一直爆料OpenAI「草莓」的账号，竟然是个智能体？斯坦福系创企「炒作」AgentQ
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。
延伸解读
技术突破：MCTS与DPO的结合
Agent Q 的核心创新在于将蒙特卡洛树搜索（MCTS）与直接偏好优化（DPO）结合。MCTS 通过探索不同操作生成多样化数据，平衡探索与利用；AI 自我批评提供步骤级反馈，完善决策；DPO 则利用偏好对微调模型，从次优分支中学习。这种组合使智能体在复杂网页任务中能自主规划并自我纠错，显著提升成功率。
性能提升：从基线到实际应用
在 OpenTable 预订餐厅任务中，Agent Q 将 LLaMa-3 模型的零样本成功率从 18.6% 提升至 81.7%，引入在线搜索后进一步达到 95.4%。相比 LLama 3 基线，性能提升 3.4 倍。这表明结合搜索与偏好优化的方法在真实场景中具有显著优势，但需注意评估依赖 GPT-4-V 自动评分，可能存在偏差。
营销争议：炒作与产品价值的失衡
MultiOn 承认操控「草莓哥」账号推广 Agent Q，引发对其营销策略的质疑。尽管技术细节公开，但公众关注点更多集中在炒作行为上，甚至被指为骗子。这提醒读者，在 AI 领域，过度营销可能掩盖技术实质，需理性看待宣传与真实性能之间的差距。
Q&A
Agent Q的主要功能是什么？
Agent Q能够执行网页操作，如预定餐厅和航班。
Agent Q的成功率有多高？
Agent Q在实际任务中的成功率达到了95.4%。
MultiOn是如何开发Agent Q的？
MultiOn结合了蒙特卡洛树搜索（MCTS）和直接偏好优化（DPO）算法来开发Agent Q。
Agent Q与LLama 3的比较如何？
Agent Q的表现比LLama 3基线高出3.4倍。
Agent Q的技术细节有哪些？
Agent Q的主要组件包括MCTS、AI自我批评和直接偏好优化（DPO）。
为什么有人质疑MultiOn的营销策略？
有人认为MultiOn利用了与'草莓哥'账号的关联进行炒作，甚至称其为无耻的骗子。
