多模态AI Agent 智能体的性能对比

这张图展示了三种不同类型的AI Agent智能体在处理用户输入时的工作流程和准确率对比：

1. Browsing Agent（浏览代理）：

- 通过网页浏览来获取信息。

- 构建可访问性树以进行数据处理。

- 在一些任务中表现相对较弱。

2. API-Based Agent（基于API的代理）：

- 通过调用API来获取数据，并结合代码进行处理。

- 在某些任务上表现更为出色。

3. Hybrid Agent（混合代理）：

- 结合API调用和网页浏览两种方法。

- 能够在多种任务中灵活应对，整体表现最佳。

准确率比较

- Gitlab和Map任务中，三者表现相近，但Hybrid稍有优势。

- Shop和Admin任务中，Hybrid显著领先。

- Reddit和Multi任务显示出Browsing代理较弱，Hybrid仍保持优势。

- 平均来看，Hybrid Agent具有最高的准确率。

这张图表明，结合多种方法的混合代理能够在各种环境下提供更高效、更准确的解决方案。