رأي: وكلاء الذكاء الاصطناعي يضعون الـ benchmarks التقليدية أمام اختبار الواقع
يرى تقرير رأي من AI Secret أن الجداول المعيارية الحالية لم تعد كافية لتقييم وكلاء الذكاء الاصطناعي القادرين على العمل على الحاسوب وتنفيذ مهام مفتوحة. الفكرة الأساسية: قياس الإجابة الصحيحة في بيئة ثابتة لا يوضح بالضرورة قدرة الوكيل على التعامل مع أخطاء وصلاحيات وواجهات ومتطلبات غير مكتملة في العمل الفعلي.