دراسة: وكلاء الذكاء الاصطناعي لا يزالون يخطئون في المهام الطويلة

الحقائق الأساسية

• قد تفوّت أنظمة الذكاء الاصطناعي المقيمة أخطاء دقيقة في مهام استخدام الحاسوب الطويلة، ولا تساعدها الأدوات الجديدة على نحو موثوق.

  «New ServiceNow and McGill paper finds that AI judges still miss subtle mistakes in long computer-use tasks, and giving them tools does not reliably help.»

  عرض المصدر ←

• تستخدم فرق نماذج لغوية كبيرة لتقييم تشغيلات الوكلاء في التدريب والاختبار، وقد تضمّ التشغيلات أكثر من ١٠٠ خطوة.

  «Teams use LLMs to grade agent runs for training and evaluation. A run of 100+ steps can look finished while it drew the wrong»

  عرض المصدر ←

المصادر