超越Agent、世界模型，Meta团队提出“神经计算机”

背景：智能体的演进与瓶颈

近年来，AI智能体（Agent）技术迅猛发展，尤其在大语言模型（LLM）驱动下，涌现出如Anthropic的MCP、OpenAI的Agents SDK和谷歌A2A协议等代表性成果。然而，当前智能体多为LLM能力的“封装”，在真实复杂环境中仍暴露出推理规划薄弱、长期记忆缺失、世界建模不准确、自主进化受限及安全对齐不足等核心问题。

• LLM驱动的智能体局限
  依赖LLM进行决策的智能体缺乏对环境动态的深度理解，难以预测动作后果，导致盲目执行与低效试错。

• 传统世界模型的缺陷
  现有Agent常依赖独立模拟器进行世界建模，难以内化真实环境规律，且成本高、泛化性差。

• 安全与评估体系滞后
  随着智能体能力增强，现有评估方式未能涵盖其多维度交互特性，安全机制亦未能同步演进。

核心技术：从达尔文哥德尔机到神经计算机

Meta团队提出“神经计算机”这一新范式，标志着智能体架构从单纯语言推理迈向具备预测、规划、反思与自进化的综合认知系统。

达尔文哥德尔机（DGM）

• DGM是一种开放式算法系统。
• 它允许模型通过经验搜索并采纳能提升性能的代码改进方案。
• 不依赖预设规则或人类编写优化逻辑，实现真正的自进化能力。

隐式世界建模与自我反思

• 模型在训练阶段就进行“思维演练”，预测动作带来的未来状态。
• 无需独立模拟器，通过学习“点击提交后出现提示”等动作因果，增强环境理解。
• 通过隐式建模，智能体能更准确地预判行为结果，提升决策质量。

Test Time Compute（TTC）

• GPTo1引入TTC概念，通过推理时的计算深度提升智能表现。
• Meta进一步提出：这种计算深度可前置至训练阶段。
• 在训练中模拟多步推理与行为后果，使智能体具备更强的“前瞻性”。

认知架构：多模块协同的智能系统

论文提出Foundation Agent作为智能体的新范式，强调其为一个复杂系统，整合七大核心模块：

1. 认知核心（Cognitive Core）
   负责高层次推理、规划与决策，集成逻辑、因果与常识推理能力，支持元认知与动态策略调整。

2. 多层记忆系统（Multilayer Memory System）
   包括短期、工作与长期记忆，涵盖情景、语义与程序记忆，支持持续学习与高效检索。

3. 感知系统（Perception System）
   支持多模态输入理解，如视觉、语音、文本，构建对环境的综合感知。

4. 行动系统（Action System）
   将决策转化为具体动作，支持复杂任务的执行与反馈闭环。

5. 奖励与价值系统（Reward & Value System）
   内建目标导向机制，使智能体能根据环境反馈评估自身行为的价值与效用。

6. 情绪与动机系统（Emotion & Motivation System）
   借鉴心理学模型，模拟内在驱动力，增强智能体的目标持久性与主动性。

7. 自进化机制（Self-Evolution Mechanism）
   智能体能自主提出假设、设计实验、分析数据并优化策略，实现持续提升。

影响：开启智能体新纪元与多智能体系统演进

Foundation Agent 的提出，不仅是技术架构的革新，更是智能体研究从“功能型封装”迈向“认知型实体”的关键跃迁。

• 科学探索的潜在突破
  自进化能力使智能体可在物理、生物、化学等领域辅助科研，例如自动设计实验、优化算法逻辑。

• 多智能体协作与竞争（MAS）
  多个Foundation Agent可通过协作与竞争形成群体智能，模拟复杂社会系统与任务协同。

• MAS评估体系革新
  传统benchmark难以适应多智能体交互复杂性，论文提出应评估协同规划效率、信息传递质量与群体决策能力。

• 推动AI研究范式转变
  Foundation Agent将智能体从LLM“封装”升级为具有自主学习、持续进化、复杂认知的系统性框架。

安全与挑战：构建可控的智能体生态

在智能体能力提升的同时，其潜在风险也随之增加。Meta团队与全球20个顶尖机构共同强调：

• 安全对齐（Safe Alignment）
  确保智能体行为符合人类价值观，防止偏离目标或产生有害行为。

• 自进化可控性问题
  自主学习可能引入不可预测的变化，需建立机制控制进化路径与范围。

• 技术与资源门槛
  多模块协同系统对算力、数据与工程实现提出更高要求。

• 评估体系尚未成熟
  当前缺乏对认知能力、记忆系统、协作机制等维度的统一评估标准。

• 跨学科协作需求
  需认知科学、神经科学、计算机科学与伦理学等多学科共同推进。

展望：从研究议程到未来现实

这篇综述论文不仅是对当前智能体研究的系统反思，更是一份高瞻远瞩的研究议程。它描绘了一个由认知驱动、多智能体协作、具备自进化与安全机制的未来智能生态系统。

• 从封装到系统化智能
  Foundation Agent标志着智能体不再是LLM的延伸，而是具备复杂认知结构的独立智能系统。

• 构建真正通用智能体的路径
  强调记忆、感知、价值、情绪与行动等模块的整合，推动智能体迈向通用性。

• 通往AGI的关键一步
  通过隐式建模与TTC深度计算，智能体开始具备“预判”与“思考”能力，逐步接近通用智能特征。

尽管技术挑战巨大，Meta与Mila等机构的研究为智能体的发展指明了方向，预示着AI将从“被动推理”迈向“主动认知”，进入真正的“神经计算”时代。