简介这份由李飞飞等参与撰写的Agent AI综述PDF面向人工智能研究者、研究生及关注AGI路径的技术读者系统梳理智能代理在物理与虚拟环境中的感知、行动与交互问题。内容从Agent AI的定义与系统组成切入讨论基础模型作为具身代理构建块、跨现实数据训练、生成式AI与多源独立数据结合等议题并延伸到多模态理解、环境感知、代理响应引导及大模型幻觉缓解等方向。压缩包仅含1个PDF文件大小约50.96MB适合按章节检索与集中阅读目前已有424人浏览学习。综述还总结了计算机视觉、自然语言处理、人机交互与机器人学等跨学科支撑以及数据融合、模型泛化和高效训练等挑战并展望智能代理在虚拟场景和现实应用中的研究空间可为课题调研、论文选题与技术路线判断提供较完整的参考框架。1. 到底什么是 Agent AI先把它想成一个“会看会做”的助手Agent AI 这个词最近常被拿来和聊天机器人混在一起其实它更像一个被放进现场里的助手不只要听懂你说什么还要看见环境、记住上下文然后做出一个会改变环境的动作。放到人工智能的大图里它指的是一类交互式系统能感知视觉刺激、语言输入和其他环境数据并产生有意义的具身动作。打个比方普通问答模型像坐在电话那头的人只能给建议Agent AI 则像被派到现场的实习生要观察、判断、动手还要根据结果修正下一步。这里的“动作”不一定是机械臂虚拟角色移动、游戏里选择交互、模拟场景中的操作都算。搞懂它就能分清“模型能力”和“代理系统”的边界。2. 为什么需要 Agent AI从会回答到会行动中间差了什么2.1 只给答案的模型为什么一到真实环境就吃力大语言模型和视觉语言模型已经能处理不少语言细节也能从图像里读出一些语义但它们擅长的事情大多还停留在“给出一段输出”。真实环境不是一张静止的考卷状态会变人的意图会变动作发出去还会带来后果。一个只会回答“下一步该做什么”的模型未必知道下一步做完之后环境会怎么回应。这就是被动模型的天花板它可以描述计划却很难在动态、复杂的环境里承担代理角色。Agent AI 关注的场景里系统要理解自己的角色、理解环境约束还要做多步规划在约束下做出足够细致的决策。比如一个虚拟角色接到“把桌上的杯子收走”这类目标它得先看见桌面、判断杯子的位置、避开障碍、选择动作顺序还要在动作失败时重新规划。只靠一次文本回答很难覆盖这些环节。更麻烦的是环境不正确输出。模型可能在语言上说得通落到环境里却指向不存在的物体、错误的按钮或不合适的动作。Agent AI 把系统放进有根据的环境里训练和评测目的之一就是缓解这类幻觉和环境错误。它不是让模型“更会说”而是让模型的动作接受环境检验。这里的差别有点像纸上谈兵和上车实操纸上步骤写得再漂亮方向盘一打偏车就会告诉你哪里不对。2.2 Agent AI 补的三块短板环境 grounding、反馈闭环、动作预测Agent AI 的第一块补丁是环境 grounding。通俗地说就是让模型的判断落在具体环境上场景里有什么物体、用户做了什么动作、音频里是什么情绪、整个场景的氛围如何。资料里提到一个系统可以感知用户动作、人类行为、环境物体、音频表达和场景集体情感再用这些信息指导和调整代理响应。模型不再只依赖文字上下文而是把环境当成上下文的一部分。第二块补丁是反馈闭环。普通模型回答完就结束Agent AI 的动作会产生新状态新状态又成为下一轮输入。它可以把外部知识、多感官输入和人类反馈纳入进来通过“下一具身动作预测”不断改进行为。这个思路很像学车看后视镜、听教练提醒、感受车速再决定踩刹车还是打方向不是背完一本驾驶手册就结束。第三块补丁是动作预测。Agent AI 不只是理解世界还要输出有意义的具身动作并对“下一步动作”做预测。这里的动作可以是物理世界里的移动和操作也可以是虚拟环境里的交互和选择。动作一旦成为输出系统就必须处理动作的后果、动作的失败和动作的时序。也正因为有动作Agent AI 的评测不能只看一句话像不像而要看它在环境里是否完成了任务、是否少犯错、是否能根据反馈调整。提示把“Agent AI”当成整机系统来看再看其中的模型零件判断会清楚很多。2.3 基础模型当积木跨现实训练为什么成了关键Agent AI 之所以在这个阶段被反复提起一个重要原因是基础模型已经能当积木。语言模型和视觉语言模型提供了语言理解、视觉认知、上下文记忆和一定推理能力系统可以把它们作为创建具身代理的基本构建块。过去做一个代理系统很多模块要分别从零搭现在可以把已有的基础模型接进感知、规划和动作链路里再针对代理任务做训练和适配。另一个关键是跨现实训练。资料里强调Agent AI 提供了一个不依赖单一现实条件的训练框架借助生成式人工智能和多个独立数据源让代理在物理世界和虚拟世界中都能应用。这里的“跨现实”不是玄学而是说训练数据不只来自真实摄像头也可能来自模拟场景、生成场景和多种独立来源。对代理任务来说这很重要因为真实世界采集动作数据成本高、风险大虚拟环境能提供可重复、可控制、可大规模生成的练习场。当然基础模型不是万能插头。语言和视觉能力强不代表动作接口自然就能接上。系统还要定义状态怎么编码、动作怎么表示、记忆怎么更新、反馈怎么进入训练。Agent AI 把“基础模型”与“代理任务”之间的这层适配当成核心问题而不是假设模型一大就自动会行动。也正因如此跨现实数据、模拟到现实迁移、持续自我改进这些话题才会出现在同一张地图上。2.4 把定义拆开感知、语言、环境数据和具身动作各指什么回到定义本身Agent AI 是一类交互式系统能感知视觉刺激、语言输入和其他环境数据并产生有意义的具身动作。这个定义不长但每个词都在划边界。感知视觉刺激不只是“看见一张图”还包括理解场景里的物体、动作和空间关系语言输入不只是聊天还包括指令、目标、反馈和角色设定其他环境数据可能是音频、场景情绪、交互记录也可能是模拟环境里的状态信号。“具身动作”最容易被误解。它不一定等于机器人关节运动。虚拟环境里的角色移动、拿起物品、选择对话、改变场景同样可以看成具身动作因为动作发生在某个环境里并且会改变环境状态。资料里也明确把物理世界和虚拟世界都纳入视野还提到未来人们可以创建虚拟现实或模拟场景并与其中的代理交互。