AI在线 AI在线

OpenAI 朝 AI 第 3 阶段迈进,正招募人才组建“多智能体”团队

OpenAI 在发布 o1 AI 模型之后,下一步会怎么走?该公司研究员诺姆・布朗(Noam Brown)在 X 平台给出了答案,组建“多智能体”multi-agent 研究团队。根据 OpenAI 公布五级量表,最新推出的 o1 模型处于第二阶段,即所谓的“推理者”(reasoners),而开发 multi-agent 符合第三阶段的目标要求。OpenAI 的五级量表如下:第一级:聊天机器人,具有会话语言的人工智能第二级:推理者,解决人类水平问题的人工智能第三级:智能体,能够代表用户采取行动的人工智能第四级:创新

OpenAI 在发布 o1 AI 模型之后,下一步会怎么走?该公司研究员诺姆・布朗(Noam Brown)在 X 平台给出了答案,组建“多智能体”multi-agent 研究团队。

根据 OpenAI 公布五级量表,最新推出的 o1 模型处于第二阶段,即所谓的“推理者”(reasoners),而开发 multi-agent 符合第三阶段的目标要求。

OpenAI 朝 AI 第 3 阶段迈进,正招募人才组建“多智能体”团队

OpenAI 的五级量表如下:

第一级:聊天机器人,具有会话语言的人工智能

第二级:推理者,解决人类水平问题的人工智能

第三级:智能体,能够代表用户采取行动的人工智能

第四级:创新者,能够帮助发明的人工智能

第五级:组织者,能够完成组织工作的人工智能

OpenAI 和布朗认为 multi-agent 系统是提高人工智能能力的必经之路。布朗在 X 上表示:“我们认为 multi-agent 是通往更好的人工智能推理的道路”。

OpenAI 朝 AI 第 3 阶段迈进,正招募人才组建“多智能体”团队

图源:MYLLM.tw

AI在线援引 The Information 报道,OpenAI 一直在开发两类用于自动执行复杂任务的人工智能代理:

主要控制设备,在文件之间传输数据或完成复杂报告:

侧重于基于网络的任务,如收集公共数据或预订航班。

谷歌也在开发 multi-agent

谷歌 DeepMind 也在优先开发 AI Agent。该公司首席执行官德米斯-哈萨比斯(Demis Hassabis)预计,这类系统可在一到两年内投入使用。

他在接受彭博社采访时说:“我对这些大型通用模型的下一阶段感到非常兴奋。你知道,我认为我们接下来要看到的,也许是今年,也许是明年,是更多类似 Agents 的行为”。

multi-agent 简介

多智能体系统是由大型语言模型驱动,并以特定方式连接的多个独立智能体组成的复杂系统。每个智能体都配置有独立的提示词、大型语言模型(LLM)以及相应的工具。

该系统的设计旨在促使不同智能体之间实现高效的协同合作,从而共同完成任务。通过这种协同作业模式,系统为解决复杂问题提供了更为灵活和强大的解决方案。

OpenAI 朝 AI 第 3 阶段迈进,正招募人才组建“多智能体”团队

相关资讯

Disrupting Tradition! New Multi-Agent Framework OWL Gains 17K Stars, Surpassing OpenAI to Pioneer a New Era of Intelligent Collaboration

With the rapid development of large language models (LLMs), single agents have revealed many limitations when dealing with complex real-world tasks. To address this issue, a new multi-agent framework named Workforce and an accompanying training method called OWL (Optimized Workforce Learning) were jointly introduced by institutions such as Hong Kong University and camel-ai. Recently, this innovative achievement achieved an accuracy rate of 69.70% on the authoritative benchmark test GAIA, not only breaking the record for open-source systems but also surpassing commercial systems like OpenAI Deep Research..
6/17/2025 9:03:21 PM
AI在线

Multi-Token突破注意力机制瓶颈,Meta发明了一种很新的Transformer

当上下文包含大量 Token 时,如何在忽略干扰因素的同时关注到相关部分,是一个至关重要的问题。 然而,大量研究表明,标准注意力在这种情况下可能会出现性能不佳的问题。 标准多头注意力的工作原理是使用点积比较当前查询向量与上下文 Token 对应的键向量的相似性。
4/4/2025 6:23:00 PM
机器之心

​Meta 发布 Multi-SpatialMLLM:引领多模态 AI 的空间理解革命

科技巨头 Meta 与香港中文大学的研究团队联合推出了 Multi-SpatialMLLM 模型,这一新框架在多模态大语言模型(MLLMs)的发展中取得了显著进展,尤其是在空间理解方面。 该模型通过整合深度感知、视觉对应和动态感知三大组件,突破了以往单帧图像分析的限制,为更复杂的视觉任务提供了强有力的支持。 近年来,随着机器人和自动驾驶等领域对空间理解能力的需求不断增长,现有的 MLLMs 面临着诸多挑战。
5/29/2025 3:00:54 PM
AI在线
  • 1