标签
这篇论文介绍了Task Model Induction，一种将真实计算机工作的屏幕录制分解为单独任务和目标树的方法，以更好地训练AI代理，与当前的摘要工具相比，在未见任务上的性能提高了30%。
AutoMedBench是一个面向自主医学AI研究工作流的基准测试，评估智能体在五个阶段中处理多种医学影像任务的表现。阶段级评分显示，验证阶段最弱，凸显了智能体工作流中可靠验证的必要性。
文章认为，公司是算法的集合，AI很快将优化每一个组成部分，从而引发一波由咨询主导的透明化和效率提升浪潮。