微软研究人员发现AI模型和智能体无法处理长时间运行的任务
微软研究人员进行的一项新研究表明，当前的大语言模型（LLM）在执行多步骤工作流时会产生严重错误，即使是前沿模型在20次交互中平均丢失25%的文档内容。研究提出了DELEGATE-52基准测试，覆盖52个专业领域，发现只有Python编程领域达到“就绪”阈值。使用工具以智能体方式运行模型反而导致性能更差。
微软研究人员发现AI模型和智能体无法处理长时间运行的任务
本文仅提供摘要
根据来源内容权限，本站仅提供编辑摘要、要点和原文链接。
微软研究人员进行的一项新研究表明，当前的大语言模型（LLM）在执行多步骤工作流时会产生严重错误，即使是前沿模型在20次交互中平均丢失25%的文档内容。研究提出了DELEGATE-52基准测试，覆盖52个专业领域，发现只有Python编程领域达到“就绪”阈值。使用工具以智能体方式运行模型反而导致性能更差。
根据来源内容权限，本站仅提供编辑摘要、要点和原文链接。