其時xAI的職工發(fā)帖標明辦公室剛剛迎來了Andon Labs答應(yīng)們供給的由Grok驅(qū)動的主動售貨機 ！
相反，它需求回顧曩昔幾個月的出售數(shù)據(jù) ，由于在這些場景中 ，
02
這也引發(fā)了人們關(guān)于AGI界說的評論 。會有AGI的感覺。上面寫著Grokbox以及「我在這里運營我的主動售貨事務(wù) ，能看到餅干和薯片等 。這些毛病好像并不僅僅是由于模型的抱歉空間已滿 。
試驗室還給出了AI智能體在這些使命中的提示詞。安穩(wěn) 、
令人驚奇的是，某些情況下乃至超過了咱們的人類基準體現(xiàn) ，與人類基準相等 。
很多人都在猜Grok鄙人個月能賺多少錢 ？
這個售貨機長下面這樣 。
今日的決議計劃會直接影響明日的成果。
長上下文也是大應(yīng)戰(zhàn) 。用于測驗AI模型在辦理簡略但長時刻繼續(xù)的商業(yè)場景（即運營一臺主動售貨機）時的體現(xiàn) 。再往后看 ，
智能體有必要辦理庫存 、
這對現(xiàn)在很多大言語模型來說是一個巨大的技能應(yīng)戰(zhàn) ，
右側(cè)看起來像一個后臺操作日志或開發(fā)者界面 ，這次或許僅僅漸進式的晉級。
Vending-Bench是一個專門規(guī)劃用來評價人工智能（AI）智能體在履行長時刻、
成果標明 ，
Claude 3.5 Sonnet在模仿使命中的體現(xiàn)全面優(yōu)于o3-mini 。但長時刻會因銷量下降而失利 。o3-mini在使命初期體現(xiàn)活潑，日期為「Sunday, 2020-07-20 17:49:00」（2020年7月20日 ，
這與傳統(tǒng)的AI使命（如「答復(fù)一個問題」或「翻譯一句話」）徹底不同