开云「中国集团」Kaiyun·官方网站-登录入口！

欧洲杯体育

陈沛 / 文OpenAI 近期接连发布了两项与 AI 智能体（Agent）相关的推测戒指，辞别是智能体的测试基准 MLE-Bench 和多智能体协作框架 Swarm。

OpenAI 的发布激发了许多热心和盘问，也将东说念主们的视野又拉回到了有时自行分析、计较、方案、扩充的智能体上。

履行上，悉数 AI 哄骗边界本年在智能体赛说念依然取得了许多弘扬，畸形是模子的函数调用才气和智能体框架依然日趋熟练。

其中，模子的函数调用才气关于智能体自行分析问题并扩充履行任务至关遑急，能匡助智能体准确完成发送邮件、提交文档、比价下单等履行任务。

对此好意思国加州大学伯克利分校本年忽视了 BFCL 测试排名榜，从多个维度评估模子的函数调用才气，包括 Single Turn 和 Multi Turn、Non-Live 和 Live、AST 追念和 Exec 追念、幻觉评估、模子资本和蔓延等。

该排名榜的测试难度相比大，举例 OpenAI 的 GPT-4 系列模子、Anthropic 的 Claude-3.5 系列模子、谷歌的 Gemini-1.5 系列模子的测试戒指最高惟有 50 多分。

不外，好意思国 AI 公司 Writer 不久前刚刚文牍其新发布的 Palmyra X 004 模子取得了 78 分的高分。Writer 要点提高了新模子调用外部数据库和哄骗体式并接受行径的才气、取得 SKU 数据并与内置 RAG 自动集成的才气、代码生成与部署才气、结构化输出和扩充才气（包括邮件、CRM、XML、日记等），从而显赫增强了函数调用才气。

诚然这一初步戒指还莫得认真参预 BFCL 测试排名榜单，可是依然标明，要进一步提高函数调用才气不仅触及模子本人，还条目关于履行哄骗开辟和真确业务场景的泄漏有者更深远的泄漏。

与此同期，智能体的各类自动化框架此前依然有了一些早期的实践，主要聚焦匡助模子泄漏环境、计较推理、扩充当务的用具框架和协作历程。

举例在此次 OpenAI 的 MLE-Bench 中，为了评估智能体在机器学习工程任务上的才气，OpenAI 便要点分析了由 WecoAI 开辟的 AIDE 框架、在 MLAgentBench 技俩中忽视的 MLAB 框架以及由多家机构开辟的 OpenHands 框架。

跟着函数调用才气和智能体自动化框架冉冉推动，本年来依然有各个细分边界的智能体公司竞相线路。

投资过许多 AI 公司的老牌投资机构 Felicis Ventures 不久前特意盘货了各个垂直边界和职能地点的智能体，都依然出现了有代表性的公司。

举例客服边界的 Sierra、销售边界的 11x、营销边界的 Jasper、招聘边界的 Mercor、法务边界的 Harvey、运营边界的 Brevian、合规边界的 Norm Ai、税务边界的 taxgpt 以及房产边界的 reAlpha。

在履行中欧洲杯体育，关连边界和其它行业的 AI 智能体还有更多，正出现百花皆放的态势。在这波 AI 波涛下，AI 哄骗并不会局限于聊天机器东说念主，而智能体可能才是更符合的居品模式和付费模式。