论文页面 - LLMs are General Asynchronous Agents

来源：https://huggingface.co/papers/2609.35427

摘要

现代 LLM 作为自主智能体的能力日益增强，但它们遵循的是顺序式交互循环：读取、思考、回复或调用工具，然后重复。许多真实世界的用例并非顺序式的：语音助手、具身智能体以及监控系统在思考或执行其他任务时，会不断接收新的输入。现代 LLM 通过专用架构来应对这些问题，例如面向语音交互和视频流的专用架构、用于机器人控制的 VLA、面向 API 使用的异步工具调用等。在本工作中，我们从不同的异步任务出发进行泛化，提出能够适应不同并发类型的通用异步智能体。为此，我们开发了一个异步 LLM 框架，允许用户（或智能体自身）定义具有重叠记忆状态的推理协程。我们展示了 Qwen3.x 系列模型能够在流式视频理解、视频游戏和监控等场景中进行异步操作，且无需针对特定任务进行训练。

查看 arXiv 页面 (https://arxiv.org/abs/2609.35427)查看 PDF (https://arxiv.org/pdf/2609.35427)项目页面 (https://dvmazur.github.io/async_llm)GitHub4 (https://github.com/dvmazur/async_llm)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.35427)

在你的智能体中获取这篇论文：

hf papers read 2609.35427

还没有最新版 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型0

暂无模型链接到本文

在模型的 README.md 中引用 arxiv.org/abs/2609.35427 即可将本文链接到此页面。

引用本文的数据集0

暂无数据集链接到本文

在数据集的 README.md 中引用 arxiv.org/abs/2609.35427 即可将本文链接到此页面。

引用本文的 Space0

暂无 Space 链接到本文

在 Space 的 README.md 中引用 arxiv.org/abs/2609.35427 即可将本文链接到此页面。

包含本文的合集0

暂无包含本文的合集

将本文添加到合集 (https://huggingface.co/new-collection) 以将本文链接到此页面。