L'éditeur de Downcodes a appris que la société Emergence AI a récemment publié un nouvel agent Web intelligent appelé Agent-E. Son taux de réussite des tâches atteint 73,2 %, soit 20 % de plus qu'auparavant. Agent-E est conçu pour améliorer l'efficacité de l'intelligence artificielle dans la navigation Web et effectuer plus efficacement des tâches en ligne complexes, telles que la récupération de données, le remplissage de formulaires, la réservation de vols, etc. L’émergence de cet agent apportera sans aucun doute aux utilisateurs une expérience réseau plus pratique et plus efficace. Ci-dessous, examinons de plus près les innovations d’Agent-E.
Selon les derniers rapports, la société Emergence AI a lancé un nouvel agent Web intelligent appelé Agent-E, avec un taux de réussite de 73,2 %, soit une augmentation de 20 % par rapport au passé. La nouvelle technologie est conçue pour permettre une navigation Web autonome, permettant aux agents IA d'effectuer plus efficacement des tâches en ligne complexes, de la récupération de données et la soumission de formulaires à la commande des vols les moins chers ou à la réservation d'un hébergement.
Les proxys Web traditionnels sont souvent inefficaces et sujets aux erreurs lorsqu'ils doivent gérer la complexité et la variabilité des pages Web modernes. Ils ne parviennent souvent pas à effectuer leurs tâches avec précision car ils ne peuvent pas gérer efficacement le modèle objet de document HTML (DOM) bruyant et volumineux. Cette inefficacité constitue un obstacle important au déploiement de proxys Web autonomes dans des applications pratiques, où la fiabilité et la précision sont cruciales.
L'équipe de recherche d'Emergence AI présente Agent-E, un nouvel agent Web conçu pour surmonter les lacunes des systèmes existants. Agent-E adopte une architecture en couches qui divise les phases de planification et d'exécution des tâches en deux composants indépendants : l'agent de planification et l'agent de navigation du navigateur. De cette façon, chaque composant peut se concentrer sur son rôle spécifique, améliorant ainsi l’efficacité et les performances. L'agent de planification divise les tâches utilisateur en sous-tâches plus petites et est exécuté par l'agent de navigation du navigateur via des techniques avancées de raffinement DOM.
L'approche d'Agent-E comprend plusieurs étapes innovantes pour gérer efficacement le contenu réseau bruyant et volumineux. L'agent de planification divise les tâches utilisateur en sous-tâches plus petites et les affecte à l'agent de navigation du navigateur. L'agent de navigation du navigateur utilise des techniques flexibles de raffinement DOM pour sélectionner la représentation DOM la plus pertinente pour chaque tâche, réduisant ainsi le bruit et se concentrant sur les informations spécifiques à la tâche. Agent-E utilise l'observation des changements pour surveiller les changements d'état pendant l'exécution des tâches et fournir des commentaires pour améliorer les performances et la précision de l'agent.
Évalué sur la base du benchmark WebVoyager, Agent-E surpasse considérablement les précédents systèmes proxy Web de pointe. Agent-E a atteint un taux de réussite de 73,2 %, soit 20 % de plus que l'agent de page Web en texte brut précédent et 16 % de plus que l'agent de page Web multimodale. Sur des sites complexes comme Wolfram Alpha, Agent-E améliore les performances jusqu'à 30 %. En plus des taux de réussite, l’équipe de recherche a également rapporté d’autres mesures telles que le temps d’exécution des tâches et la perception des erreurs. L'agent-E a mis en moyenne 150 secondes pour mener à bien une tâche et 220 secondes pour une tâche ayant échoué. Chaque tâche nécessite en moyenne 25 appels de modèle de langage volumineux, soulignant son efficience et son efficacité.
Les recherches menées par Emergence AI représentent une avancée significative dans le domaine de la navigation web autonome. En adoptant une architecture en couches et une technologie avancée de gestion DOM pour résoudre les problèmes d'inefficacité des systèmes proxy Web actuels, Agent-E établit une nouvelle référence en matière de performances et de fiabilité. Les résultats démontrent que ces innovations peuvent être appliquées à d’autres domaines de l’automatisation basée sur l’IA au-delà de l’automatisation des réseaux et fournissent des informations précieuses sur les principes de conception des systèmes d’agents. Le succès de l'Agent-E, qui a atteint un taux d'achèvement de mission de 73,2 % et un processus d'exécution de mission efficace, met en évidence son potentiel à transformer la navigation et l'automatisation du réseau.
Entrée du projet : https://top.aibase.com/tool/agent-e
### Points forts:
Emergence AI lance Agent-E : taux de réussite de 73,2%, soit une augmentation de 20%
Agent-E adopte une architecture en couches et une technologie de gestion DOM
Nettement meilleur qu'avant dans le benchmark WebVoyager
Le taux de réussite élevé et l'efficacité d'exécution efficace d'Agent-E ont établi une nouvelle référence pour la technologie des agents Web intelligents et indiquent également que l'intelligence artificielle aura des perspectives d'application plus larges dans le domaine de l'automatisation Web à l'avenir. L'éditeur de Downcodes espère qu'Agent-E pourra démontrer ses puissantes capacités dans davantage de domaines.