🤖 آمار شگفتانگیز OpenAI از Codex
OpenAI آمار جالبی از پلتفرم Codex (ابزار توسعه و استقرار عاملهای هوش مصنوعی) منتشر کرده. در حال حاضر ۹۹.۸٪ از کل توکنهای خروجی OpenAI از طریق Codex تولید میشود و تنها ۰.۲٪ مربوط به ChatGPT است. هر چند کاربران انفرادی هنوز روی ChatGPT متمرکز هستند، اما در بخش تجاری، حدود ۶۴٪ از مصرف توکنها از Codex صورت میگیرد. کاربران یک درصد برتر Codex به طور میانگین روزانه ۷۱ ساعت عامل هوشمند (agent) اجرا میکنند. همچنین واگذاری وظایف طولانیمدت (حدود ۸ ساعت کار انسانی) به عاملها رشد چشمگیری داشته و اکنون بیش از یکچهارم درخواستها را تشکیل میدهد، در حالی که در دسامبر گذشته تنها ۲٪ بود.
🔗 openai.com
#خبر #AgentAI
OpenAI آمار جالبی از پلتفرم Codex (ابزار توسعه و استقرار عاملهای هوش مصنوعی) منتشر کرده. در حال حاضر ۹۹.۸٪ از کل توکنهای خروجی OpenAI از طریق Codex تولید میشود و تنها ۰.۲٪ مربوط به ChatGPT است. هر چند کاربران انفرادی هنوز روی ChatGPT متمرکز هستند، اما در بخش تجاری، حدود ۶۴٪ از مصرف توکنها از Codex صورت میگیرد. کاربران یک درصد برتر Codex به طور میانگین روزانه ۷۱ ساعت عامل هوشمند (agent) اجرا میکنند. همچنین واگذاری وظایف طولانیمدت (حدود ۸ ساعت کار انسانی) به عاملها رشد چشمگیری داشته و اکنون بیش از یکچهارم درخواستها را تشکیل میدهد، در حالی که در دسامبر گذشته تنها ۲٪ بود.
🔗 openai.com
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #AgentAI
🤖 BrowserBC – رویکردی کارآمدتر برای Web Agents
🔬 تیم ViDA پروژه متنباز BrowserBC را منتشر کرده که روش تازهای برای اجرای web agents ارائه میدهد. بهجای استفاده از مدلهای قدرتمند (frontier) در هر مرحله، ابتدا یک human web flow را با مدل قویتر ضبط میکنند و آن را به یک مهارت قابل استفاده مجدد (reusable skill) تبدیل میکنند.
⚡️ سپس اجرای آن مهارت به یک مدل کوچکتر و ارزانتر واگذار میشود. نتایج روی WebArena-Hard قابل توجه است: تعداد فراخوانی ابزار (tool calls) ۲۷٪ کاهش یافته و نرخ موفقیت از ۶۰٪ به ۸۱٪ افزایش پیدا کرده است.
🔗 GitHub – BrowserBC
#پژوهش #AgentAI
🔬 تیم ViDA پروژه متنباز BrowserBC را منتشر کرده که روش تازهای برای اجرای web agents ارائه میدهد. بهجای استفاده از مدلهای قدرتمند (frontier) در هر مرحله، ابتدا یک human web flow را با مدل قویتر ضبط میکنند و آن را به یک مهارت قابل استفاده مجدد (reusable skill) تبدیل میکنند.
⚡️ سپس اجرای آن مهارت به یک مدل کوچکتر و ارزانتر واگذار میشود. نتایج روی WebArena-Hard قابل توجه است: تعداد فراخوانی ابزار (tool calls) ۲۷٪ کاهش یافته و نرخ موفقیت از ۶۰٪ به ۸۱٪ افزایش پیدا کرده است.
🔗 GitHub – BrowserBC
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#پژوهش #AgentAI