Awesome LLM-based Multi-Agents Papers

Awesome LLM-based Multi-Agents Papers集合旨在汇集和总结基于大型语言模型（LLM）的多智能体（Multi-Agent）相关的研究成果。这一领域的研究主要关注如何利用大型语言模型来提高多智能体系统的性能和效率，探索这些系统在各种场景下的应用，包括软件开发、团队协作、世界模拟、问题解决，以及数据集和基准测试的创建。

以下是一些典型应用场景的简介：

1. 多智能体框架：研究如何构建和优化多智能体系统架构，以及如何利用LLM增强系统的通信和决策能力。这对于设计复杂的智能系统和改善现有系统极为关键。
2. 多智能体协调和效率：专注于如何通过多智能体之间的有效协作来提升整体系统效率，特别是在资源有限或需同时解决多个任务时。
3. 问题解决：探索如何利用多智能体系统解决特定领域问题，例如软件开发中的自动编码、测试、优化等；科学研究中的实验设计和数据分析；以及更广泛的应用，如管理和政策制定。
4. 世界模拟：研究如何利用多智能体系统对现实世界的复杂系统进行模拟和分析，包括经济系统、社会互动、游戏理论以及疾病扩散等。
5. 数据集和基准测试：创建新的数据集和基准测试，以评估和比较不同的LLM基多智能体系统的性能，推动这一领域的研究和发展。