换句话说Agent AI 的“身体”可以是物理实体也可以是虚拟化身。定义要素通俗理解容易混淆的点视觉刺激看见场景里的物体、动作和关系不只是图像分类语言输入指令、目标、反馈、角色设定不只是闲聊其他环境数据音频、场景情绪、交互状态等不局限于文字和图片具身动作会改变环境状态的行动不一定是机器人动作交互式系统感知、动作、反馈形成闭环不是单次问答把这几项放在一起看Agent AI 的重点不是“模型会不会说”而是“系统能不能在环境里持续地看、做、改”。它通过下一具身动作预测把外部知识、多感官输入和人类反馈接进来让代理在环境中越来越会做事。这也是它和普通多模态模型最容易被忽略的差别后者更像一个能力很强的零件前者更像一台要跑起来的整机。3. Agent AI 怎么运转Agent Transformer、学习信号和系统零件3.1 从 LLM/VLM 到 Agent Transformer把“看和说”接到“做”Agent AI 的系统里大语言模型和视觉语言模型是常见起点但它们通常不是终点。资料里提到 Agent Transformer 的定义和创建可以把它理解成一种把多模态理解接到动作预测上的代理结构输入不只是文字还包括视觉观察、环境状态和记忆输出不只是描述而是下一步具身动作或动作相关表示。这个“接”的过程决定了模型能不能从“看懂”走到“做对”。下面是一段只表达最小闭环的伪代码不对应任何具体框架。它想说明的是代理每一步都要把观察、指令和记忆编码成状态再预测动作并把动作后果写回记忆。# 伪代码Agent AI 的最小闭环示意不对应具体框架 def agent_step(observation, instruction, memory, policy): # observation视觉、音频、环境状态等多模态观察 # instruction语言指令或目标 # memory此前交互记录帮助保持上下文 state encode_multimodal(observation, instruction, memory) # 关键不是生成一段解释而是预测下一具身动作 action policy.predict_next_embodied_action(state) # 动作会改变环境也会改变下一轮记忆 memory update_memory(memory, observation, action) return action, memory这段代码里observation是环境输入instruction是语言目标memory是上下文记忆policy是动作预测策略。encode_multimodal负责把不同模态压到同一个状态表示里predict_next_embodied_action负责给出动作update_memory负责记录动作后的新信息。逻辑重点在于闭环动作不是终点而是下一轮观察的起点。 Agent Transformer 的价值也在这里它把语言和视觉能力往动作预测上拧而不是停在文本输出。实际系统里动作表示可能很不一样。游戏代理的动作可能是移动、选择、交互机器人代理的动作可能是抓取、移动、放置模拟环境里的动作可能是改变场景参数或触发事件。Agent Transformer 不是某一个固定网络而是一类把多模态状态映射到代理动作的思路。定义和创建之所以被单独讨论是因为这一步决定了系统能不能把基础模型的能力稳定接到环境接口上而不是每次都在“会说”和“会做”之间断掉。3.2 强化学习、模仿学习与上下文学习三种学习信号怎么分工Agent AI 的学习信号不止一种。资料里提到强化学习、模仿学习、传统 RGB 输入、上下文学习和代理系统优化。它们不是互相替代的关系更像不同阶段、不同数据条件下的工具。强化学习靠奖励信号调整策略适合有明确成功标准、可以反复试错的环境模仿学习靠示范动作学习适合人类能给出操作示例、但奖励设计困难的场景上下文学习靠提示和上下文临时适应适合零样本或少样本快速上手。拿一个虚拟场景里的代理举例。要让代理学会把物品放到指定位置强化学习可以围绕“是否放对”给奖励但试错成本可能高模仿学习可以看人类演示怎么拿、怎么走、怎么放学得更直接但遇到新布局可能泛化不足上下文学习可以在不重新训练的情况下把当前场景说明和几个示例放进上下文让代理先试一轮。三种信号各有短板系统往往要把它们组合起来而不是迷信某一种。学习方式主要信号适合场景主要风险强化学习奖励和试错目标可度量、可反复练习奖励设计难试错成本高模仿学习人类或专家示范有操作示例、动作序列清晰示范偏差会被学进去上下文学习提示、示例、上下文零样本或少样本快速适应稳定性依赖上下文质量传统 RGB 输入视觉观察需要从画面理解场景只看画面不够缺少动作反馈这里的“传统 RGB”指的是以普通图像输入为主的视觉观察方式。它在很多视觉任务里很重要但代理任务不能只看画面还要看动作后的状态变化。Agent AI 的学习问题因此比纯视觉识别更复杂系统要学的不只是“这是什么”还包括“下一步做什么”“做完之后环境怎么变”“失败后怎么改”。这也是为什么资料会把策略、机制、优化和代理系统放在一起讨论。零样本和少样本也是同一逻辑下的能力。零样本代理面对新环境时靠已有基础模型和上下文直接行动少样本代理靠少量示例快速适配。它们听起来很智能但边界很清楚上下文给得含糊动作空间定义不清代理就容易做出看似合理、实际不对的动作。所谓“会行动”从来不是免费获得的它需要学习信号、环境接口和评测方式一起配合。3.3 Agent 模块与基础设施为什么它不是单个模型Agent AI 很容易被讲成一个更大的模型但资料里的系统视角更接近“整机”。代理模块、代理基础设施、零样本和少样本层面的系统设计都是让代理跑起来的部分。模块负责感知、记忆、规划、动作选择等职责基础设施负责把这些模块连接起来处理输入输出、状态流转、评测和运行环境。只盯着模型参数会漏掉系统里真正决定成败的连接件。打个比方单个模型像发动机代理系统像一辆车。发动机很重要但车能不能开还取决于传动、刹车、方向盘和仪表盘。Agent AI 里的“仪表盘”就是评测和反馈代理做了动作之后系统要知道结果如何失败在哪里下一轮怎么调整。基础设施不 flashy却决定了系统能不能稳定复现、能不能定位问题、能不能把人类反馈接进来。