LLM_MultiAgents_Survey_Papers：把一篇 IJCAI 2024 綜述的參考書目，做成可持續更新的論文清單
Large Language Model based Multi-Agents: A Survey of Progress and Challenges (In IJCAI 2024)
秒懂
- 它是什麼？
- 這個倉庫不是框架、不是工具鏈，而是一份以 arXiv 連結為主的 LLM 多智能體文獻索引。它的價值取決於分類法是否合用，以及維護者是否真的按承諾更新。
- 適合誰用？
- 如果你的工作是為 LLM 多智能體專案做立項前調研，想在半天內掌握 2023 到 2024 年之間的主要脈絡，這個倉庫的分類法可以直接用；如果你要的是可執行的程式碼、可比較的基準數字，或 2025 年以後的持續追蹤，它會讓你失望，因為多數條目只有 arXiv 連結，且最近一次推送時間與清單內容之間存在明顯落差。採用前先確認三件事：倉庫是否附帶 LICENSE 檔案、News 中「每兩週更新」的承諾是否仍在執行、以及你需要的子領域是否落在五個主分類之內。
- 可以商用嗎？
- 未經許可不行。GitHub 在這個儲存庫中沒有找到授權檔案；沒有授權，預設即「保留所有權利」：你可以閱讀程式碼，但不能重複使用。使用前請看看 README，或先取得作者同意。
- 還在維護嗎？
- 有在維護。儲存庫最近一次提交在 25 天前。
- 用什麼語言寫的？
- GitHub 沒有提供這個儲存庫的主要語言。
以上回答依據專案的 GitHub 資料（最近同步於 2026年9月15日）與我們的分析，不構成法律意見。
開源專案深度解析
它解決的是文獻定位問題，不是工程問題
LLM 多智能體在 2023 年之後出現大量同名不同義的工作：有的把多個模型實例串成對話流程，有的模擬一整座小鎮的居民行為，有的則在討論多智能體系統的規模律。研究者要寫 related work，工程師要判斷某個架構是不是已經有人做過，兩邊都得先解決同一個問題：這些論文之間的關係是什麼。這個倉庫的定位就是把關係先畫出來。README 說明它把論文分成五個主線：Multi-Agents Framework、Multi-Agents Orchestration and Efficiency、Multi-Agents for Problem Solving、Multi-Agents for World Simulation、Multi-Agents Datasets and Benchmarks。這個切法同時容納了架構、效率、應用、模擬與評測，對照著讀比在 arXiv 上逐篇翻摘要省時間。它的目標讀者是正在做立項調研或撰寫文獻回顧的人，不是要找現成程式庫來 import 的人。
五個主分類底下，顆粒度其實不一致
README 的 Table of Content 顯示，五個主線之中只有 Multi-Agents for Problem Solving 與 Multi-Agents for World Simulation 再往下切子類。前者分成 Software development、Embodied Agents、Science Team for Experiment Operations、Science Debate、Database；後者分成 Society、Game、Psychology、Economy、Recommender System、Policy Making、Disease propagation Simulation。其餘三類是一條平鋪的清單。這種不對稱有它的道理：應用與模擬的差異大到需要子分類，而框架類的工作彼此之間本來就高度重疊，硬切反而失真。實際使用時要留意的是，同一篇論文可能同時屬於 Framework 與 Orchestration，清單只把它放在一處，所以按分類逐條找會漏。比較穩的做法是先把感興趣的子類整段掃過，再回頭看 Framework 清單裡有沒有同名的作者群。
條目格式：日期、作者、arXiv 連結，偶爾加一個 code 連結
清單每一條的格式相當固定，例如 Orchestration 分類下的「\[2026/04\] CORAL: Towards Autonomous Multi-Agent Evolution for Open-Ended Discovery. Ao Qu et al.」，後面接 paper 連結，部分條目再接一個 code 連結。多數條目只有 paper。這代表倉庫本身不托管程式碼，也不提供可執行範例，它是一層指向 arXiv 的索引。對讀者而言，好處是格式統一、掃描快；限制是沒有摘要、沒有標籤、沒有引用關係，無法回答「哪一篇引用了哪一篇」這類問題。如果你需要的是帶摘要與引用圖的檢索，arXiv 自己的列表或 Semantic Scholar 這類服務更合適，這個倉庫的優勢在於人工挑選與分類，而不是檢索能力。
