各位佬好，目前是计算机专业的硕士，正在考虑博士阶段的研究方向，想继续做 LLM Agent，来请教一下大家。 先说一下自己的情况：做过一些多轮检索、工具调用和多 Agent 工作流，也基于 veRL / GRPO 做过一些训练实验。算是有一点算法和工程基础，但还没有形成特别明确、能持续深入的研究主线，对 Agent 和 AI 系统的结合也比较感兴趣。 现实条件是科研资源不多，导师指导相对有限，选题、找问题和做实验主要需要自己摸索。 所以比起“哪个方向最热”，更关心：在这样的条件下，哪些问题适合博士阶段持续做下去？ 目前主要在看几个方向： Agent 记忆和经验积累 ：如何保存、更新和复用经验，怎样从失败中学到可迁移的技能。 长程任务与 Agent 强化学习 ：多轮工具调用、规划、失败恢复、奖励设计等，和已有基础比较接近，但担心实验成本。 Agent 系统与效率优化 ：上下文管理、缓存复用、模型路由、执行调度等，也比较符合自己的兴趣。 自进化、Harness、多 Agent 协作这些也在了解，但还分不清哪些能提炼出扎实的研究问题，哪些更偏工程组合。 想重点请教大家三个问题： 1. 资源有限、主要靠自己推进，哪些 Agent 子方向更值得优先考虑？哪些比较依赖团队积累、大规模训练或者昂贵的实验环境，不适合贸然入坑？ 2. 有没有适合从复现开始，逐步发现问题、做出可靠实验，再发展成博士主线的切入点？ 相比一个很大的方向名称，更想知道具体可以先研究什么问题。 3. 做研究或实际落地的佬，现在遇到哪些反复出现、还没有被很好解决的问题？ 也想听听踩坑经历，比如哪些题目看起来有意思，做了才发现评测不可靠、成本太高，或者效果主要来自底座模型而不是自己的方法。 不一定局限于上面几个方向，也欢迎指出我的思路有什么问题。希望找到的是一条 成本能承受、实验能落地、能够持续积累 的研究路线，而不是一直追着热门词跑。 目标是想发顶刊顶会。 不知道各位大佬有什么推荐的，给小弟我指点指点迷津。感激不尽！ 5 个帖子 - 4 位参与者 阅读完整话题

  • 情报分类：技术学习与提效
  • 分类依据：内容涉及技术、AI、软件工具或工程实践
  • 信息来源：服务器 / LINUX DO - 最新话题
  • 发布时间：2026/9/20 15:13:59