很多演示视频里看起来很顺的代理一到真实环境就翻车问题常常不在模型不够大而在模块之间的接口不清楚。代理基础模型还会涉及预训练和微调层面的工作。预训练让模型获得通用语言和视觉能力微调让模型更贴近代理任务和动作分布。零样本、少样本、预训练、微调这些词放在一起容易让人以为只要堆数据就行实际更像分层搭建底层是基础模型中层是代理模块和基础设施上层是具体环境和任务。每一层出问题表现都会往下掉。3.4 数据与评测人类交互数据、模型生成数据和持续自我改进Agent AI 的数据来源不止人类示范。资料里提到基于人类的交互数据和基础模型生成的数据也提到持续自我改进。人类交互数据能提供真实意图、真实反馈和真实操作习惯但采集成本高基础模型生成的数据能扩大规模、覆盖更多场景但可能把模型自己的偏差带进来。两类数据各有价值也各有风险不能简单地说生成数据越多越好。持续自我改进听起来很吸引人但它不是“模型自己越练越强”这么简单。代理要在环境里得到反馈反馈要能被转化成学习信号学习结果还要经过评测防止把偶然成功当成稳定能力。多代理游戏数据集、音视频语言预训练数据集、基准、任务、指标和评测这些内容出现在 Agent AI 的讨论里说明这个领域不只需要会演示还需要可比较的考场。没有评测代理很容易陷入“看起来会”的错觉。评测指标也要跟任务匹配。文本任务可以看答案对不对代理任务还要看动作是否完成目标、是否遵守约束、是否在失败后恢复、是否产生环境错误。一个代理在简单场景里动作流畅不代表它在复杂场景里可靠一个代理在模拟环境里得分高也不代表它能直接迁移到现实。数据、评测和持续改进应该一起看否则就会把“训练集里的熟练”误当成“环境里的能力”。4. Agent AI 的版图从游戏角色到机器人、医疗与多模态理解4.1 具身代理与交互代理动作代理、模拟环境代理分别做什么Agent AI 的版图里具身代理是很直观的一类代理在某个环境里有位置、有观察、有动作能对世界产生影响。动作代理更关注动作选择和执行比如移动、操作、交互交互代理更关注与环境中的对象、角色或用户持续互动。两者有重叠但侧重点不同。动作代理常问“下一步做什么动作”交互代理常问“怎样根据对方反应调整行为”。模拟环境和环境代理又是另一层。模拟环境提供可控、可重复、可大规模生成的状态空间让代理可以练习、评测和比较。对真实世界成本高、风险大的任务模拟环境是很自然的训练场。但模拟环境也有自己的问题模拟得再细和现实也有差距代理可能学会模拟器里的捷径到了现实就失效。这就是模拟到现实迁移要单独讨论的原因。通用代理区域则更像一个总称覆盖不同任务、不同环境里的代理能力。它不等于一个万能代理已经存在而是说研究者在探索能跨任务迁移的代理范式。资料里的分类把通用代理、具身代理、动作代理、交互代理、模拟环境代理放在同一张图里目的不是制造名词而是提醒读者Agent AI 不是一个单点技术而是多种代理形态的集合。4.2 生成式代理与跨现实虚拟场景、混合现实和模拟到现实生成式代理是另一个容易让人兴奋的方向。它不只消费已有场景还可能参与场景生成、角色行为生成和交互内容生成。资料里提到生成式代理、增强现实/虚拟现实/混合现实代理以及跨模态、跨领域、跨现实的交互代理。通俗地说代理不只是在现实世界里跑也可能在虚拟场景里被创建出来和用户在同一套模拟环境里互动。跨现实的关键在于“训练和应用不绑死在一种现实里”。代理可以在模拟场景里练习再把能力迁移到物理环境也可以把物理环境里学到的经验带回虚拟环境。模拟到现实迁移是这条线里最常被提到的难点模拟环境里的光影、物理、交互延迟和真实世界不同代理容易在细节上踩坑。要缩小差距既需要更好的模拟也需要跨现实数据和评测。这里要避免过度承诺。虚拟场景里表现好不等于现实里同样可靠生成式场景能扩大覆盖也可能带来不真实的分布。Agent AI 的版图把虚拟和物理放在一起是为了建立统一视角不是宣称两者没有差别。真正有价值的问题是哪些能力可以迁移哪些必须重新学习迁移失败时系统能不能发现并纠正。4.3 知识与推理代理知识、逻辑、情感推理和神经符号代理要在环境里行动光靠当前观察往往不够还需要外部知识。知识代理会把环境信息与知识库、常识或领域知识结合起来帮助代理理解对象、规则和任务背景。逻辑代理更关注推理过程比如约束满足、规则推导和步骤一致性。情感推理代理则把场景中的情绪、语气和集体氛围纳入判断这对人机交互很重要因为同一句话在不同情绪下可能意味着不同动作。神经符号代理是把学习型模型和符号推理结合起来的思路。通俗地说神经网络擅长从数据里抓模式符号规则擅长表达明确约束两者结合目的是让代理既能从示例里学又不至于完全变成黑匣子。这个方向听上去很合理但工程上并不轻松符号规则怎么获取模型输出怎么和规则对齐冲突时谁优先都是要解决的问题。这些代理类型和前面说的动作代理不是互斥关系。一个机器人代理可能既需要知识推理也需要情感交互一个虚拟角色可能既要做逻辑判断也要理解场景氛围。分类的价值在于拆解能力而不是给每个系统贴死标签。看一个 Agent AI 方案时先问它依赖哪类知识和推理再看它有没有对应的环境反馈会比只看“智能”两个字靠谱。4.4 应用落点游戏、机器人、医疗、多模态与自然语言任务Agent AI 的应用落点很广资料里覆盖游戏、机器人、医疗、多模态代理和自然语言任务。游戏里有非玩家角色行为、人机交互、基于代理的游戏分析和场景合成机器人里有语言模型/视觉语言模型代理医疗场景更偏信息整理和交互辅助需要人审多模态代理涉及图像-语言、视频-语言的理解与生成自然语言任务里有指令跟随代理和通用语言代理。它们共同点是代理要在环境里接收信息、做出动作、接受反馈。应用方向代理在做什么主要难点游戏控制角色行为、与玩家互动、分析场景行为自然度、长期一致性机器人理解指令和视觉场景选择操作动作真实环境噪声、动作安全医疗辅助整理信息、辅助交互流程错误成本高必须有人审图像与视频语言理解多模态内容并生成响应时空关系、环境根据性自然语言任务跟随指令、分步完成任务上下文漂移、工具使用边界从这张表能看出Agent AI 不是某个行业的专属技术而是一种系统范式把感知、语言、环境数据和动作接起来。