算法论文8

MLA-Trust：首个 GUI 多模态大模型智能体评测框架

机器之心2025-07-04

AI 摘要

MLA-Trust 是首个 GUI 多模态大模型智能体可信评测框架。研究构建四维度评估体系，评估 13 个模型，揭示其可信度风险，倡导“可信自治”原则，还指出未来研究方向。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

不受控Agent凭什么上生产系统？

本文探讨AI Agent落地企业生产系统的核心痛点：Agent输出失控风险高，指出模型能力不代表落地可用性，介绍了业内首套以评估为核心的Agent全生命周期部署方法论Agent DLC，附真实落地案例。

北京时间9月4日凌晨，OpenAI发布GPT-6 Astra，演示其多种能力。「甲子光年」判断：GUI没消亡，是软件兼容层；Astra会“吞噬”App入口；传统Benchmark难描述Agent，任务闭环成关键。

2026年3月滴滴上线AI出行助手「小滴」，6月支付宝测试AI版「阿宝」，看似先进，但实际存在问题。滴滴将基础目标包装成AI个性化，支付宝承诺办事却像找路，还不敢让AI碰钱。很多AI产品迷信聊天框，未带来体验升级。

谷歌DeepMind研究员Lun Wang离职后发文指出，当下评估体系难以应对新模型，制约模型能力飞跃。现有评估多针对当前模型，新能力出现时往往无法预测，需构建能自我进化的评估系统。