LLMAgentPapers: eine kuratierte Literaturliste zu LLM-Agenten und ihre Grenzen als Planungsinstrument

Ein Literaturverzeichnis, kein Agenten-Framework

Das Repository trägt den Titel Must-read Papers on LLM Agents und enthält, soweit aus dem README hervorgeht, ausschließlich Verweise auf wissenschaftliche Arbeiten. Es gibt kein ausführbares Modul, keine Installationsanleitung, keine Konfigurationsdateien. Die einzige Interaktion besteht darin, das Repository zu klonen oder im Browser zu lesen und den arXiv-Links zu folgen. Wer nach einer Bibliothek sucht, mit der sich ein Agent bauen lässt, wird hier nicht fündig. Der Nutzen liegt in der Vorauswahl: Die Maintainer haben Arbeiten nach Themen gruppiert, sodass ein Einstieg in ein Teilgebiet ohne eigene Literatursuche möglich ist. Das ist ein bescheidener, aber konkreter Wert, der klar von dem abgegrenzt werden muss, was das Repository nicht leistet.

Die thematische Gliederung und was sie über die Forschungslandschaft verrät

Das README gliedert die Einträge in Overview, Agent, Multiple Agents, Application, Framework und Others. Der Abschnitt Agent ist weiter unterteilt in Personality, Memory, Planning, Tool use und RL training. Multiple Agents trennt Task-Oriented Communication von Casual/Open Conversations, wobei die task-orientierte Kommunikation nochmals in Collaborative Exchanges und Adversarial Interactions zerfällt. Diese Struktur ist selbst eine Aussage über das Forschungsfeld: Sie behandelt Gedächtnis, Planung und Werkzeugnutzung als getrennte Problemklassen, obwohl sie in realen Systemen miteinander verzahnt sind. Der Abschnitt Overview listet zehn Surveys, darunter A Survey on Large Language Model based Autonomous Agents und The Rise and Potential of Large Language Model Based Agents. Diese Surveys sind der sinnvollste Einstiegspunkt, weil sie den Kontext liefern, den eine reine Linkliste nicht bieten kann.

Wie man die Liste tatsächlich nutzt

Es gibt keine Kommandozeilenwerkzeuge. Der übliche Weg ist ein git clone des Repositories, etwa git clone https://github.com/zjunlp/LLMAgentPapers.git, gefolgt vom Öffnen der README.md. Alternativ lässt sich die Datei direkt auf GitHub lesen. Die Einträge folgen einem einheitlichen Muster: Titel in Fettschrift, darunter die Autorinnen und Autoren, dann ein oder mehrere Links, meist auf arXiv, und ein Datum. Ein Beispiel aus dem Abschnitt Overview ist der Eintrag zu Interactive Natural Language Processing mit dem Link https://arxiv.org/abs/2305.13246 und der Angabe 2023.5. Dieses Muster wiederholt sich durchgängig. Wer die Liste in eigene Werkzeuge einlesen will, muss die README parsen; ein strukturiertes Format wie BibTeX oder JSON wird im vorliegenden Material nicht angeboten. Das erschwert die maschinelle Weiterverarbeitung und ist ein praktischer Nachteil gegenüber Datenbanken wie Semantic Scholar.

Was die Liste nicht leistet: Bewertung, Aktualität und Vollständigkeit

Die Einträge enthalten keine Qualitätsbewertung, keine Zusammenfassung und keine Einordnung, ob eine Arbeit reproduzierbar ist. Ein Paper erscheint in der Liste, weil es aufgenommen wurde, nicht weil es geprüft wurde. Die Aktualität ist ebenfalls ein Problem: Der Abschnitt News nennt als jüngsten Eintrag den 5. September 2026 für den letzten Push und einen Preprint von März 2026 mit dem Titel Harness Engineering for Language Agents. Ob die Liste danach weiter gepflegt wurde, lässt sich aus dem Material nicht ableiten. Ein weiterer Punkt: Die Themen-Tags umfassen unter anderem agent, multiagent-systems und paper-list, aber das Repository enthält keinen Code, der diese Konzepte implementiert. Wer die Liste als Ersatz für eine systematische Literaturrecherche verwendet, riskiert, Arbeiten zu übersehen, die nicht aufgenommen wurden. Die Auswahl ist kuratiert und damit zwangsläufig selektiv.