行业差异主要落在动作空间、错误成本和数据获取方式上。游戏可以低成本试错机器人要考虑物理安全医疗辅助更要把人审放在前面。同一个代理范式到了不同场景边界完全不一样。5. 常见误区与易混区别Agent AI 不是“更会聊天的机器人”5.1 和普通聊天机器人混在一起会说话不等于会行动易混点在于两者都能用自然语言交互演示时也都能“听懂人话”。为什么容易混因为很多 Agent AI 系统前端看起来就是一个聊天框用户输入一句话系统回一段话表面差别不大。但聊天机器人的核心输出是文本或语音Agent AI 的核心输出包含环境中的具身动作文本只是交互界面的一部分。怎么区分看它有没有环境状态和动作闭环。普通聊天机器人回答完就结束Agent AI 要观察环境、选择动作、执行动作再根据动作后的状态调整。它可以解释自己为什么这么做但解释不是目的动作才是。一个系统如果只会生成计划却没有任何动作接口也没有环境反馈那更接近“会讨论行动的模型”还不是完整的 Agent AI 系统。5.2 和具身智能画等号范围其实更大易混点在于Agent AI 和具身智能都强调身体、环境和动作听起来像同一件事。为什么容易混因为很多例子确实是机器人或虚拟角色具身性很显眼。但资料里对 Agent AI 的定义更宽它涵盖多模态交互中的具身和代理两个方面既包括物理世界里的代理也包括虚拟环境和模拟场景里的代理。怎么区分可以把具身智能看成 Agent AI 版图里很重要的一块而不是全部。Agent AI 还关心知识代理、逻辑代理、情感推理、神经符号代理、语言代理等形态有些代理未必有物理身体但在虚拟环境里有位置、有动作、有反馈。反过来说一个具身系统如果只有感知和识别没有代理式的动作预测和交互闭环也不能直接等同于 Agent AI。5.3 把多模态大模型当整机模型是零件系统才是整机易混点在于多模态大模型能看图、能对话很容易被当成 Agent AI 的全部。为什么容易混因为基础模型确实是 Agent AI 的重要构建块很多能力看起来都来自模型。但 Agent AI 还需要代理模块、基础设施、动作接口、记忆、评测和反馈闭环。模型强只说明零件强系统能不能跑还要看连接和运行。怎么区分问三个问题它有没有稳定的环境观测它有没有明确的动作空间它的动作后果有没有进入下一轮如果答案都是否定的那它更像是多模态模型应用而不是代理系统。反过来一个 Agent AI 系统也未必只用一个大模型它可能组合多个模块、多种数据源和多层训练。把模型和系统分开看判断会清楚很多。5.4 把强化学习当 Agent AI学习方法和系统类别不是一回事易混点在于强化学习也讲智能体、环境、动作和奖励术语高度重叠。为什么容易混因为强化学习里的“agent”确实是一个会行动的学习者而 Agent AI 也强调代理行动。但强化学习是一种学习策略和训练框架Agent AI 是一类交互式系统领域后者可以包含强化学习也可以包含模仿学习、上下文学习、预训练和微调。怎么区分看讨论层次。说“用强化学习训练代理策略”说的是学习方法说“这个系统能感知多模态环境并产生具身动作”说的是系统类别。一个 Agent AI 系统可能用强化学习也可能不用一个强化学习任务也不一定具备多模态感知和复杂语言交互。把方法和系统混为一谈就会误以为只要上了强化学习就是 Agent AI。5.5 以为 grounding 能消灭幻觉缓解和解决差很远易混点在于Agent AI 强调把系统放进有根据的环境里听起来像 hallucination 问题被解决了。为什么容易混因为环境反馈确实能让一些错误暴露出来模型不能随便编一个不存在的物体还顺利执行。但“缓解”和“解决”是两回事。环境可能有噪声传感器可能缺失代理可能误读反馈生成式数据也可能带来新的偏差。怎么区分看系统有没有承认不确定性、有没有失败恢复、有没有人审和评测。grounding 能减少环境不正确输出但不能保证代理永远正确。数据隐私、偏见与包容性、可解释性、推理增强和合规审查也都是 Agent AI 系统要面对的问题。把 Agent AI 当成“幻觉后悔药”会失望把它当成一套带反馈的行动系统才能合理期待它在边界内变稳。6. 什么时候该用 Agent AI什么时候别急着上三个判断问题Agent AI 听起来很全能但并不是所有任务都值得上代理系统。一个只做文本问答、环境状态很简单、错误成本很低的场景用普通模型可能更省事。反过来任务需要持续观察环境、做出动作、根据反馈调整Agent AI 的系统视角才有价值。判断时可以先问三个问题不用一上来就讨论模型多大。6.1 先问环境有没有稳定的观测和动作接口如果环境状态无法稳定观测动作空间也说不清楚代理就很难形成可靠闭环。比如只给一段静态文本却希望系统“自己行动”那动作接口其实是虚的。相反游戏、模拟环境、结构化机器人任务通常有明确的观察和动作定义更适合做代理评测。6.2 再问错误成本错了能不能被接住错误成本低的场景可以多试错比如虚拟场景里的角色行为分析错误成本高的场景必须有人审、有回滚、有安全边界比如医疗辅助和真实机器人操作。Agent AI 能缓解环境错误但不等于零错误。把高风险任务直接交给无人监督的代理是典型的踩坑方式。6.3 最后问反馈有没有持续数据闭环代理要靠反馈改进。没有反馈系统只能停在演示层面有反馈但反馈质量差系统可能越学越偏。看一个方案时要问动作结果怎么记录、失败怎么标注、人类反馈怎么进入训练、评测指标是否覆盖环境错误。没有这些所谓“持续自我改进”很容易变成一句空话。判断问题适合上的信号不适合硬上的信号环境接口状态可观测、动作可定义状态模糊、动作无法执行错误成本可回滚、可人审、可限制影响高风险且无人监督反馈闭环有结果记录、有评测、有改进路径只有演示视频没有反馈数据我自己的血泪经验是每次评估这类方案先画一张“感知—动作—反馈”闭环图再看幻觉、隐私和可解释性最后才看模型参数。那张图画不出来后面的演示再顺也只是表演。这份综述资料的价值不在于给一个万能配方而在于把定义、分类、学习方式和应用边界放在同一张地图上适合拿来做系统梳理。从那以后我每次判断一个所谓智能代理项目都强制先走一遍这三个问题少交了不少学费。希望帮到你。本文还有配套的精品资源点击获取
