您無法透過優化基準測試或過度複雜化代理架構來繞過任務難度。 許多框架創建者聲稱透過巧妙的路由模板實現驚人的準確率。 但最近的研究證明，這在很大程度上是一種幻覺。 基於 OfficeQA 中的 13,000 次代理運行，科學家們發現其高度依賴基礎模型的能力。 不同的支架方法在判斷 AI 是否能通過特定測試時，有 88–93% 的一致率。 我認為這一結論對整個開源軟體產業至關重要。 我們必須停止打磨包裝層，而應專注於模型的根本推理能力。 @SentientAGI 研究人員 @iamnamanvats 和 Deep Halder 的數據讓我們看清了現實狀況。