← 返回项目索引
LLM Agent 优化综述
LLM-Agent-Optimization
ACM Computing Surveys 接收论文配套列表，系统探讨 LLM Agent 优化技术，划分为参数驱动/无参数/数据集与基准/应用四大类别，收录 200+ 篇论文。
1. 它在图谱里的角色
为什么把它列入复查队列
LLM-Agent-Optimization 属于 LLM Agent 优化综述，在 Self Evolve 图谱中是 文献综述 这一类机制的来源可追踪样本。 读者应优先检查它把自进化问题落到哪些可检查的工程环节：生成、反馈、评估、记忆、搜索、编排或训练数据闭环。
2. 进化机制
它如何产生改进信号
当前归档的机制链是：文献综述。阅读时应优先确认三件事：改进对象是什么，反馈信号来自哪里，评估是否能阻止退化。
文献综述Agent优化参数优化无参数优化
3. 教学用法
可以如何用于教学或复查
可以把它当作 LLM Agent 优化综述 的案例卡来教学，但教学重点应放在“目标任务 -> 反馈来源 -> 改动策略 -> 评估指标 -> 失败模式”五步，而不是把它当作质量背书。
4. 工程表面
技术栈与可运行性线索
主要语言是 Markdown，记录的技术栈包括：Markdown、学术文献管理。许可证记录为 NOASSERTION，最近活跃日期为 2026-01-01。
5. 证据链
从原始材料到分析
站内数据保留了 GitHub 源、局部镜像路径和公开报告路径。这里的证据链优先说明“材料从哪里来、我们如何归类、哪里还没有复现”，而不是替原项目做最终质量裁决。
- GitHub: https://github.com/YoungDubbyDu/LLM-Agent-Optimization
- Local mirror:
repos/youngdubbydu__llm_agent_optimization - Source report: site/public/reports/projects/36-llm-agent-optimization.md
- Published report path: /reports/projects/36-llm-agent-optimization/
6. 读者问题
继续深挖时问什么
- 这个项目的评估信号能否稳定复现，还是只在 demo 中成立？
- 它改进的是 prompt、工具、记忆、代码、策略、数据，还是完整 agent 组织？
- 失败样本会不会被保存，并在下一轮产生行为改变？
- 它和同类项目相比，多出来且可复查的机制是什么？