简介这份由李飞飞等参与撰写的Agent AI综述PDF面向人工智能研究者、研究生及关注AGI路径的技术读者系统梳理智能代理在物理与虚拟环境中的感知、行动与交互问题。内容从Agent AI的定义与系统组成切入讨论基础模型作为具身代理构建块、跨现实数据训练、生成式AI与多源独立数据结合等议题并延伸到多模态理解、环境感知、代理响应引导及大模型幻觉缓解等方向。压缩包仅含1个PDF文件大小约50.96MB适合按章节检索与集中阅读目前已有424人浏览学习。综述还总结了计算机视觉、自然语言处理、人机交互与机器人学等跨学科支撑以及数据融合、模型泛化和高效训练等挑战并展望智能代理在虚拟场景和现实应用中的研究空间可为课题调研、论文选题与技术路线判断提供较完整的参考框架。1. 到底什么是 Agent AI先把它想成一个“会看会做”的助手Agent AI 这个词最近常被拿来和聊天机器人混在一起其实它更像一个被放进现场里的助手不只要听懂你说什么还要看见环境、记住上下文然后做出一个会改变环境的动作。放到人工智能的大图里它指的是一类交互式系统能感知视觉刺激、语言输入和其他环境数据并产生有意义的具身动作。打个比方普通问答模型像坐在电话那头的人只能给建议Agent AI 则像被派到现场的实习生要观察、判断、动手还要根据结果修正下一步。这里的“动作”不一定是机械臂虚拟角色移动、游戏里选择交互、模拟场景中的操作都算。搞懂它就能分清“模型能力”和“代理系统”的边界。2. 为什么需要 Agent AI从会回答到会行动中间差了什么2.1 只给答案的模型为什么一到真实环境就吃力大语言模型和视觉语言模型已经能处理不少语言细节也能从图像里读出一些语义但它们擅长的事情大多还停留在“给出一段输出”。真实环境不是一张静止的考卷状态会变人的意图会变动作发出去还会带来后果。一个只会回答“下一步该做什么”的模型未必知道下一步做完之后环境会怎么回应。这就是被动模型的天花板它可以描述计划却很难在动态、复杂的环境里承担代理角色。Agent AI 关注的场景里系统要理解自己的角色、理解环境约束还要做多步规划在约束下做出足够细致的决策。比如一个虚拟角色接到“把桌上的杯子收走”这类目标它得先看见桌面、判断杯子的位置、避开障碍、选择动作顺序还要在动作失败时重新规划。只靠一次文本回答很难覆盖这些环节。更麻烦的是环境不正确输出。模型可能在语言上说得通落到环境里却指向不存在的物体、错误的按钮或不合适的动作。Agent AI 把系统放进有根据的环境里训练和评测目的之一就是缓解这类幻觉和环境错误。它不是让模型“更会说”而是让模型的动作接受环境检验。这里的差别有点像纸上谈兵和上车实操纸上步骤写得再漂亮方向盘一打偏车就会告诉你哪里不对。2.2 Agent AI 补的三块短板环境 grounding、反馈闭环、动作预测Agent AI 的第一块补丁是环境 grounding。通俗地说就是让模型的判断落在具体环境上场景里有什么物体、用户做了什么动作、音频里是什么情绪、整个场景的氛围如何。资料里提到一个系统可以感知用户动作、人类行为、环境物体、音频表达和场景集体情感再用这些信息指导和调整代理响应。模型不再只依赖文字上下文而是把环境当成上下文的一部分。第二块补丁是反馈闭环。普通模型回答完就结束Agent AI 的动作会产生新状态新状态又成为下一轮输入。它可以把外部知识、多感官输入和人类反馈纳入进来通过“下一具身动作预测”不断改进行为。这个思路很像学车看后视镜、听教练提醒、感受车速再决定踩刹车还是打方向不是背完一本驾驶手册就结束。第三块补丁是动作预测。Agent AI 不只是理解世界还要输出有意义的具身动作并对“下一步动作”做预测。这里的动作可以是物理世界里的移动和操作也可以是虚拟环境里的交互和选择。动作一旦成为输出系统就必须处理动作的后果、动作的失败和动作的时序。也正因为有动作Agent AI 的评测不能只看一句话像不像而要看它在环境里是否完成了任务、是否少犯错、是否能根据反馈调整。提示把“Agent AI”当成整机系统来看再看其中的模型零件判断会清楚很多。2.3 基础模型当积木跨现实训练为什么成了关键Agent AI 之所以在这个阶段被反复提起一个重要原因是基础模型已经能当积木。语言模型和视觉语言模型提供了语言理解、视觉认知、上下文记忆和一定推理能力系统可以把它们作为创建具身代理的基本构建块。过去做一个代理系统很多模块要分别从零搭现在可以把已有的基础模型接进感知、规划和动作链路里再针对代理任务做训练和适配。另一个关键是跨现实训练。资料里强调Agent AI 提供了一个不依赖单一现实条件的训练框架借助生成式人工智能和多个独立数据源让代理在物理世界和虚拟世界中都能应用。这里的“跨现实”不是玄学而是说训练数据不只来自真实摄像头也可能来自模拟场景、生成场景和多种独立来源。对代理任务来说这很重要因为真实世界采集动作数据成本高、风险大虚拟环境能提供可重复、可控制、可大规模生成的练习场。当然基础模型不是万能插头。语言和视觉能力强不代表动作接口自然就能接上。系统还要定义状态怎么编码、动作怎么表示、记忆怎么更新、反馈怎么进入训练。Agent AI 把“基础模型”与“代理任务”之间的这层适配当成核心问题而不是假设模型一大就自动会行动。也正因如此跨现实数据、模拟到现实迁移、持续自我改进这些话题才会出现在同一张地图上。2.4 把定义拆开感知、语言、环境数据和具身动作各指什么回到定义本身Agent AI 是一类交互式系统能感知视觉刺激、语言输入和其他环境数据并产生有意义的具身动作。这个定义不长但每个词都在划边界。感知视觉刺激不只是“看见一张图”还包括理解场景里的物体、动作和空间关系语言输入不只是聊天还包括指令、目标、反馈和角色设定其他环境数据可能是音频、场景情绪、交互记录也可能是模拟环境里的状态信号。“具身动作”最容易被误解。它不一定等于机器人关节运动。虚拟环境里的角色移动、拿起物品、选择对话、改变场景同样可以看成具身动作因为动作发生在某个环境里并且会改变环境状态。资料里也明确把物理世界和虚拟世界都纳入视野还提到未来人们可以创建虚拟现实或模拟场景并与其中的代理交互。