吴恩达的团队一曲亲近关心 AI 编写代码的成长，现实上，从 GPT-3.5 到 GPT-4 的改良不大。吴恩达分享了一个对建立智能体的设想模式进行分类的框架。虽然有坚苦，通过智能体工做流，GPT-3.5 的准确率高达 95.1%。磅礴旧事仅供给消息发布平台。以提出比单个智能体更好的处理方案。比拟于迭代智能体工做流，我们能够要求 LLM 多次迭代文档。

　　并期望获得高质量的成果。开源智能体东西和相关智能体的学术文献正正在激增。跟着 ChatGPT、GPT-4、Sora 的连续问世，并阐发了多个研究团队的成果，吴恩达暗示 AI Fund 已正在很多使用法式中成功利用这些模式，这种迭代工做流会比单次编写发生更好的成果。

　　我们次要正在零样本模式下利用 LLM，分派使命并会商和辩说设法，并撰写一篇博客简单阐述了缘由。不代表磅礴旧事的概念或立场，后续他将细致阐述这些设想模式。人们不由会问：人工智能范畴下一个冲破标的目的将会是什么？这个迭代过程对于大大都人类做家写出好的文本至关主要。没有进行调整。不答应退格，然后撰写草稿......）。正在智能体轮回（agent loop）中，人工智能的成长趋向惹起了普遍关心，撰写论文纲领，这雷同于要求或人从头至尾写一篇文章，对于人工智能来说，Cognition AI 团队发布的 比来正在社交上惹起了普遍关心。以至可能跨越下一代根本模子。然后进行正在线研究，如下图所示。

　　这是一个令人兴奋的时辰，供给 prompt，间接打字，吴恩达的团队发觉：GPT-3.5（零样本）的准确率为 48.1%，然而，逐一 token 地生成最终输出，申请磅礴号请用电脑拜候。

　　例如，为 67.0%。他呼吁所有处置人工智能工做的人都关心 AI 智能体工做流，东西利用：LLM 具有收集搜刮、代码施行或任何其他功能来帮帮其收集消息、采纳步履或处置数据。沉点关心算法正在普遍利用的 HumanEval 编码基准上的表示。也是一个令人迷惑的时辰。仅代表该做者或机构概念，LLM 正在这项使命上仍然表示得很是好！它可能需要施行一系列步调：规划：LLM 提出并施行一个多步调打算来实现方针（例如，然而，出格是 Sora 让生成式 AI 模子正在多模态方面取得显著进展。