AI Agent、传统聊天机器人有何区别？如何评测？这篇30页综述讲明白了

AI Agent 正在从 “会对话” 进化为 “会行动”，推动人工智能迈向更智能、更自主、更有价值的下一个时代。而如何科学评测 AI Agent，是驱动这一切的关键。如果读者你也关心如何评测新颖的 AI Agent，我们的综述值得一读。​

论文作者包括来自上海交通大学的朱家琛、芮仁婷、单榕、郑琮珉、西云佳、林江浩、刘卫文、俞勇、张伟楠，以及华为诺亚研究所的朱梦辉、陈渤、唐睿明。

本文第一作者是朱家琛，上海交通大学博士生，主要研究兴趣集中在大模型推理，个性化 Agent。本文通讯作者是张伟楠，上海交通大学教授，研究方向包含强化学习、数据科学、机器人控制、推荐搜索等。

自从 Transformer 问世，NLP 领域发生了颠覆性变化。大语言模型极大提升了文本理解与生成能力，成为现代 AI 系统的基础。而今，AI 正不断向前，具备自主决策和复杂交互能力的新一代 AI Agent 也正加速崛起。

不同于以往只会对话的 LLM 机器人，AI Agent 能够接入互联网、调用各类 API，还能根据真实环境反馈灵活调整策略。AI Agent 因此具备了感知环境和自主决策的能力，已经突破了传统 “问答模式” 的限制，能够主动执行任务、应对各种复杂场景，真正成为用户身边可靠的智能助手。

在这股 AI Agent 浪潮中，每个人都可以有属于自己的 AI Agent。而如何衡量自己的 AI Agent 是否足够强大呢？海量的 Agent 评测方式层出不穷，你是否挑得眼花缭乱？如何在这千军万马中挑选出最适合你的测评方式呢？作为 AI Agent 的开发者，你是否也在思考该从哪个角度来提升你的 “秘密武器”，在这场激烈的 AI Agent 大战中脱颖而出？

因此，这引出了一个顺理成章的问题：

AI Agent 到底和传统聊天机器人有何本质区别？又该如何科学评测 AI Agent？