迈向自适应物理AI：LLM智能体能否管理长时域物理任务？

大语言模型（LLM）智能体为实现无需人工干预的长周期物理任务自主管理提供了有前景的路径。然而，物理任务要求智能体持续观测环境、采取关键性行动，并在环境变化时保持有效性。现有方法或需大量数据和重新训练，或主要聚焦于虚拟世界中的智能体运行。本文探索构建一种零样本的自适应物理AI智能体，以管理长周期物理任务，并在无人工干预下适应环境变化。我们设计了一个多智能体框架，整合了规划、工具调用、观测与验证模块，并在不同天气模式下农业任务上，与强化学习（RL）智能体进行对比评估。结果表明，在相同天气条件下，零样本LLM智能体能实现与RL智能体相当的管理效果，且在环境发生偏移时表现出更强的适应能力，凸显了自适应物理AI智能体的可行路径。