Ein neuer Benchmark-Test von Sierra zeigt, dass selbst fortschrittliche Sprachmodelle wie GPT-4o bei komplexen Aufgaben in realistischen Szenarien noch Schwierigkeiten haben und eine Erfolgsquote von unter 50 Prozent erreichen. Der Test namens TAU-bench soll Entwicklern helfen, die Leistung von KI-Agenten in realitätsnahen Situationen zu bewerten, indem er Faktoren wie mehrfache Interaktionen und komplexe Aufgaben berücksichtigt.
Die ehemalige Meta-Ingenieure Fryderyk Wiatrowski und Peter Albert haben einen KI-Agenten namens Jace entwickelt, der Aufgaben im Browser selbstständig erledigen soll wie etwa eine Hotelbuchung.
STORM ist ein KI-System, das Wikipedia-ähnliche Artikel von Grund auf schreiben kann, indem es das Internet durchsucht und in einem zweistufigen Prozess zunächst einen Entwurf mit Gliederung und Referenzen erstellt und anschließend den vollständigen Artikel mit Zitaten. Quelle: Hacker News
Die Idee hinter Skyvern: Man gibt der KI einen Auftrag in natürlicher Sprache und sie macht sich selbstständig an die Arbeit. Quelle: Hacker News