Trase在Hugging Face的GAIA基准测试中夺得第一名，该测试衡量现实世界AI代理的能力，包括推理和工具使用，超越了Meta、Microsoft等机构的提交结果。

  • Trase在450多道题目的基准测试中取得了35.55%的整体成功率。
  • 该系统通过STaR（Self-Taught Reasoner）利用类似人类的操作轨迹进行微调，实现迭代式自我改进。
  • 它使用代码增强基础LLM的操作，将多个工具调用组合成单个代码操作。
  • 顶层代理执行自我批评，以确定在切换工具或调用专用代理之前是否已收集到足够的信息。

文章指出，90% proficiency被视为在复杂任务中替代人类的门槛，这也是Trase旨在达到的目标。