研究人员开发了一种诊断视觉语言智能体失败的方法,使用了一个经过训练以玩吃豆人游戏的 Qwen3.5-9B 模型。该研究区分了感知错误(读取屏幕)和决策错误(选择动作)。通过分离这些组件,研究团队发现,虽然该智能体能够准确读取静态游戏屏幕,但在游戏过程中仍然做出了糟糕的动作选择。这凸显了需要更细致的训练后评估,将感知与策略性能分开,并考虑完整的游戏验证,而不是单一的选定分数。 AI
影响 提供了一个识别和解决人工智能智能体特定故障模式的框架,可能改进训练和评估过程。
排序理由 学术论文,详细介绍了一种用于人工智能智能体的新诊断方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →