迈向自适应物理 AI：LLM 智能体能否管理长时程物理任务？
摘要：大型语言模型（LLM）智能体为在无人干预下自主管理长期物理任务提供了一条有前景的路径。然而，物理任务要求智能体持续观察环境、做出具有后果的行动，并在环境变化时保持有效性。现有方法要么需要大量数据和重新训练，要么主要关注在虚拟世界中运行的智能体。在这项工作中，我们探索了构建一个自适应物理 AI 智能体的可行性，该智能体能够以零样本方式管理长期物理任务，并在无人干预的情况下适应环境变化。我们设计了一个多智能体框架，集成了规划、工具调用、观察和验证，并在不同天气模式下针对农业任务将其与强化学习（RL）智能体进行了评估。我们的结果表明，在相同天气模式下，零样本 LLM 智能体能够实现与 RL 智能体相当的管理效果，并且在环境发生变化时，其适应能力优于 RL，凸显了通向自适应物理 AI 智能体的一条有前景的路径。