AI智能体：并行化工作，而非并行化错误

研究人员开发了一个名为Horizon的基准测试，并对超过3100条agent轨迹进行了分析，涉及环境包括网络、操作系统、数据库以及具身场景。实验中使用的agent基于OpenAI和Anthropic的模型。研究结果显示，随着任务延长，性能并非逐渐下降，而是可能保持稳定，随后在超过某个阈值时突然崩溃。他们识别出七大类失败，归为两个大类：72.5%的失败与过程相关风险有关，27.5%与agent设计风险有关。Anthropic强调了一种叫做“上下文污染”的现象，即积累的中间信息杂乱地堆积在agent的上下文中，损害其判断力。研究建议，将任务拆分为独立的子任务，由各自独立的agent处理，这种方式有效；而像设计、实现和测试这样共享过多上下文的阶段拆分，则会导致信息损失，类似于传话游戏。对于高管来说，四个关键问题是：谁做出的决策、基于什么信息、付出了什么代价，以及某个失败的步骤能否独立重放。如果无法重放，事件就得从头再来，而不当的拆分可能会比单个agent花费多3到10倍的成本。