计算机科学 > 人工智能
[提交于 2025年7月7日
]
标题: 探索代理型人工智能系统:迈向类型学框架
标题: Exploring Agentic Artificial Intelligence Systems: Towards a Typological Framework
摘要: 人工智能(AI)系统正在超越被动工具,成为能够推理、适应并在最小人类干预下行动的自主代理。 尽管它们的存在日益增多,但缺乏一个结构化的框架来对这些系统进行分类和比较。 本文开发了一种代理型人工智能系统的类型学,引入了八个维度,以序数结构定义其认知和环境代理特性。 通过多阶段的方法论方法,我们构建并完善了这一类型学,随后通过人机混合方法进行评估,并进一步提炼为构造类型。 该框架使研究人员和从业者能够分析人工智能系统中不同水平的代理能力。 通过提供对人工智能能力演进的结构化视角,该类型学为评估现有系统和预测代理型人工智能的未来发展奠定了基础。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.