AI智能体的炒作与现实：GPT-4都撑不起，现实任务成功率不到15%

AIGC动态欢迎阅读

原标题：AI智能体的炒作与现实：GPT-4都撑不起，现实任务成功率不到15%
关键字：智能,任务,现实,模型,上下文
文章来源：机器之心
内容字数：5195字

内容摘要：

机器之心报道
编辑：亚鹂AI 智能体的宣传很好，现实不太妙。随着大语言模型的不断进化与自我革新，性能、准确度、稳定性都有了大幅的提升，这已经被各个基准问题集验证过了。
但是，对于现有版本的 LLM 来说，它们的综合能力似乎并不能完全支撑得起 AI 智能体。多模态、多任务、多领域俨然已成为 AI 智能体在公共传媒空间内的必须要求，但是在具体的功能实践中所展现的真实效果却差强人意，这似乎也再次提醒各个 AI 智能体初创公司以及大型科技巨头认清现实：脚踏实地一点，先别把摊子铺得太大，从 AI 增强功能开始做起。
近日，一篇就 AI 智能体在宣传和真实表现上的差距而撰写的博客中，强调了一个观点：「AI 智能体在宣传上是个巨人，而现实却很不妙。」
不可否认的是，自主 AI 智能体能够执行复杂任务的前景已经引起极大的兴奋。通过与外部工具和功能的交互，LLMs 可以在没有人为干预的情况下完成多步骤的工作流程。
但现实证明，这比预期的要更具挑战性。
WebArena 排行榜（一个真实可复现的网络环境，用于评估实用智能体的性能）对 LLM 智能体在现实任务中的表现进行了基准测试，结果显示即使是表现最好的

原文链接：AI智能体的炒作与现实：GPT-4都撑不起，现实任务成功率不到15%