आप बेंचमार्क को अनुकूलित करके या एजेंट आर्किटेक्चर को अत्यधिक जटिल बनाकर कार्य की कठिनाई को बायपास नहीं कर सकते। कई फ्रेमवर्क निर्माता चतुर रूटिंग टेम्पलेट्स के माध्यम से अद्भुत सटीकता का वादा करते हैं। लेकिन हाल के शोध ने साबित किया है कि यह अधिकांशतः एक भ्रम है। OfficeQA में 13,000 एजेंट रन के आधार पर, वैज्ञानिकों ने मूल मॉडल क्षमताओं पर भारी निर्भरता की पहचान की है। विभिन्न स्कैफोल्डिंग विधियाँ 88-93% समय पर सहमत होती हैं कि AI एक विशिष्ट परीक्षण को पास करेगा या नहीं। मैं इस निष्कर्ष को पूरे ओपन-सोर्स सॉफ्टवेयर उद्योग के लिए महत्वपूर्ण मानता हूँ। हमें वैपर्स को पॉलिश करना बंद करना चाहिए और मॉडल की मूल तर्क क्षमताओं पर ध्यान केंद्रित करना चाहिए। @SentientAGI शोधकर्ताओं @iamnamanvats और Deep Halder के डेटा हमें वास्तविक स्थिति के प्रति जागरूक करते हैं।