从聊天机器人到数字同事：迈向持久自主人工智能的范式转变

Hugging Face Daily Papers 论文
large-language-models ai-agents reasoning tool-use persistent-ai autonomous-systems

摘要

本文概念化了大语言模型从对话式聊天机器人向持久自主AI同事的转变，重点关注通过工作区和技能范式实现的改进推理与工具增强型任务执行。

大语言模型（LLMs）正在经历一场根本性转变：从对话式生成器转变为具备推理、行动、记忆和自我改进能力的集成AI系统。我们将这一转变概念化为从聊天机器人到数字同事的迁移：从对话式答案转向持久性工作。我们沿着两个紧密耦合的维度来组织这一转变。首先，在认知核心层面，LLMs正在从聊天机器人时代由下一个词预测驱动的“快速思考”系统，演进为利用推理时计算、思维链推理、反思、过程监督和强化学习的思考型LLM，以支持更审慎、更可靠的认知。其次，在工具增强任务执行层面，LLMs正从以临时方式调用外部资源的工具调用型Agent，发展为配备持久工作区、技能、验证循环和治理机制的OpenClaw式工作站系统（OpenClaw）。“工作区+技能”这一范式通过状态持久性、可重用流程、任务闭环和经验重用，使偶发性的工具使用变得同事化。我们还考察了数据构建从指令-响应对到状态-动作-观测轨迹的转变，以及评估从静态基准到沙盒化、可审计、自我演进的AI生态系统的演变。
查看原文
查看缓存全文

缓存时间: 2026/06/15 09:05

论文页面 - 从聊天机器人到数字同事：迈向持久自主AI的范式转变

来源：https://huggingface.co/papers/2606.14502 作者：

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

摘要

大型语言模型正在从对话系统演进为具备增强推理能力和持久工作环境的集成化AI同事。

大型语言模型 (https://huggingface.co/papers?q=Large%20Language%20Models) 正在经历从对话生成器到集成AI系统的根本性转变，这些系统具备推理、行动、记忆和自我改进能力。我们将这一转变概念化为从Chatbot (https://huggingface.co/papers?q=Chatbot) 到Digital Colleague (https://huggingface.co/papers?q=Digital%20Colleague) 的跃迁：从对话式回答到持久性工作。我们沿着两个紧密耦合的维度来组织这一转变。首先，在认知核心层面，LLM正从Chatbot (https://huggingface.co/papers?q=Chatbot) 时代由下一词元预测驱动的“快速思维”系统，向Thinking LLMs (https://huggingface.co/papers?q=Thinking%20LLMs) 演进，后者利用推理时计算 (https://huggingface.co/papers?q=inference-time%20computation)、思维链推理 (https://huggingface.co/papers?q=Chain-of-Thought%20reasoning)、反思 (https://huggingface.co/papers?q=reflection)、过程监督 (https://huggingface.co/papers?q=process%20supervision) 和强化学习 (https://huggingface.co/papers?q=reinforcement%20learning) 来支持更具深思熟虑且可靠的认知。其次，在工具增强的任务执行层面，LLM正从临时调用外部资源的工具调用型Agent (https://huggingface.co/papers?q=tool-calling%20Agents) 向配备持久化Workspaces (https://huggingface.co/papers?q=Workspaces)、技能 (https://huggingface.co/papers?q=skills)、验证循环和治理机制的OpenClaw (https://huggingface.co/papers?q=OpenClaw) 风格工作站系统 (OpenClaw (https://huggingface.co/papers?q=OpenClaw)) 迈进。“Workspace + Skill”范式通过状态持久化、可复用流程、任务闭环和经验复用，使得偶发性的工具使用变得像同事协作一样自然。我们考察了数据构建从指令-响应对向State-Action-Observation轨迹 (https://huggingface.co/papers?q=State-Action-Observation%20trajectories) 的转变，以及评估从静态基准到沙盒化、可审计、自我演化的AI生态系统 (https://huggingface.co/papers?q=self-evolving%20AI%20ecosystems) 的演进。

查看arXiv页面 (https://arxiv.org/abs/2606.14502) 查看PDF (https://arxiv.org/pdf/2606.14502) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.14502)

在你的Agent中获取此论文：

hf papers read 2606\.14502

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

引用该论文的模型0

没有模型关联此论文

请在模型README.md中引用 arxiv.org/abs/2606.14502 以将其链接至本页面。

引用该论文的数据集0

没有数据集关联此论文

请在数据集README.md中引用 arxiv.org/abs/2606.14502 以将其链接至本页面。

引用该论文的Spaces0

没有Space关联此论文

请在Space README.md中引用 arxiv.org/abs/2606.14502 以将其链接至本页面。

包含该论文的收藏集0

没有收藏集包含此论文

请将此论文添加到收藏集 (https://huggingface.co/new-collection) 以将其链接至本页面。

相似文章