（原标题：新V不雅国外：巨匠AI智能体正干预黄金发缓期）

陈沛/文 OpenAI近期接连发布了两项与AI智能体（Agent）关联的斟酌恶果，辩认是智能体的测试基准MLE-Bench和多智能体合作框架Swarm。

OpenAI的发布激发了好多关怀和商议，也将东说念主们的视野又拉回到了八成自行分析、揣度、有筹画、履行的智能体上。

履行上，统统这个词AI期骗畛域本年在智能体赛说念还是取得了好多施展，颠倒是模子的函数调用智商和智能体框架还是日趋闇练。

其中，模子的函数调用智商关于智能体自行分析问题并履行履行任务至关遑急，能匡助智能体准确完成发送邮件、提交文档、比价下单等履行任务。

对此好意思国加州大学伯克利分校本年建议了BFCL测试排名榜，从多个维度评估模子的函数调用智商，包括Single Turn和Multi Turn、Non-Live和Live、AST转头和Exec转头、幻觉评估、模子本钱和延长等。

该排名榜的测试难度比拟大，举例OpenAI的GPT-4系列模子、Anthropic的Claude-3.5系列模子、谷歌的Gemini-1.5系列模子的测试戒指最高独一50多分。

不外，好意思国AI公司Writer不久前刚刚文告其新发布的Palmyra X 004模子取得了78分的高分。Writer要点晋升了新模子调用外部数据库和期骗要领并接受行径的智商、获得SKU数据并与内置RAG自动集成的智商、代码生成与部署智商、结构化输出和履行智商（包括邮件、CRM、XML、日记等），从而显赫增强了函数调用智商。

诚然这一初步戒指还莫得崇敬干预BFCL测试排名榜单，关联词还是标明，要进一步提高函数调用智商不仅波及模子自己，还条款关于履行期骗建立和果然业务场景的蚁集有者更真切的蚁集。

与此同期，智能体的各样自动化框架此前还是有了一些早期的实践，主要聚焦匡助模子蚁集环境、揣度推理、履行任务的用具框架和合作历程。

举例在此次OpenAI的MLE-Bench中，为了评估智能体在机器学习工程任务上的智商，OpenAI便要点分析了由WecoAI建立的AIDE框架、在MLAgentBench花式中建议的MLAB框架以及由多家机构建立的OpenHands框架。

跟着函数调用智商和智能体自动化框架迟缓鼓吹，本年来还是有各个细分畛域的智能体公司竞相表示。

投资过好多AI公司的老牌投资机构Felicis Ventures不久前有益清点了各个垂直畛域和职能标的的智能体，都还是出现了有代表性的公司。

举例客服畛域的Sierra、销售畛域的11x、营销畛域的Jasper、招聘畛域的Mercor、法务畛域的Harvey、运营畛域的Brevian、合规畛域的Norm Ai、税务畛域的taxgpt以及房产畛域的reAlpha。

在履行中，量度畛域和其它行业的AI智能体还有更多，正出现百花都放的态势。在这波AI波澜下，AI期骗并不会局限于聊天机器东说念主，而智能体可能才是更恰当的产物形态和付费模式。