Der Herausgeber von Downcodes erfuhr, dass das Unternehmen Emergence AI kürzlich einen neuen intelligenten Web-Agenten namens Agent-E herausgebracht hat. Die Erfolgsquote bei Aufgaben liegt bei bis zu 73,2 %, was 20 % höher ist als zuvor. Agent-E wurde entwickelt, um die Effizienz künstlicher Intelligenz bei der Webnavigation zu verbessern und komplexe Online-Aufgaben effektiver zu erledigen, wie z. B. Datenabruf, Formularausfüllen, Flugbuchung usw. Das Aufkommen dieses Agenten wird den Benutzern zweifellos ein komfortableres und effizienteres Netzwerkerlebnis bieten. Schauen wir uns im Folgenden die Innovationen von Agent-E genauer an.
Neuesten Berichten zufolge hat das Unternehmen Emergence AI einen neuen intelligenten Web-Agenten namens Agent-E auf den Markt gebracht, mit einer Erfolgsquote von 73,2 %, was einer Steigerung von 20 % im Vergleich zur Vergangenheit entspricht. Die neue Technologie soll eine autonome Webnavigation ermöglichen und es KI-Agenten ermöglichen, komplexe Online-Aufgaben effizienter zu erledigen, vom Datenabruf und der Formularübermittlung bis hin zur Bestellung der günstigsten Flüge oder der Buchung von Unterkünften.
Herkömmliche Web-Proxys sind oft ineffizient und fehleranfällig, wenn es um die Komplexität und Variabilität moderner Webseiten geht. Sie können ihre Aufgaben oft nicht genau ausführen, weil sie das verrauschte und große HTML-Dokumentobjektmodell (DOMs) nicht effektiv verarbeiten können. Diese Ineffizienz stellt ein großes Hindernis für den Einsatz autonomer Web-Proxys in praktischen Anwendungen dar, bei denen Zuverlässigkeit und Genauigkeit von entscheidender Bedeutung sind.
Das Forschungsteam von Emergence AI stellt Agent-E vor, einen neuen Web-Agenten, der die Mängel bestehender Systeme überwinden soll. Agent-E verwendet eine mehrschichtige Architektur, die die Phasen der Aufgabenplanung und -ausführung in zwei unabhängige Komponenten unterteilt: den Planungsagenten und den Browser-Navigationsagenten. Auf diese Weise kann sich jede Komponente auf ihre spezifische Rolle konzentrieren und die Effizienz und Leistung verbessern. Der Planungsagent teilt Benutzeraufgaben in kleinere Unteraufgaben auf und wird vom Browser-Navigationsagenten mithilfe fortschrittlicher DOM-Verfeinerungstechniken ausgeführt.
Der Ansatz von Agent-E umfasst mehrere innovative Schritte zur effektiven Verwaltung verrauschter und großer Netzwerkinhalte. Der Planungsagent teilt Benutzeraufgaben in kleinere Unteraufgaben auf und weist sie dem Browser-Navigationsagenten zu. Der Browser-Navigationsagent verwendet flexible DOM-Verfeinerungstechniken, um für jede Aufgabe die relevanteste DOM-Darstellung auszuwählen, wodurch Rauschen reduziert und der Schwerpunkt auf aufgabenspezifischen Informationen gelegt wird. Agent-E nutzt die Änderungsbeobachtung, um Zustandsänderungen während der Aufgabenausführung zu überwachen und Feedback zu geben, um die Leistung und Genauigkeit des Agenten zu verbessern.
Im WebVoyager-Benchmark bewertet, übertrifft Agent-E die bisherigen hochmodernen Web-Proxy-Systeme deutlich. Agent-E erreichte eine Erfolgsquote von 73,2 %, was 20 % höher ist als der bisherige Klartext-Webseitenagent und 16 % höher als der multimodale Webseitenagent. Auf komplexen Websites wie Wolfram Alpha verbessert Agent-E die Leistung um bis zu 30 %. Zusätzlich zu den Erfolgsquoten berichtete das Forschungsteam auch über andere Kennzahlen wie die Zeit für die Erledigung von Aufgaben und die Fehlerwahrnehmung. Agent-E benötigte durchschnittlich 150 Sekunden für den erfolgreichen Abschluss einer Aufgabe und 220 Sekunden für eine fehlgeschlagene Aufgabe. Jede Aufgabe erfordert durchschnittlich 25 große Sprachmodellaufrufe, was ihre Effizienz und Effektivität unterstreicht.
Die von Emergence AI durchgeführte Forschung stellt einen bedeutenden Fortschritt auf dem Gebiet der autonomen Webnavigation dar. Durch den Einsatz einer mehrschichtigen Architektur und fortschrittlicher DOM-Verwaltungstechnologie zur Lösung der Ineffizienzprobleme aktueller Web-Proxy-Systeme setzt Agent-E einen neuen Maßstab für Leistung und Zuverlässigkeit. Die Ergebnisse zeigen, dass diese Innovationen auf andere Bereiche der KI-gesteuerten Automatisierung über die Netzwerkautomatisierung hinaus angewendet werden können und liefern wertvolle Einblicke in die Designprinzipien von Agentensystemen. Der Erfolg von Agent-E bei der Erzielung einer Missionsabschlussrate von 73,2 % und eines effizienten Missionsausführungsprozesses unterstreicht sein Potenzial, die Netzwerknavigation und -automatisierung zu transformieren.
Projekteingang: https://top.aibase.com/tool/agent-e
### Highlights:
Emergence AI führt Agent-E ein: Erfolgsquote 73,2 %, eine Steigerung von 20 %
Agent-E übernimmt eine mehrschichtige Architektur und DOM-Verwaltungstechnologie
Deutlich besser als zuvor im WebVoyager-Benchmark
Die hohe Erfolgsquote und effiziente Ausführungseffizienz von Agent-E haben einen neuen Maßstab für die intelligente Web-Agent-Technologie gesetzt und deuten auch darauf hin, dass künstliche Intelligenz in Zukunft breitere Anwendungsaussichten im Bereich der Web-Automatisierung haben wird. Der Herausgeber von Downcodes hofft, dass Agent-E seine leistungsstarken Fähigkeiten in weiteren Bereichen unter Beweis stellen kann.