换句话说Agent AI 的“身体”可以是物理实体也可以是虚拟化身。定义要素通俗理解容易混淆的点视觉刺激看见场景里的物体、动作和关系不只是图像分类语言输入指令、目标、反馈、角色设定不只是闲聊其他环境数据音频、场景情绪、交互状态等不局限于文字和图片具身动作会改变环境状态的行动不一定是机器人动作交互式系统感知、动作、反馈形成闭环不是单次问答把这几项放在一起看Agent AI 的重点不是“模型会不会说”而是“系统能不能在环境里持续地看、做、改”。它通过下一具身动作预测把外部知识、多感官输入和人类反馈接进来让代理在环境中越来越会做事。这也是它和普通多模态模型最容易被忽略的差别后者更像一个能力很强的零件前者更像一台要跑起来的整机。3. Agent AI 怎么运转Agent Transformer、学习信号和系统零件3.1 从 LLM/VLM 到 Agent Transformer把“看和说”接到“做”Agent AI 的系统里大语言模型和视觉语言模型是常见起点但它们通常不是终点。资料里提到 Agent Transformer 的定义和创建可以把它理解成一种把多模态理解接到动作预测上的代理结构输入不只是文字还包括视觉观察、环境状态和记忆输出不只是描述而是下一步具身动作或动作相关表示。这个“接”的过程决定了模型能不能从“看懂”走到“做对”。下面是一段只表达最小闭环的伪代码不对应任何具体框架。它想说明的是代理每一步都要把观察、指令和记忆编码成状态再预测动作并把动作后果写回记忆。# 伪代码Agent AI 的最小闭环示意不对应具体框架 def agent_step(observation, instruction, memory, policy): # observation视觉、音频、环境状态等多模态观察 # instruction语言指令或目标 # memory此前交互记录帮助保持上下文 state encode_multimodal(observation, instruction, memory) # 关键不是生成一段解释而是预测下一具身动作 action policy.predict_next_embodied_action(state) # 动作会改变环境也会改变下一轮记忆 memory update_memory(memory, observation, action) return action, memory这段代码里observation是环境输入instruction是语言目标memory是上下文记忆policy是动作预测策略。encode_multimodal负责把不同模态压到同一个状态表示里predict_next_embodied_action负责给出动作update_memory负责记录动作后的新信息。逻辑重点在于闭环动作不是终点而是下一轮观察的起点。 Agent Transformer 的价值也在这里它把语言和视觉能力往动作预测上拧而不是停在文本输出。实际系统里动作表示可能很不一样。游戏代理的动作可能是移动、选择、交互机器人代理的动作可能是抓取、移动、放置模拟环境里的动作可能是改变场景参数或触发事件。Agent Transformer 不是某一个固定网络而是一类把多模态状态映射到代理动作的思路。定义和创建之所以被单独讨论是因为这一步决定了系统能不能把基础模型的能力稳定接到环境接口上而不是每次都在“会说”和“会做”之间断掉。3.2 强化学习、模仿学习与上下文学习三种学习信号怎么分工Agent AI 的学习信号不止一种。资料里提到强化学习、模仿学习、传统 RGB 输入、上下文学习和代理系统优化。它们不是互相替代的关系更像不同阶段、不同数据条件下的工具。强化学习靠奖励信号调整策略适合有明确成功标准、可以反复试错的环境模仿学习靠示范动作学习适合人类能给出操作示例、但奖励设计困难的场景上下文学习靠提示和上下文临时适应适合零样本或少样本快速上手。拿一个虚拟场景里的代理举例。要让代理学会把物品放到指定位置强化学习可以围绕“是否放对”给奖励但试错成本可能高模仿学习可以看人类演示怎么拿、怎么走、怎么放学得更直接但遇到新布局可能泛化不足上下文学习可以在不重新训练的情况下把当前场景说明和几个示例放进上下文让代理先试一轮。三种信号各有短板系统往往要把它们组合起来而不是迷信某一种。学习方式主要信号适合场景主要风险强化学习奖励和试错目标可度量、可反复练习奖励设计难试错成本高模仿学习人类或专家示范有操作示例、动作序列清晰示范偏差会被学进去上下文学习提示、示例、上下文零样本或少样本快速适应稳定性依赖上下文质量传统 RGB 输入视觉观察需要从画面理解场景只看画面不够缺少动作反馈这里的“传统 RGB”指的是以普通图像输入为主的视觉观察方式。它在很多视觉任务里很重要但代理任务不能只看画面还要看动作后的状态变化。Agent AI 的学习问题因此比纯视觉识别更复杂系统要学的不只是“这是什么”还包括“下一步做什么”“做完之后环境怎么变”“失败后怎么改”。这也是为什么资料会把策略、机制、优化和代理系统放在一起讨论。零样本和少样本也是同一逻辑下的能力。零样本代理面对新环境时靠已有基础模型和上下文直接行动少样本代理靠少量示例快速适配。它们听起来很智能但边界很清楚上下文给得含糊动作空间定义不清代理就容易做出看似合理、实际不对的动作。所谓“会行动”从来不是免费获得的它需要学习信号、环境接口和评测方式一起配合。3.3 Agent 模块与基础设施为什么它不是单个模型Agent AI 很容易被讲成一个更大的模型但资料里的系统视角更接近“整机”。代理模块、代理基础设施、零样本和少样本层面的系统设计都是让代理跑起来的部分。模块负责感知、记忆、规划、动作选择等职责基础设施负责把这些模块连接起来处理输入输出、状态流转、评测和运行环境。只盯着模型参数会漏掉系统里真正决定成败的连接件。打个比方单个模型像发动机代理系统像一辆车。发动机很重要但车能不能开还取决于传动、刹车、方向盘和仪表盘。Agent AI 里的“仪表盘”就是评测和反馈代理做了动作之后系统要知道结果如何失败在哪里下一轮怎么调整。基础设施不 flashy却决定了系统能不能稳定复现、能不能定位问题、能不能把人类反馈接进来。