热点

Meta 推出 Gaia2 评估平台:提升智能体在真实场景中的适应能力

字号+ 作者:牛骥同槽网 来源:产品资讯 2026-11-23 我要评论(0)

Meta 推出 Gaia2 评估平台:提升智能体在真实场景中的适应能力

在智能体性能评估领域,如何有效地测试其在真实场景中的表现一直是一个亟待解决的问题。尽管市场上已经有多个评估基准试图解决这一问题,但 Meta 的研究人Me员认为,当前的方法仍然不足以真实地反映智能体的适应能力。因此,Meta 推出了一个新的评估平台 ——Agents Research Environment(AtaRE)和一个全新的基准模型 Gaia2,以帮助评估智能体在实际应用中的表现。

ARE 的设计初衷是创建一个与现实世界相似的环境,使得智能体能够在其中进行交互。该 推环境中的任务是异步进行的,时间也在不断推移,智能体必须在这种动态约束下调整和执行其任务。ARE 的核心要素包括状态保持的 API 接口应用、环境集、事件、通知出 和场景等,用户可以根据自己的需求自定义测试场景。

Gaia2作为 ARE 的重要组成部分,侧重于测评智能体在复杂环境中的能力。与之前的 Gaia1基准不同,GaiaGa2不再仅仅关注智能体找到答案的能力,而是评估它们在面对不断变化的条件、截止日期、API 故障以及模糊指令时的表现。此外,Gaia2还支持多种协议,如 Agiaent2Agent,以评估智能体之间的协作能力。

Gaia2的评估过程是异步的,即使智能体处于闲置状态,时间依然在流逝,这使得它能够测量智能体在接收2 到新事件时的响应能力。通过在移动环境中进行的1120个任务测试,当前的评估显示,OpenAI 的 GPT-5在 Gaia2基准上表现出色,位居领先。

除了 M评估eta 的 Gaia2,市场上还有其他一些尝试提供真实环境测试的评估平台,比如 Hugging Face 的 Yourbench、Salesforce 的 MCPEval 和平台 Inclusion AI 的 Inclusion Arena。这些平台各有侧重,但 Gaia2特别关注智能体的适应能力和处理突发事件的能力,为企业提供了另一种评估智能:提体表现的有效方式。

官方博客:https://ai.meta.com/research/publications/are-scaling-up-agent升智-environments-and-evaluations/

划重点:

Meta 推出了新的 Agents Research Environment(ARE)和能体 Gaia2基准,以提高智能体在真实世界中的适应能力。  

Gaia2着重评估智能体在面对变化条件和不确定性的情况下的表现,与之前的基准相比在真更具实用性。  

🤖 Gaia2的评估方法异步进行,并测试智能体在收到新事件时的反应能力,当前 OpenAI 的 GPT-5在测试中表现优异。

1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。

相关文章
  • 谷歌Deepmind称解决蛋白质折叠难题 或加速药物研发

    谷歌Deepmind称解决蛋白质折叠难题 或加速药物研发

    2026-06-23

  • 特斯拉上海研发中心和数据中心将于近期投入使用

    特斯拉上海研发中心和数据中心将于近期投入使用

    2026-05-31

  • 鍙伴�鏉ヨ�涓嶅彲鎬曪紝浜哄伐鏅鸿兘鏃╁凡璁╂垜浠�煡宸辩煡褰�

    鍙伴�鏉ヨ�涓嶅彲鎬曪紝浜哄伐鏅鸿兘鏃╁凡璁╂垜浠�煡宸辩煡褰�

    2026-07-05

  • AI 解决数据中心的工作负载管理挑战

    AI 解决数据中心的工作负载管理挑战

    2026-09-16

网友点评