AI智能體的炒作與現實：GPT-4都撐不起，現實任務成功率不到15%

AIGC動態歡迎閱讀

原標題：AI智能體的炒作與現實：GPT-4都撐不起，現實任務成功率不到15%
關鍵字：智能,任務,現實,模型,上下文
文章來源：機器之心
內容字數：5195字

內容摘要：

機器之心報道
編輯：亞鸝AI 智能體的宣傳很好，現實不太妙。隨著大語言模型的不斷進化與自我革新，性能、準確度、穩定性都有了大幅的提升，這已經被各個基準問題集驗證過了。
但是，對于現有版本的 LLM 來說，它們的綜合能力似乎并不能完全支撐得起 AI 智能體。多模態、多任務、多領域儼然已成為 AI 智能體在公共傳媒空間內的必須要求，但是在具體的功能實踐中所展現的真實效果卻差強人意，這似乎也再次提醒各個 AI 智能體初創公司以及大型科技巨頭認清現實：腳踏實地一點，先別把攤子鋪得太大，從 AI 增強功能開始做起。
近日，一篇就 AI 智能體在宣傳和真實表現上的差距而撰寫的博客中，強調了一個觀點：「AI 智能體在宣傳上是個巨人，而現實卻很不妙。」
不可否認的是，自主 AI 智能體能夠執行復雜任務的前景已經引起極大的興奮。通過與外部工具和功能的交互，LLMs 可以在沒有人為干預的情況下完成多步驟的工作流程。
但現實證明，這比預期的要更具挑戰性。
WebArena 排行榜（一個真實可復現的網絡環境，用于評估實用智能體的性能）對 LLM 智能體在現實任務中的表現進行了基準測試，結果顯示即使是表現最好的

原文鏈接：AI智能體的炒作與現實：GPT-4都撐不起，現實任務成功率不到15%