Görev zorluğunu, performans testlerini optimize ederek veya ajan mimarilerini aşırı karmaşıklaştırarak atlayamazsınız. Çok sayıda çerçeve oluşturucu, akıllı yönlendirme şablonları aracılığıyla inanılmaz doğruluk vaat ediyor. Ancak son araştırmalar, bunun büyük ölçüde bir illüzyon olduğunu kanıtlıyor. OfficeQA'da 13.000 ajan çalıştırması temel alınarak bilim insanları, temel model yeteneklerine büyük bir bağımlılık tespit etti. Farklı iskele yöntemleri, AI'nın belirli bir testi geçip geçmeyeceğini %88-93 oranında aynı şekilde değerlendiriyor. Bu sonucu, tüm açık kaynak yazılım endüstrisi için kritik buluyorum. Artık sarmalayıları iyileştirmekten ziyade, modellerin temel akıl yürütme yeteneklerine odaklanmalıyız. @SentientAGI araştırmacılarının @iamnamanvats ve Deep Halder verileri, durumun gerçek halini bize açıyor.