
- 资源优化与调度
未来研究方向
-
认知架构演进
- 更深度的认知科学借鉴
- 元认知能力的增强
- 自主学习与适应
-
人机协作深化
- 共享意图与协同决策
- 人类反馈的整合
- 信任校准与透明化
-
标准化与规范
- Agent标准与协议
- 伦理框架与治理
- 行业规范与最佳实践
-
新范式探索
- 神经符号融合
- 脑机接口集成
- 生物启发的Agent设计
六、结论
近3年的LLM Agent研究呈现出蓬勃发展的态势，从单一模型能力扩展到多Agent系统、记忆机制、技能封装、个性化定制等多个维度。研究者们不仅关注Agent的能力提升，越来越重视其可靠性、安全性、可解释性和道德合规性。
未来的研究将进一步向认知结构深化、人机协作优化、标准化推进和新范式探索等方向发展。随着技术的成熟和应用场景的拓展，LLM Agent有望在更多领域实现广泛应用，成为连接大语言模型与实际应用的关键桥梁。
整理时间： 2026年3月10日
文献来源： arXiv、Google Scholar、ACL等学术数据库
关键词： LLM Agent, Survey, Review, Multi-Agent System, Memory Mechanism, Agentic Skills
浙公网安备 33010602011771号