很多演示视频里看起来很顺的代理一到真实环境就翻车问题常常不在模型不够大而在模块之间的接口不清楚。代理基础模型还会涉及预训练和微调层面的工作。预训练让模型获得通用语言和视觉能力微调让模型更贴近代理任务和动作分布。零样本、少样本、预训练、微调这些词放在一起容易让人以为只要堆数据就行实际更像分层搭建底层是基础模型中层是代理模块和基础设施上层是具体环境和任务。每一层出问题表现都会往下掉。3.4 数据与评测人类交互数据、模型生成数据和持续自我改进Agent AI 的数据来源不止人类示范。资料里提到基于人类的交互数据和基础模型生成的数据也提到持续自我改进。人类交互数据能提供真实意图、真实反馈和真实操作习惯但采集成本高基础模型生成的数据能扩大规模、覆盖更多场景但可能把模型自己的偏差带进来。两类数据各有价值也各有风险不能简单地说生成数据越多越好。持续自我改进听起来很吸引人但它不是“模型自己越练越强”这么简单。代理要在环境里得到反馈反馈要能被转化成学习信号学习结果还要经过评测防止把偶然成功当成稳定能力。多代理游戏数据集、音视频语言预训练数据集、基准、任务、指标和评测这些内容出现在 Agent AI 的讨论里说明这个领域不只需要会演示还需要可比较的考场。没有评测代理很容易陷入“看起来会”的错觉。评测指标也要跟任务匹配。文本任务可以看答案对不对代理任务还要看动作是否完成目标、是否遵守约束、是否在失败后恢复、是否产生环境错误。一个代理在简单场景里动作流畅不代表它在复杂场景里可靠一个代理在模拟环境里得分高也不代表它能直接迁移到现实。数据、评测和持续改进应该一起看否则就会把“训练集里的熟练”误当成“环境里的能力”。4. Agent AI 的版图从游戏角色到机器人、医疗与多模态理解4.1 具身代理与交互代理动作代理、模拟环境代理分别做什么Agent AI 的版图里具身代理是很直观的一类代理在某个环境里有位置、有观察、有动作能对世界产生影响。动作代理更关注动作选择和执行比如移动、操作、交互交互代理更关注与环境中的对象、角色或用户持续互动。两者有重叠但侧重点不同。动作代理常问“下一步做什么动作”交互代理常问“怎样根据对方反应调整行为”。模拟环境和环境代理又是另一层。模拟环境提供可控、可重复、可大规模生成的状态空间让代理可以练习、评测和比较。对真实世界成本高、风险大的任务模拟环境是很自然的训练场。但模拟环境也有自己的问题模拟得再细和现实也有差距代理可能学会模拟器里的捷径到了现实就失效。这就是模拟到现实迁移要单独讨论的原因。通用代理区域则更像一个总称覆盖不同任务、不同环境里的代理能力。它不等于一个万能代理已经存在而是说研究者在探索能跨任务迁移的代理范式。资料里的分类把通用代理、具身代理、动作代理、交互代理、模拟环境代理放在同一张图里目的不是制造名词而是提醒读者Agent AI 不是一个单点技术而是多种代理形态的集合。4.2 生成式代理与跨现实虚拟场景、混合现实和模拟到现实生成式代理是另一个容易让人兴奋的方向。它不只消费已有场景还可能参与场景生成、角色行为生成和交互内容生成。资料里提到生成式代理、增强现实/虚拟现实/混合现实代理以及跨模态、跨领域、跨现实的交互代理。通俗地说代理不只是在现实世界里跑也可能在虚拟场景里被创建出来和用户在同一套模拟环境里互动。跨现实的关键在于“训练和应用不绑死在一种现实里”。代理可以在模拟场景里练习再把能力迁移到物理环境也可以把物理环境里学到的经验带回虚拟环境。模拟到现实迁移是这条线里最常被提到的难点模拟环境里的光影、物理、交互延迟和真实世界不同代理容易在细节上踩坑。要缩小差距既需要更好的模拟也需要跨现实数据和评测。这里要避免过度承诺。虚拟场景里表现好不等于现实里同样可靠生成式场景能扩大覆盖也可能带来不真实的分布。Agent AI 的版图把虚拟和物理放在一起是为了建立统一视角不是宣称两者没有差别。真正有价值的问题是哪些能力可以迁移哪些必须重新学习迁移失败时系统能不能发现并纠正。4.3 知识与推理代理知识、逻辑、情感推理和神经符号代理要在环境里行动光靠当前观察往往不够还需要外部知识。知识代理会把环境信息与知识库、常识或领域知识结合起来帮助代理理解对象、规则和任务背景。逻辑代理更关注推理过程比如约束满足、规则推导和步骤一致性。情感推理代理则把场景中的情绪、语气和集体氛围纳入判断这对人机交互很重要因为同一句话在不同情绪下可能意味着不同动作。神经符号代理是把学习型模型和符号推理结合起来的思路。通俗地说神经网络擅长从数据里抓模式符号规则擅长表达明确约束两者结合目的是让代理既能从示例里学又不至于完全变成黑匣子。这个方向听上去很合理但工程上并不轻松符号规则怎么获取模型输出怎么和规则对齐冲突时谁优先都是要解决的问题。这些代理类型和前面说的动作代理不是互斥关系。一个机器人代理可能既需要知识推理也需要情感交互一个虚拟角色可能既要做逻辑判断也要理解场景氛围。分类的价值在于拆解能力而不是给每个系统贴死标签。看一个 Agent AI 方案时先问它依赖哪类知识和推理再看它有没有对应的环境反馈会比只看“智能”两个字靠谱。4.4 应用落点游戏、机器人、医疗、多模态与自然语言任务Agent AI 的应用落点很广资料里覆盖游戏、机器人、医疗、多模态代理和自然语言任务。游戏里有非玩家角色行为、人机交互、基于代理的游戏分析和场景合成机器人里有语言模型/视觉语言模型代理医疗场景更偏信息整理和交互辅助需要人审多模态代理涉及图像-语言、视频-语言的理解与生成自然语言任务里有指令跟随代理和通用语言代理。它们共同点是代理要在环境里接收信息、做出动作、接受反馈。应用方向代理在做什么主要难点游戏控制角色行为、与玩家互动、分析场景行为自然度、长期一致性机器人理解指令和视觉场景选择操作动作真实环境噪声、动作安全医疗辅助整理信息、辅助交互流程错误成本高必须有人审图像与视频语言理解多模态内容并生成响应时空关系、环境根据性自然语言任务跟随指令、分步完成任务上下文漂移、工具使用边界从这张表能看出Agent AI 不是某个行业的专属技术而是一种系统范式把感知、语言、环境数据和动作接起来。