2.3 LLM驱动AI智能体系统及其行业应用综述

  • 类型：arxiv
  • 标识：2505.16120
  • 链接：https://arxiv.org/abs/2505.16120
  • 主题：agent, engineering, evaluation, llm-infra, multimodal, rag, risk
  • 主分类：agent
  • 形态：survey
  • 被引：33
  • 被引来源：Semantic Scholar
  • S2被引：33
  • OpenAlex被引：0
  • 影响力被引：2
  • TLDR：This paper comprehensively examines the evolution of agent systems from the pre-LLM era to current LLM-powered architectures, categorizing agent systems into software-based, physical, and adaptive hybrid systems, highlighting applications across customer service, software development, manufacturing automation, personalized education, financial trading, and healthcare.
  • OpenAlex ID：W4416447704
  • OpenAlex DOI：10.48550/arxiv.2505.16120
  • DOI：10.48550/arxiv.2505.16120
  • DOI来源：OpenAlex
  • 开放获取：green
  • 开放获取链接：https://arxiv.org/pdf/2505.16120
  • OpenAlex更新：2026-07-19
  • TLDR中文：本文系统梳理了 Agent 系统从 pre-LLM 时代到当前 LLM 驱动架构的演进，将其划分为软件型、物理型与自适应混合型，并突出展示了其在客户服务、软件开发、制造自动化、个性化教育、金融交易和医疗等领域的应用。
  • 待LLM分类：否
  • 来源文件：
  • /inbox/jay/2026-06-12-llm-agent-systems-research.md
  • [S2 enrich]
  • [OpenAlex backfill]

可复用信息

    1. 细粒度基准缺失（turn-level 评估稀缺）
    • 在 τ²-bench（零售和电信领域）上做数值分析
  • 可信度评估： ⭐⭐⭐⭐⭐（ArXiv 2026.02，GenSE 2026 衍生工作，理论+实验结合）
  • 后续行动建议： 补充 τ²-bench 链接；建议与 AgentLeak 文章联动阅读（均关注 Agent 系统级挑战）
  • 建议分类： LLM-Agent / Uncertainty-Quantification / Evaluation / Benchmark
  • 标题： LLM-Powered AI Agent Systems and Their Applications in Industry
  • 链接： https://arxiv.org/abs/2505.16120 （HTML版：https://arxiv.org/html/2505.16120v2）

写作用途

  • 可放入 RAG / 知识库 / 检索增强相关工作的对比段。
  • 可用于 Agent 架构、记忆、工具调用或多智能体研究背景。
  • 可用于多模态推理、视觉语言模型或长上下文多模态问题定义。
  • 可用于系统实现、实验平台或工程约束说明。
  • 可用于局限性、风险、失效模式和未来工作。

待补齐

  • BibTeX / 正式引用格式
  • 方法与实验设置细节
  • 与现有工作的差异点
  • 是否有代码和数据集