清华团队领衔打造，首个AI agent系统性基准测试问世
2023/9/7 10:05:55 阅读：42 发布者：
尽管当前 AI 智能体研究异常火热，但目前 AI 行业缺乏一个系统化和标准化的基准来评估 LLMs 作为代理的智能水平。研究结果显示，顶级商业语言模型（如 GPT-4）在复杂环境中表现出色，与开源模型之间存在显著优势。为此，研究团队建议，有必要进一步努力提高开源 LLMs 的学习能力。相关研究论文以“AgentBench: Evaluating LLMs as Agents”为题，已发表在预印本网站 arXiv 上。另外，相关数据集、环境和集成评估包也已发布在 GitHub 上。（DOI:arXiv:2308.03688）
转自：“鲸锐学术”微信公众号
如有侵权，请联系本站删除！
