陈沛 / 文OpenAI 近期接连发布了两项与 AI 智能体（Agent）相关的磋磨甘休，永诀是智能体的测试基准 MLE-Bench 和多智能体相助框架 Swarm。

OpenAI 的发布激发了好多热心和商讨，也将东谈主们的视野又拉回到了大约自行分析、计较、方案、实行的智能体上。

实质上，统统 AI 诈欺限制本年在智能体赛谈一经取得了好多施展，绝顶是模子的函数调用才智和智能体框架一经日趋熟谙。

其中，模子的函数调用才智关于智能体自行分析问题并实行实质任务至关攻击，能匡助智能体准确完成发送邮件、提交文档、比价下单等实质任务。

对此好意思国加州大学伯克利分校本年建议了 BFCL 测试名次榜，从多个维度评估模子的函数调用才智，包括 Single Turn 和 Multi Turn、Non-Live 和 Live、AST 回顾和 Exec 回顾、幻觉评估、模子资本和延长等。

该名次榜的测试难度相比大，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 系列模子的测试甘休最高唯有 50 多分。

不外，好意思国 AI 公司 Writer 不久前刚刚通知其新发布的 Palmyra X 004 模子取得了 78 分的高分。Writer 重心普及了新模子调用外部数据库和诈欺活动并接纳活动的才智、取得 SKU 数据并与内置 RAG 自动集成的才智、代码生成与部署才智、结构化输出和实行才智（包括邮件、CRM、XML、日记等），从而权贵增强了函数调用才智。

固然这一初步甘休还莫得崇拜参加 BFCL 测试名次榜单，然而一经标明，要进一步提高函数调用才智不仅触及模子自己，还条款关于实质诈欺诞生和果真业务场景的理会有者更长远的理会。

与此同期，智能体的各种自动化框架此前一经有了一些早期的推行，主要聚焦匡助模子理会环境、计较推理、实行任务的器用框架和相助经由。

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才智，OpenAI 便重心分析了由 WecoAI 诞生的 AIDE 框架、在 MLAgentBench 技俩中建议的 MLAB 框架以及由多家机构诞生的 OpenHands 框架。

跟着函数调用才智和智能体自动化框架逐渐鼓励，本年来一经有各个细分限制的智能体公司竞相暴露。

投资过好多 AI 公司的老牌投资机构 Felicis Ventures 不久前成心盘货了各个垂直限制和职能标的的智能体，都一经出现了有代表性的公司。

举例客服限制的 Sierra、销售限制的 11x、营销限制的 Jasper、招聘限制的 Mercor、法务限制的 Harvey、运营限制的 Brevian、合规限制的 Norm Ai、税务限制的 taxgpt 以及房产限制的 reAlpha。

在实质中，关联限制和其它行业的 AI 智能体还有更多，正出现百花都放的态势。在这波 AI 海潮下，AI 诈欺并不会局限于聊天机器东谈主，而智能体可能才是更相宜的居品步地和付费模式。