行业差异主要落在动作空间、错误成本和数据获取方式上。游戏可以低成本试错机器人要考虑物理安全医疗辅助更要把人审放在前面。同一个代理范式到了不同场景边界完全不一样。5. 常见误区与易混区别Agent AI 不是“更会聊天的机器人”5.1 和普通聊天机器人混在一起会说话不等于会行动易混点在于两者都能用自然语言交互演示时也都能“听懂人话”。为什么容易混因为很多 Agent AI 系统前端看起来就是一个聊天框用户输入一句话系统回一段话表面差别不大。但聊天机器人的核心输出是文本或语音Agent AI 的核心输出包含环境中的具身动作文本只是交互界面的一部分。怎么区分看它有没有环境状态和动作闭环。普通聊天机器人回答完就结束Agent AI 要观察环境、选择动作、执行动作再根据动作后的状态调整。它可以解释自己为什么这么做但解释不是目的动作才是。一个系统如果只会生成计划却没有任何动作接口也没有环境反馈那更接近“会讨论行动的模型”还不是完整的 Agent AI 系统。5.2 和具身智能画等号范围其实更大易混点在于Agent AI 和具身智能都强调身体、环境和动作听起来像同一件事。为什么容易混因为很多例子确实是机器人或虚拟角色具身性很显眼。但资料里对 Agent AI 的定义更宽它涵盖多模态交互中的具身和代理两个方面既包括物理世界里的代理也包括虚拟环境和模拟场景里的代理。怎么区分可以把具身智能看成 Agent AI 版图里很重要的一块而不是全部。Agent AI 还关心知识代理、逻辑代理、情感推理、神经符号代理、语言代理等形态有些代理未必有物理身体但在虚拟环境里有位置、有动作、有反馈。反过来说一个具身系统如果只有感知和识别没有代理式的动作预测和交互闭环也不能直接等同于 Agent AI。5.3 把多模态大模型当整机模型是零件系统才是整机易混点在于多模态大模型能看图、能对话很容易被当成 Agent AI 的全部。为什么容易混因为基础模型确实是 Agent AI 的重要构建块很多能力看起来都来自模型。但 Agent AI 还需要代理模块、基础设施、动作接口、记忆、评测和反馈闭环。模型强只说明零件强系统能不能跑还要看连接和运行。怎么区分问三个问题它有没有稳定的环境观测它有没有明确的动作空间它的动作后果有没有进入下一轮如果答案都是否定的那它更像是多模态模型应用而不是代理系统。反过来一个 Agent AI 系统也未必只用一个大模型它可能组合多个模块、多种数据源和多层训练。把模型和系统分开看判断会清楚很多。5.4 把强化学习当 Agent AI学习方法和系统类别不是一回事易混点在于强化学习也讲智能体、环境、动作和奖励术语高度重叠。为什么容易混因为强化学习里的“agent”确实是一个会行动的学习者而 Agent AI 也强调代理行动。但强化学习是一种学习策略和训练框架Agent AI 是一类交互式系统领域后者可以包含强化学习也可以包含模仿学习、上下文学习、预训练和微调。怎么区分看讨论层次。说“用强化学习训练代理策略”说的是学习方法说“这个系统能感知多模态环境并产生具身动作”说的是系统类别。一个 Agent AI 系统可能用强化学习也可能不用一个强化学习任务也不一定具备多模态感知和复杂语言交互。把方法和系统混为一谈就会误以为只要上了强化学习就是 Agent AI。5.5 以为 grounding 能消灭幻觉缓解和解决差很远易混点在于Agent AI 强调把系统放进有根据的环境里听起来像 hallucination 问题被解决了。为什么容易混因为环境反馈确实能让一些错误暴露出来模型不能随便编一个不存在的物体还顺利执行。但“缓解”和“解决”是两回事。环境可能有噪声传感器可能缺失代理可能误读反馈生成式数据也可能带来新的偏差。怎么区分看系统有没有承认不确定性、有没有失败恢复、有没有人审和评测。grounding 能减少环境不正确输出但不能保证代理永远正确。数据隐私、偏见与包容性、可解释性、推理增强和合规审查也都是 Agent AI 系统要面对的问题。把 Agent AI 当成“幻觉后悔药”会失望把它当成一套带反馈的行动系统才能合理期待它在边界内变稳。6. 什么时候该用 Agent AI什么时候别急着上三个判断问题Agent AI 听起来很全能但并不是所有任务都值得上代理系统。一个只做文本问答、环境状态很简单、错误成本很低的场景用普通模型可能更省事。反过来任务需要持续观察环境、做出动作、根据反馈调整Agent AI 的系统视角才有价值。判断时可以先问三个问题不用一上来就讨论模型多大。6.1 先问环境有没有稳定的观测和动作接口如果环境状态无法稳定观测动作空间也说不清楚代理就很难形成可靠闭环。比如只给一段静态文本却希望系统“自己行动”那动作接口其实是虚的。相反游戏、模拟环境、结构化机器人任务通常有明确的观察和动作定义更适合做代理评测。6.2 再问错误成本错了能不能被接住错误成本低的场景可以多试错比如虚拟场景里的角色行为分析错误成本高的场景必须有人审、有回滚、有安全边界比如医疗辅助和真实机器人操作。Agent AI 能缓解环境错误但不等于零错误。把高风险任务直接交给无人监督的代理是典型的踩坑方式。6.3 最后问反馈有没有持续数据闭环代理要靠反馈改进。没有反馈系统只能停在演示层面有反馈但反馈质量差系统可能越学越偏。看一个方案时要问动作结果怎么记录、失败怎么标注、人类反馈怎么进入训练、评测指标是否覆盖环境错误。没有这些所谓“持续自我改进”很容易变成一句空话。判断问题适合上的信号不适合硬上的信号环境接口状态可观测、动作可定义状态模糊、动作无法执行错误成本可回滚、可人审、可限制影响高风险且无人监督反馈闭环有结果记录、有评测、有改进路径只有演示视频没有反馈数据我自己的血泪经验是每次评估这类方案先画一张“感知—动作—反馈”闭环图再看幻觉、隐私和可解释性最后才看模型参数。那张图画不出来后面的演示再顺也只是表演。这份综述资料的价值不在于给一个万能配方而在于把定义、分类、学习方式和应用边界放在同一张地图上适合拿来做系统梳理。从那以后我每次判断一个所谓智能代理项目都强制先走一遍这三个问题少交了不少学费。希望帮到你。本文还有配套的精品资源点击获取
