YeasierAgent: A New Paradigm for Symbiotic Agent-Native Applications

•共生代理可以利用混合架構，結合大型雲端語言模型（LLM）提供進階功能，並使用小型本地語言模型（SLLM）處理敏感數據，以確保隱私保護。
•此範式將大型語言模型與即時優化算法整合，能夠在數值精確的任務中提供有界的不確定性引導，並實現自適應的即時控制，這對於建構可信賴的通用人工智慧（AGI）驅動網路至關重要。
•透過迭代數據合成和任務執行，共生代理方法能夠實現大型與小型語言模型之間的相互增強，其中小型模型探索多樣化的策略以豐富大型模型的訓練數據。
•共生代理原生應用程式的正式化旨在解決統一 AI 代理在不同環境中無縫整合認知、規劃和互動的挑戰。
•與傳統的整合平台即服務（iPaaS）或簡單自動化工具不同，代理原生平台專為動態、由 LLM 驅動的工作流程設計，提供 SDK 優先的整合、以用戶為中心的 OAuth 和基於模式的動作，以實現穩健的外部工具互動。

AgentSymbiotic 框架：實現大型語言模型（LLM）與小型語言模型（SLLM）之間的迭代合作，以實現相互增強。
- 大型 LLM 生成高品質的軌跡數據用於蒸餾。
- 蒸餾後的小型 LLM 探索多樣化策略，豐富數據集。
- 知識蒸餾：採用推測性數據合成（Speculative Data Synthesis）以減輕離策略偏差（off-policy bias），並利用多任務學習（Multi-Task Learning）來維持 SLLM 的推理能力。
- 隱私保護混合模式：當偵測到敏感（私人）資訊時，自動將決策委託給本地 SLLM 處理；否則，利用雲端 LLM 的進階功能。
用於 AGI 驅動網路的共生代理：結合 LLM 與即時優化算法。
- 輸入層優化器：為數值精確的任務提供有界的不確定性引導。
- 輸出層優化器：在 LLM 監督下，實現自適應的即時控制。
- 效率：小型語言模型（SLM）在某些任務中能達到相似的準確性，同時大幅減少 GPU 資源開銷（高達 99.9%）並實現近即時循環（82 毫秒）。
- 可信賴性：這種協同作用對於彌合通往 AGI 級決策和可信賴性之間的差距至關重要，因為優化器提供了 LLM 單獨缺乏的正式安全保證。

未來的應用程式將以社交嵌入式、意圖驅動的代理為核心，而非傳統的圖形使用者介面。

YeasierAgent 提出的範式將焦點從設備耦合軟體轉向協作式、意圖驅動的環境，並以代理和場景取代固定的圖形佈局，預示著人機互動模式的根本性轉變。

共生代理原生應用程式將顯著提升 AI 系統的隱私保護和資源效率。

透過結合大型雲端 LLM 和本地小型 LLM 的混合模式，以及將 LLM 與優化算法結合，此範式能在處理敏感數據時確保隱私，並在維持準確性的同時大幅降低計算資源消耗。

AI 代理將從孤立的工具轉變為能夠提供情感陪伴和實用工具執行的多功能協作者。

YeasierAgent 在單一體驗沙盒中統一了情感陪伴與實用工具執行屬性，這將使 AI 代理在個人和專業領域提供更全面、更具社交性的計算體驗。

2023-03

ReAct 論文發表，探索 LLM 結合推理與行動以與外部環境互動。

2025-07

論文介紹「共生代理」作為可信賴 AGI 驅動網路的新範式，結合 LLM 與即時優化算法。

2025

AgentSymbiotic 框架提出，實現大型與小型 LLM 的共生合作以增強網路代理能力。

2026-01

關於 AI 代理系統架構、應用與評估的綜合性調查論文發表，概述了快速發展的 AI 代理格局。

2026-04

提出 AI 代理執行環境 GAAP，旨在保障用戶數據隱私和安全。

2026-06

ArXiv AI 發表文章，介紹 YeasierAgent 作為共生代理原生應用程式的新範式。

YeasierAgent：共生代理原生應用程式的新範式