您现在的位置是:热点 >>正文
Meta 推出 Gaia2 评估平台:提升智能体在真实场景中的适应能力
热点16581217人已围观
简介...
在智能体性能评估领域,如何有效地测试其在真实场景中的表现一直是一个亟待解决的问题。尽管市场上已经有多个评估基准试图解决这一问题,但 Meta 的研究人Me员认为,当前的方法仍然不足以真实地反映智能体的适应能力。因此,Meta 推出了一个新的评估平台 ——Agents Research Environment(taARE)和一个全新的基准模型 Gaia2,以帮助评估智能体在实际应用中的表现。
ARE 的设计初衷是创建一个与现实世界相似的环境,使得智能体能够在其中进行交互。该 推环境中的任务是异步进行的,时间也在不断推移,智能体必须在这种动态约束下调整和执行其任务。ARE 的核心要素包括状态保持的 API 接口应用、环境集、事件、通知和场出 景等,用户可以根据自己的需求自定义测试场景。
Gaia2作为 ARE 的重要组成部分,侧重于测评智能体在复杂环境中的能力。与之前的 Gaia1基准不同,Gaia2不Ga再仅仅关注智能体找到答案的能力,而是评估它们在面对不断变化的条件、截止日期、API 故障以及模糊指令时的表现。此外,Gaia2还支持多种协议,如 Ageniat2Agent,以评估智能体之间的协作能力。
Gaia2的评估过程是异步的,即使智能体处于闲置状态,时间依然在流逝,这使得它能够测量智能体在接收到新事件时2 的响应能力。通过在移动环境中进行的1120个任务测试,当前的评估显示,OpenAI 的 GPT-5在 Gaia2基准上表现出色,位居领先。
除了 Meta 的 Ga评估ia2,市场上还有其他一些尝试提供真实环境测试的评估平台,比如 Hugging Face 的 Yourbench、Salesforce 的 MCPEval 和 Inclus平台ion AI 的 Inclusion Arena。这些平台各有侧重,但 Gaia2特别关注智能体的适应能力和处理突发事件的能力,为企业提供了另一种评估智能体表现:提的有效方式。
官方博客:https://ai.meta.com/research/publications/are-scaling-up-agent升智-environments-and-evaluations/
划重点:
Meta 推出了新的 Agents Research Environment(ARE)和能体 Gaia2基准,以提高智能体在真实世界中的适应能力。
Gaia2着重评估智能体在面对变化条件和不确定性的情况下的表现,与之前的基准相比在真更具实用性。
🤖 Gaia2的评估方法异步进行,并测试智能体在收到新事件时的反应能力,当前 OpenAI 的 GPT-5在测试中表现优异。
Tags:
相关文章
DeepMind激起千层浪的这篇论文,并非无所不能
热点本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。 本文对DeepMind近期的神经网络求解MIP(混合整数规划)的论文进行了一些初步解读。事实上,相较于此领域近期的类似工作...
【热点】
阅读更多标签: 九安智能 招股书 物联网 智能硬件
热点云梦级12月26日云梦级消息,广东九安智能科技股份有限公司(简称:“九安智能”)日前递交招股书,准备在深交所创业板上市。九安智能是一家智能视觉产品制造商、物联网运营服务商和物联网技术方案提供商,以视觉...
【热点】
阅读更多Pinterest 推出 AI 购物助手,助你挑选时尚穿搭
热点Pinterest 近日宣布推出一款全新的 AI 购物助手,旨在为用户提供个性化的时尚搭配建议。这一功能将于周四开始逐步推出,用户可以与这个视觉平台进行对话,询问购物或搜索相关内容。AI 助手会根据用...
【热点】
阅读更多