Vous ne pouvez pas contourner la difficulté de la tâche en optimisant des benchmarks ou en surcompliquant les architectures d’agents. De nombreux créateurs de frameworks promettent une précision incroyable grâce à des modèles de routage ingénieux. Mais des recherches récentes prouvent que c’est largement une illusion. Sur la base de 13 000 exécutions d’agents dans OfficeQA, des scientifiques ont identifié une forte dépendance aux capacités du modèle de base. Les différentes méthodes de scaffolding s’accordent à 88 à 93 % sur la question de savoir si l’IA réussira un test spécifique. Je considère cette conclusion comme essentielle pour toute l’industrie du logiciel open source. Nous devons cesser de polir les enveloppes et nous concentrer sur les capacités fondamentales de raisonnement des modèles. Les données des chercheurs de @SentientAGI @iamnamanvats et Deep Halder nous ouvrent les yeux sur la réalité des faits.