Ask Xiaobai veröffentlicht das selbstforschende O3-Modell: Kann Agenten-KI das Gegenmittel zur "KI-Illusion" werden?

Kürzlich wurde die KI-App "Weiß fragen"Ankündigung der Markteinführung des selbstentwickelten nativen Makromodells der nächsten Generation für Agenten O3und wurde für einige Nutzer zu internen Tests freigegeben. Laut der offiziellenO3 Das Hauptmerkmal des Modells ist die Fähigkeit, tiefgreifende Schlussfolgerungen zu ziehen und in mehreren Runden zu verifizieren. Damit sollen die Probleme der "KI-Illusion", der Informationsfragmentierung und des ineffizienten Zugriffs auf Antworten gelöst werden, die bei den derzeitigen großen Sprachmodellen bestehen.

Im Gegensatz zur herkömmlichen Q&A-KI, die nur eine Runde umfasst, ist dieO3 Der Arbeitsablauf des Systems ähnelt eher dem eines automatisierten Forschers. Nach Erhalt einer Benutzeraufgabe führt es selbstständig Schlussfolgerungen und Analysen durch, plant Pfade für die Informationsbeschaffung und beschafft und validiert Daten durch mehrere Runden der Websuche. Falls erforderlich, ruft das Modell auch verschiedene Tools für Querverweise auf und erstellt schließlich einen umfassenden Bericht, der Text, Diagramme und Bilder enthält.

Schmerzpunkt: Warum beantwortet die KI oft die falschen Fragen?

Bei der Bewältigung komplexer Probleme mit den gängigen großen Modellen stehen die Nutzer oft vor folgenden Dilemmata:

• Die Antwort ist unzureichend.Die vom Modell zurückgegebenen Informationen sind unvollständig, und der Benutzer muss sich das vollständige Bild durch mehrere Folgefragen zusammensetzen.
• Geringe Glaubwürdigkeit der InformationenModelle sind anfällig für sachliche Fehler, d.h. "KI-Illusionen", da sie sich auf einzelne Suchvorgänge oder verfestigte Wissensbasen stützen.
• Mangelnde Tiefe des InhaltsGenerierte Antworten neigen dazu, als Listen von Informationen zu verbleiben, und es fehlt an einer strukturierten, tiefgreifenden Analyse.
• harsch und mechanisch im AusdruckDie Sprache der Antworten war gemustert, mit einem klaren "KI-Geschmack" und einem Mangel an Natürlichkeit.

O3 Das Modell wurde ursprünglich entwickelt, um diesen Herausforderungen zu begegnen.

Die Kernkompetenz von O3: von "Suche" zu "Forschung"

O3 Durch die Einführung von Agenten-Workflows demonstriert es seine Differenzierung in vier Kernbereichen.

• Präzise und vertrauenswürdig: eingebauter Mehrrunden-Verifizierungsmechanismus

Herkömmliche Modelle übersehen oft wichtige Informationen aufgrund von Einzelsuchen, während O3 Verwendet einen "Denk-Such-Verifizierungs"-Zyklus. Es werden automatisch mehrere vertrauenswürdige Datenquellen zur Kreuzvalidierung abgefragt, um die Genauigkeit der Antworten zu verbessern.

Vergleich der Fälle

• Mandate"Xiaomi-Handyverkäufe Q1 2024"
• Traditionelle KIEs kann sein, dass die Nutzer fragen müssen: "Wie lauten die genauen Zahlen?" , "Wie hoch war das Wachstum im Vergleich zum Vorjahr?" und "Aus welchen Märkten kam das Hauptwachstum?". .
• O3In einem Mini-Bericht mit den wichtigsten Zahlen stellt das Unternehmen fest, dass es 40,8 Millionen Geräte ausgeliefert hat (unter Berufung auf IDC-Daten), was einem Zuwachs von 12,3% gegenüber dem Vorjahr entspricht, und verweist auf den südostasiatischen Markt als wichtigste Wachstumsregion.

• Tiefgründig und effizient: Erstellung analytischer Inhalte auf dem Niveau von Forschungsarbeiten

Für komplexe Probleme, die eine eingehende Analyse erfordern.O3 Die Fähigkeit, in kurzer Zeit klar strukturierte, informationsgesättigte Antworten zu geben, die Makrotrends, Nischen und Zukunftsaussichten abdecken, vermeidet die Fragmentierung von Informationen.

Vergleich der Fälle

• Mandate:: "EU 2030 Carbon Tariff Response Strategy"
• Traditionelle KIKann nur politische Bestimmungen auflisten und weitere Fragen des Benutzers erfordern, um die Auswirkungen auf die Industrie und Einzelheiten der Umsetzung zu erfahren.
• O3Ein vollständiger Strategierahmen kann ausgegeben werden, einschließlich eines strategischen Weges, einer Analyse der Auswirkungen auf die Branche und eines Zeitplans für die Umsetzung.

