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
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%。
❓
延伸问答
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。
🏷️
