IXThinker·2025-01-27 16:00

智能體實測最多完成24%任務 營運公司仍艱難

CMU、杜克大學等機構發布The Agent Company基準，讓智能體嘗試自主營運一家軟件公司，結果給「智能體取代人類勞動」的樂觀預期潑了一盆冷水。

基準設計

該基準將軟件公司的日常營運拆解為一系列真實任務，讓多個基於大模型的智能體自主完成，用以檢驗其能否應對現實世界的複雜性與協作要求。