• Natürlich und lebendig: Optimierung der Sprache und des Erzählstils

O3 Die Spracherzeugung wurde speziell optimiert, um die Ausgabe dem Schreibstil menschlicher Autoren anzunähern, indem Analogien, Emotionen und Erzählrhythmen eingeführt werden, insbesondere bei der Erstellung langer Texte.

Vergleich der Fälle

• MandateSchreiben Sie einen Science-Fiction-Roman mit 8.000 Wörtern über einen geheimnisvollen Planeten jenseits des Pluto.
• Traditionelle KIOft ist der Output nur in Segmenten verfügbar, mit geringer Kohärenz der Geschichte und einem einheitlichen Sprachstil.
• O3Die Fähigkeit, einen einheitlichen Text mit einer vollständigen Weltanschauung, einem Handlungsverlauf und wissenschaftlichen Details zu erstellen.

• Graphic Linkage: Intelligente Anpassung von Präsentationen

Das hängt von der Art der Frage ab.O3 Es wählt auf intelligente Weise die am besten geeignete Darstellungsform aus und nutzt flexibel Visualisierungswerkzeuge wie Bilder, Tabellen, Kuchendiagramme usw., um den Nutzern zu helfen, den Schwerpunkt der Informationen schnell zu erfassen.

Vergleich der Fälle

• Mandate"Planung einer Sommerurlaubsreise für 4 Personen mit einem Budget von 4.000 Dollar"
• Traditionelle KIKann eine Liste von Attraktionen nur in Textform ausgeben.
• O3Die Tendenz geht dahin, illustrierte Programme zu erstellen, z. B. mit Fotos von Sehenswürdigkeiten, formatierten Reiserouten und Tortendiagrammen über die Mittelverwendung.

Technische Analyse: Wie "denkt" O3 selbständig?

Nach Angaben des technischen Teams von "Ask White".O3 Die Verwirklichung dieses Ziels stützt sich auf zwei wesentliche Kerntechnologien:Agentische Aufgabensynthese auf der Grundlage von Wissensgraphenim Gesang antwortenEnd-to-End Agent Enhanced Learning.

Der technologische Weg kann in zwei Etappen verstanden werden:

1. Aufgabenerstellung und PlanungVor der Modellschulung baut ein "Datensynthese-Agent" einen Wissensgraphen auf, indem er mit der Netzumgebung interagiert. Auf der Grundlage dieses Wissensgraphen generiert das System eine Reihe komplexer "Agentenaufgaben", die eine mehrstufige Argumentation und den Aufruf von Werkzeugen erfordern, und legt feinkörnige Bewertungskriterien für diese Aufgaben fest. Auf diese Weise wird sichergestellt, dass die Aufgaben, denen das Modell während der Trainingsphase ausgesetzt ist, ausreichend komplex sind und der realen Welt nahe kommen.
2. Verbessertes Lernen und Optimierung: In der Ausbildung.O3 Der Agent interagiert frei mit der Umgebung, versucht, Aufgaben zu lösen und zeichnet seine Verhaltensbahnen auf. Nach Abschluss der Aufgabe bewertet das System die Qualität der Antworten und die Vollständigkeit der Informationsbeschaffung anhand eines vordefinierten Bewertungskriteriums und Wissensgraphen. Das Bewertungsergebnis wird als Belohnungssignal verwendet, um die Verhaltensstrategien des Agenten durch Verstärkungslernen (Reinforcement Learning, RL) zu optimieren, so dass er lernt, seine Suchstrategie effizient an verschiedene Aufgaben anzupassen, Werkzeuge aufzurufen und schließlich das Problem zu lösen.

Dieser durchgängige Ansatz des Verstärkungslernens ist eine der Hauptrichtungen, die die Industrie derzeit erforscht, um das Problem der KI-Zuverlässigkeit und Autonomie zu lösen.

Anwendungsszenarien und Erlebnisportale

O3 Die Funktionen ermöglichen den Einsatz in einer Vielzahl von Szenarien, z. B. als Branchenrecherche für Berufstätige, als Marktanalyse für Unternehmer oder als Partner für die Zusammenarbeit mit Inhaltserstellern.

Derzeit.O3 Das Modell befindet sich in der internen Testphase, Nutzer können über die Webversion von "Ask Xiaobai" oder die App prüfen, ob sie dafür qualifiziert sind, es zu erleben.

webbasiert

mobil

im Zuge von O3 Mit dem Aufkommen solcher nativen Agentenmodelle entwickelt sich die KI von einer passiven "Frage- und Antwortmaschine" zu einem aktiven "Aufgabenlöser". Obwohl sie sich noch in einem frühen Stadium befindet, bietet dieser Technologiepfad zweifellos eine wertvolle Möglichkeit, viele Engpässe in aktuellen KI-Anwendungen zu lösen.