Beitragen und Lizenz: MIT mit Einschränkungen

Das README enthält einen Abschnitt Contribution mit dem Unterpunkt Contributing to this paper list, allerdings wird im vorliegenden Auszug nicht beschrieben, welchen formalen Regeln ein Beitrag folgen muss. Es gibt keine Vorlage, kein CONTRIBUTING.md und keine Angabe, wie ein Pull Request aussehen soll. Die Lizenz ist MIT, angezeigt über ein Badge im README und einen Link auf opensource.org/licenses/MIT. Das bedeutet: Der Inhalt darf kopiert, verändert und weitergegeben werden, solange der Copyright-Hinweis und der Lizenztext beibehalten werden. Für die Paper selbst gilt diese Lizenz nicht; die Rechte liegen bei den jeweiligen Autorinnen und Autoren beziehungsweise den Verlagen. Wer die Liste in ein eigenes Produkt einbettet, muss das beachten. Eine rechtliche Beratung ist das nicht, aber der Hinweis auf die Trennung zwischen Repository-Lizenz und Paper-Rechten ist wichtig.

Alternative: Awesome-AgenticLLM-RL-Papers und der Unterschied im Zuschnitt

Das README verweist selbst auf andere Listen, darunter Prompt4ReasoningPapers und KnowledgeEditingPapers, beide aus derselben Organisation. Ein inhaltlich näher liegendes Alternativprojekt ist Awesome-AgenticLLM-RL-Papers, das im Eintrag zu The Landscape of Agentic Reinforcement Learning for LLMs als code-Link auftaucht. Der Unterschied liegt im Zuschnitt: LLMAgentPapers deckt ein breites Spektrum von Personality über Memory bis Application ab, während die RL-Liste sich auf ein einziges Verfahren konzentriert. Wer sich für Reinforcement Learning als Trainingsmethode für Agenten interessiert, findet dort eine tiefere, aber schmalere Auswahl. Umgekehrt fehlt in LLMAgentPapers eine vergleichbar detaillierte Aufschlüsselung der RL-Literatur. Die Wahl hängt also davon ab, ob ein Überblick über das Gesamtfeld oder eine Vertiefung in eine Methode gesucht wird.

Wartung, Aktualisierungskosten und wer davon profitieren kann

Die Wartung obliegt den Maintainern der Organisation zjunlp. Es gibt keine Angabe zu Release-Zyklen, keine versionierte Ausgabe und keine automatische Prüfung, ob die verlinkten arXiv-Einträge noch verfügbar sind. Die Kosten für Nutzende entstehen beim Nachvollziehen der Links: Wer zwanzig Papers aus dem Abschnitt Planning lesen will, lädt zwanzig PDFs herunter und prüft zwanzig Mal, ob die Arbeit noch dem aktuellen Stand entspricht. Das ist kein Nachteil, der dem Repository anzulasten ist, aber es ist der Aufwand, den die Liste nicht abnimmt. Der Nutzen liegt in der Vorauswahl und der thematischen Sortierung. Wer diesen Aufwand scheut, sollte zu einem Survey greifen, der die Einordnung bereits leistet, etwa die im Abschnitt Overview gelisteten Arbeiten. Die Liste ist ein Startpunkt, kein Ersatz für die Lektüre.

Redaktionelles Fazit

Wer eine thematisch sortierte Einstiegsbibliografie zu LLM-Agenten sucht, findet hier eine brauchbare Grundlage, vorausgesetzt, die Papers werden über die angegebenen arXiv-Links selbst verifiziert. Wer ein installierbares Framework, Codebeispiele oder reproduzierbare Benchmarks erwartet, ist hier falsch. Vor der Nutzung sollte geprüft werden, ob die Liste noch aktiv gepflegt wird, da der letzte Commit vom September 2026 datiert und der jüngste Eintrag ein Preprint aus dem März 2026 ist; die MIT-Lizenz erlaubt die Weitergabe, verlangt aber die Beibehaltung des Copyright-Hinweises.

Offizielle Quellen

1. Issues
2. README
3. zjunlp/LLMAgentPapers on GitHub