O editor do Downcodes descobriu que a empresa Emergence AI lançou recentemente um novo agente web inteligente chamado Agent-E. Sua taxa de sucesso de tarefas chega a 73,2%, 20% maior do que antes. O Agent-E foi projetado para melhorar a eficiência da inteligência artificial na navegação na web e concluir tarefas on-line complexas com mais eficiência, como recuperação de dados, preenchimento de formulários, reserva de voos, etc. O surgimento deste agente sem dúvida trará aos usuários uma experiência de rede mais conveniente e eficiente. Abaixo, vamos dar uma olhada mais de perto nas inovações do Agente-E.
De acordo com os últimos relatórios, a empresa Emergence AI lançou um novo agente web inteligente denominado Agent-E, com uma taxa de sucesso de 73,2%, um aumento de 20% em relação ao passado. A nova tecnologia foi projetada para permitir navegação autônoma na web, permitindo que os agentes de IA concluam tarefas on-line complexas com mais eficiência, desde a recuperação de dados e envio de formulários até solicitar os voos mais baratos ou reservar acomodações.
Os proxies da web tradicionais costumam ser ineficientes e propensos a erros ao lidar com a complexidade e a variabilidade das páginas da web modernas. Freqüentemente, eles não conseguem executar suas tarefas com precisão porque não conseguem lidar com eficácia com os grandes e barulhentos modelos de objeto de documento HTML (DOMs). Esta ineficiência é um obstáculo importante para a implantação de proxies web autônomos em aplicações práticas, onde a confiabilidade e a precisão são cruciais.
A equipe de pesquisa da Emergence AI apresenta o Agent-E, um novo agente web projetado para superar as deficiências dos sistemas existentes. O Agent-E adota uma arquitetura em camadas que divide as fases de planejamento e execução da tarefa em dois componentes independentes: o agente de planejamento e o agente de navegação do navegador. Desta forma, cada componente pode concentrar-se na sua função específica, melhorando a eficiência e o desempenho. O agente de planejamento divide as tarefas do usuário em subtarefas menores e é executado pelo agente de navegação do navegador por meio de técnicas avançadas de refinamento de DOM.
A abordagem do Agente-E inclui várias etapas inovadoras para gerenciar efetivamente conteúdo de rede grande e barulhento. O agente de planejamento divide as tarefas do usuário em subtarefas menores e as atribui ao agente de navegação do navegador. O agente de navegação do navegador usa técnicas flexíveis de refinamento de DOM para selecionar a representação DOM mais relevante para cada tarefa, reduzindo o ruído e concentrando-se em informações específicas da tarefa. O Agent-E usa observação de mudanças para monitorar mudanças de estado durante a execução de tarefas e fornecer feedback para melhorar o desempenho e a precisão do agente.
Avaliado no benchmark WebVoyager, o Agent-E supera significativamente os sistemas de proxy da web de última geração anteriores. O Agente-E obteve uma taxa de sucesso de 73,2%, 20% maior que o agente de página da web de texto simples anterior e 16% maior que o agente de página da web multimodal. Em sites complexos como o Wolfram Alpha, o Agent-E melhora o desempenho em até 30%. Além das taxas de sucesso, a equipe de pesquisa também relatou outras métricas, como tempo de conclusão da tarefa e percepção de erros. O Agente-E levou em média 150 segundos para concluir uma tarefa com êxito e 220 segundos para uma tarefa com falha. Cada tarefa requer em média 25 grandes chamadas de modelos de linguagem, destacando sua eficiência e eficácia.
A pesquisa conduzida pela Emergence AI representa um avanço significativo no campo da navegação autônoma na web. Ao adotar uma arquitetura em camadas e tecnologia avançada de gerenciamento de DOM para resolver os problemas de ineficiência dos atuais sistemas de proxy da Web, o Agent-E estabelece um novo padrão de desempenho e confiabilidade. As descobertas demonstram que essas inovações podem ser aplicadas a outras áreas de automação orientada por IA, além da automação de rede, e fornecem informações valiosas sobre os princípios de design de sistemas de agentes. O sucesso do Agente-E em alcançar uma taxa de conclusão de missão de 73,2% e um processo eficiente de execução de missão destaca seu potencial para transformar a navegação e a automação da rede.
Entrada do projeto: https://top.aibase.com/tool/agent-e
### Destaques:
Emergence AI lança Agente-E: taxa de sucesso de 73,2%, um aumento de 20%
Agent-E adota arquitetura em camadas e tecnologia de gerenciamento DOM
Significativamente melhor do que antes no benchmark WebVoyager
A alta taxa de sucesso e a eficiência de execução eficiente do Agent-E estabeleceram um novo padrão para a tecnologia de agente web inteligente e também indicam que a inteligência artificial terá perspectivas de aplicação mais amplas no campo da automação web no futuro. O editor do Downcodes espera que o Agente-E possa demonstrar suas poderosas capacidades em mais campos.