一个新框架旨在简化日益复杂的自主人工智能领域，为开发者提供指南，帮助他们驾驭众多可用的工具和模型。来自多个机构的研究人员合作进行了这项研究，该研究根据自主框架的重点领域和权衡取舍对其进行分类。其目标是帮助开发者为其特定应用选择最合适的工具和策略。

该研究解决了一个日益严重的问题：自主人工智能工具和框架的快速扩张使得开发者难以选择正确的资源。这种困惑可能导致构建人工智能系统的延误和效率低下。该框架为企业团队重新定义了挑战，将重点从简单地选择模型转移到做出架构决策。这些决策包括确定如何分配训练预算、保持模块化以及平衡成本、灵活性和风险。

研究人员确定了对自主框架进行分类的两个主要维度：智能体适应和工具适应。智能体适应涉及修改支撑自主系统的基础模型。这可以通过更新智能体的内部参数或策略来实现，例如通过微调或强化学习等方法。另一方面，工具适应侧重于智能体如何与外部工具或API交互和利用。

研究人员表示，理解这些维度对于开发者至关重要。通过考虑智能体和工具适应之间的权衡，开发者可以就使用哪些框架做出更明智的决策。例如，如果开发者需要一个能够学习和适应新环境的人工智能系统，他们可能会优先考虑智能体适应。或者，如果他们需要一个能够有效利用各种外部资源的人工智能系统，他们可能会专注于工具适应。

该框架的影响超越了技术领域。随着自主人工智能变得越来越普遍，理解其能力和局限性将变得越来越重要。该框架为政策制定者和公众提供了一个有价值的工具，可以参与有关自主人工智能的伦理和社会影响的知情讨论。该研究于2025年12月发表。