與 IJCAI 2024 綜述的關係，以及圖片承擔的角色
倉庫首頁直接指向 arXiv 上的綜述論文 2402.01680，並放了兩張圖：LLM-MA.png 是作者整理的 LLM 多智能體架構圖，overview.png 是總覽表格。README 對這兩張圖的說明只有一句「More details can be seen in our paper」，也就是說圖只是入口，真正的分類理由與比較寫在論文裡。這個安排有個實際後果：如果你只讀倉庫不讀論文，會知道有哪些論文被歸到哪一類，但不會知道作者為什麼這樣歸。要判斷某個子分類是否可信，得回到論文對應章節。倉庫在這裡的角色是論文的補充書目，而不是獨立的方法論文件。
更新節奏的承諾與現實之間的落差
News 區塊寫著「We will update our paper list every two weeks and include all the following papers in the next version of our paper」，日期標為 2024/02。但倉庫的最近推送時間是 2026-08-21，而清單中確實出現了標記為 2025/04、2025/10、2026/04 的條目，例如 CORAL 與 CoMAS。這說明清單並非停在 2024 年，但條目分布並不均勻：2024 年上半年的條目密集，2024 年下半年到 2025 年之間出現明顯空隙。對照之下，「每兩週更新一次」這個承諾在可見的清單裡看不出被持續執行。把它當成一份有維護但不保證節奏的索引來用，比當成持續追蹤的資料來源更符合實際。
缺少授權與語言資訊，直接影響能不能放進內部流程
倉庫的 License 欄位顯示為 unknown，主要語言也顯示為 unknown，且沒有檢索到任何 release。這幾點合起來意味著：沒有可引用的授權條款、沒有版本標籤、沒有可鎖定的發佈點。如果只是個人閱讀，這些都不構成問題。但如果要把這份清單納入團隊的內部知識庫、鏡像到公司內網、或作為某個流程的固定輸入，就必須先確認倉庫是否附帶 LICENSE 檔案；在沒有明確授權的情況下，預設的著作權狀態會限制再散布。這裡不對授權做法律判斷，只指出一個可驗證的事實：在可見的倉庫資訊中，授權是未標示的。
什麼情況下該改用別的來源
如果你的目標是取得可執行的多智能體框架，這個倉庫幫不上忙。清單裡確實收錄了 AutoGen、MetaGPT、CAMEL、AgentVerse、AgentLite、OpenAgents、crewAI 這類帶程式碼的工作，但倉庫只給 arXiv 或 repo 連結，不提供安裝說明、版本相容性、API 變更記錄。要評估能不能用，得逐一點進各自的倉庫看依賴與維護狀態。另一個替代方向是直接讀綜述論文本身：論文有完整的分類論證與比較表，倉庫只有條目。反過來說，倉庫勝在條目可被逐行掃描、可被 diff，適合當成一份隨手查的書目底稿，而不是最終依據。
誰該用、誰不該用，以及先驗證什麼
適合的使用者是正在撰寫 LLM 多智能體相關文獻回顧的研究生，以及需要在立項會議上快速說明「這個方向已經有人做到哪裡」的技術主管。不適合的是要找現成框架來整合進產品的人，以及需要 2025 年之後完整覆蓋的人，因為清單在 2024 下半年到 2025 年間存在可見的空隙。採用前先做三件事：打開倉庫確認是否有 LICENSE 檔案；把 Table of Content 的五個主分類與你關心的子領域對一遍，確認沒有落空；從 Multi-Agents Datasets and Benchmarks 這一類開始讀，因為評測類工作的替換成本最低，也最容易判斷某個架構的主張是否有對應的衡量方式。
編輯結論
如果你的工作是為 LLM 多智能體專案做立項前調研，想在半天內掌握 2023 到 2024 年之間的主要脈絡，這個倉庫的分類法可以直接用；如果你要的是可執行的程式碼、可比較的基準數字，或 2025 年以後的持續追蹤，它會讓你失望，因為多數條目只有 arXiv 連結，且最近一次推送時間與清單內容之間存在明顯落差。採用前先確認三件事：倉庫是否附帶 LICENSE 檔案、News 中「每兩週更新」的承諾是否仍在執行、以及你需要的子領域是否落在五個主分類之內。若答案是否定的，直接讀 arXiv 上的綜述原文比維護這份清單更省事。
社群筆記