这是一个关于基于大语言模型(LLM)的多智能体系统的学术论文调研项目，系统性地收集、分类和整理了该领域的研究进展与挑战。
一分钟了解#
这是一个关于基于大语言模型的多智能体系统的研究论文汇总项目。该项目由研究人员维护，系统性地收集了该领域的最新研究成果，将其分为五大研究方向：多智能体框架、多智能体编排与效率、多智能体问题解决、多智能体世界模拟和多智能体数据集与基准测试。该项目适合对多智能体系统、人工智能前沿研究感兴趣的学者、开发者和研究人员。
核心价值：为研究人员提供系统性的文献综述和最新研究成果汇总，帮助快速了解该领域的研究进展和未来方向。
快速上手#
安装难度：低 - 这是一个文献调研项目，无需安装，可直接访问和使用
# 克隆仓库以获取完整的论文列表
git clone https://github.com/taichengguo/LLM_MultiAgents_Survey_Papers.git
适合我的场景吗？
- ✅ 学术研究：正在寻找基于LLM的多智能体系统相关文献的研究人员
- ✅ 技术调研：希望了解多智能体系统最新进展的开发者和产品经理
- ✅ 课程设计：需要相关领域文献支持教学或课程设计的教育工作者
- ❌ 生产环境部署：这不是一个可部署的软件项目，而是文献调研资源
- ❌ 代码开发：虽然包含一些研究框架，但主要提供文献而非可直接使用的代码
核心能力#
1. 文献系统性收集 - 全面覆盖研究前沿#
- 项目持续收集并整理关于LLM多智能体系统的最新研究成果
- 按研究方向进行系统性分类，便于研究者快速定位相关文献 实际价值：研究人员无需花费大量时间搜索分散在不同来源的文献，一站式获取该领域核心研究成果
2. 五大研究方向分类 - 结构化知识组织#
- 多智能体框架：研究构建多智能体系统的基础架构
- 多智能体编排与效率：关注系统的协调和性能优化
- 多智能体问题解决：应用于具体问题领域的解决方案
- 多智能体世界模拟：在社会、游戏、心理等多个领域的模拟应用
- 多智能体数据集与基准测试：用于评估和比较的资源和标准 实际价值：帮助研究者从不同角度全面理解LLM多智能体系统的应用场景和研究重点
3. 定期更新机制 - 跟踪最新研究进展#
- 计划每两周更新一次论文列表
- 将所有收录论文纳入下一版本的调研论文中
- 开放社区贡献，鼓励提交遗漏的重要文献 实际价值：研究者能够及时获取该领域的最新研究成果，避免信息滞后
维护状态#
- 开发活跃度：活跃维护，定期更新论文列表，每两周计划进行一次更新
- 最近更新：项目更新频繁，包含2024年3月的最新研究成果
- 社区响应：鼓励社区通过提交pull request或issue来贡献论文，形成良好的协作生态
文档与学习资源#
- 文档质量：综合全面，提供详细的分类索引和调研论文链接
- 官方文档：项目README和调研论文 https://arxiv.org/abs/2402.01680
- 示例代码：不适用（文献调研项目）
- 学习资源：包含调研论文、论文分类索引、最新研究趋势图和系统架构图