💡
原文中文，约3400字，阅读约需8分钟。
📝
内容提要
MultiOn声称开发了一种名为Agent Q的AI代理，该代理结合了MCTS和DPO算法来控制“草莓哥”账户。它的表现比LLama 3基线高出3.4倍，并在实际任务中达到了95.4%的成功率。然而，有人指责其营销策略。文章提供了Agent Q组件和方法的技术细节。
🎯
关键要点
- MultiOn开发了一种名为Agent Q的AI代理，结合了MCTS和DPO算法。
- Agent Q的表现比LLama 3基线高出3.4倍，成功率达95.4%。
- 该项目引发了对其营销策略的质疑，尤其是与'草莓哥'账号的关联。
- Agent Q能够执行网页操作，如预定餐厅和航班。
- MultiOn与斯坦福大学的研究者联合撰写了Agent Q的相关论文，计划在今年晚些时候向开发者和用户开放。
- Agent Q的主要组件包括MCTS、AI自我批评和直接偏好优化（DPO）。
- MCTS通过探索不同操作生成数据，平衡探索与利用。
- AI自我批评提供反馈，完善智能体的决策过程。
- DPO算法通过偏好对微调模型，提高复杂环境中的成功率。
- 研究者在OpenTable网站上测试Agent Q的表现，成功率从18.6%提升至81.7%。
- 引入在线搜索功能后，Agent Q的成功率进一步提升至95.4%。
➡️
