El editor de Downcodes se enteró de que la empresa Emergence AI lanzó recientemente un nuevo agente web inteligente llamado Agent-E. Su tasa de éxito de tareas llega al 73,2%, un 20% más que antes. Agent-E está diseñado para mejorar la eficiencia de la inteligencia artificial en la navegación web y completar tareas complejas en línea de manera más efectiva, como la recuperación de datos, el llenado de formularios, la reserva de vuelos, etc. Sin duda, la aparición de este agente brindará a los usuarios una experiencia de red más conveniente y eficiente. A continuación, echemos un vistazo más de cerca a las innovaciones del Agente-E.
Según los últimos informes, la empresa Emergence AI ha lanzado un nuevo agente web inteligente llamado Agent-E, con una tasa de éxito del 73,2%, un aumento del 20% en comparación con el pasado. La nueva tecnología está diseñada para permitir la navegación web autónoma, lo que permite a los agentes de IA completar tareas complejas en línea de manera más eficiente, desde la recuperación de datos y el envío de formularios hasta solicitar los vuelos más baratos o reservar alojamiento.
Los servidores proxy web tradicionales suelen ser ineficientes y propensos a errores cuando se trata de la complejidad y variabilidad de las páginas web modernas. A menudo no logran realizar sus tareas con precisión porque no pueden manejar eficazmente el ruidoso y grande modelo de objetos de documento (DOM) HTML. Esta ineficiencia es un obstáculo importante para la implementación de servidores proxy web autónomos en aplicaciones prácticas, donde la confiabilidad y la precisión son cruciales.
El equipo de investigación de Emergence AI presenta Agent-E, un nuevo agente web diseñado para superar las deficiencias de los sistemas existentes. Agent-E adopta una arquitectura en capas que divide las fases de planificación y ejecución de tareas en dos componentes independientes: el agente de planificación y el agente de navegación del navegador. De esta manera cada componente puede centrarse en su función específica, mejorando la eficiencia y el rendimiento. El agente de planificación divide las tareas del usuario en subtareas más pequeñas y el agente de navegación del navegador lo ejecuta mediante técnicas avanzadas de refinamiento DOM.
El enfoque de Agent-E incluye varios pasos innovadores para gestionar eficazmente el contenido de red grande y ruidoso. El agente de planificación divide las tareas del usuario en subtareas más pequeñas y las asigna al agente de navegación del navegador. El agente de navegación del navegador utiliza técnicas flexibles de refinamiento de DOM para seleccionar la representación DOM más relevante para cada tarea, reduciendo el ruido y centrándose en la información específica de la tarea. Agent-E utiliza la observación de cambios para monitorear los cambios de estado durante la ejecución de la tarea y proporcionar retroalimentación para mejorar el rendimiento y la precisión del agente.
Evaluado en el punto de referencia WebVoyager, Agent-E supera significativamente a los sistemas de proxy web de última generación anteriores. Agent-E logró una tasa de éxito del 73,2%, un 20% más que el agente de página web de texto sin formato anterior y un 16% más que el agente de página web multimodal. En sitios complejos como Wolfram Alpha, Agent-E mejora el rendimiento hasta en un 30%. Además de las tasas de éxito, el equipo de investigación también informó otras métricas como el tiempo de finalización de las tareas y la percepción de errores. El Agente-E tardó un promedio de 150 segundos en completar con éxito una tarea y 220 segundos en una tarea fallida. Cada tarea requiere un promedio de 25 llamadas a modelos de lenguaje grandes, lo que destaca su eficiencia y efectividad.
La investigación realizada por Emergence AI representa un avance significativo en el campo de la navegación web autónoma. Al adoptar una arquitectura en capas y una tecnología avanzada de gestión DOM para resolver los problemas de ineficiencia de los sistemas proxy web actuales, Agent-E establece un nuevo punto de referencia en cuanto a rendimiento y confiabilidad. Los hallazgos demuestran que estas innovaciones se pueden aplicar a otras áreas de la automatización impulsada por la IA más allá de la automatización de redes y proporcionan información valiosa sobre los principios de diseño de sistemas de agentes. El éxito del Agente-E al lograr una tasa de finalización de la misión del 73,2 % y un proceso de ejecución eficiente de la misión resalta su potencial para transformar la navegación y la automatización de la red.
Entrada del proyecto: https://top.aibase.com/tool/agent-e
### Reflejos:
Emergence AI lanza Agent-E: tasa de éxito del 73,2%, un aumento del 20%
Agent-E adopta arquitectura en capas y tecnología de gestión DOM
Significativamente mejor que antes en el benchmark WebVoyager
La alta tasa de éxito y la eficiencia de ejecución eficiente del Agent-E han establecido un nuevo punto de referencia para la tecnología de agentes web inteligentes y también indican que la inteligencia artificial tendrá perspectivas de aplicación más amplias en el campo de la automatización web en el futuro. El editor de Downcodes espera que Agent-E pueda demostrar sus poderosas capacidades en más campos.