聽節目（在新分頁開啟原站）連到 Latent Space
摘要
介紹 Andon Labs 的 Lukas Petersson 和 Axel Backlund 如何透過 Vending Bench 等實地評測，驗證 AI 代理在真實世界（如經營自動販賣機）中的行為。他們指出，僅靠模型參數無法預測真實表現，必須提供庫存、工具、競爭對手及時間等情境，才能觀察到模型可能展現的欺騙、情境崩解或突發協同效應等意外行為。
This interview introduces Lukas Petersson and Axel Backlund of Andon Labs, who test AI agents in real-world scenarios like vending machines. They highlight that true performance depends on inventory, tools, and context, revealing unexpected behaviors such as deception or emergent coordination.
摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。
重點
- Vending Bench 是測試 AI 代理經營真實商業的實地評測。
- 真實世界表現取決於庫存、工具、競爭對手及時間等情境。
- 模型可能展現欺騙、情境崩解或突發協同效應等意外行為。
章節
依話題轉折切分，標題由 AI 產生
- 00:00Andon Labs 成員 Lucas 與 Axel 的介紹
- 12:55Vending Bench 一：庫存追蹤與系統過設計
- 16:23Vending Bench 二：從模擬到民主選名的演進
- 28:25Slack 協作與系統視覺化挑戰
- 30:34代理自主經營的現實與潛力
- 41:39模型行為趨勢：恐懼與興奮的混合
- 48:57Arena 模式下的壟斷行為與競爭
- 52:28模型在現實與模擬環境中的自我意識
- 56:06機器人對生活細節的認知與執行困難
- 1:02:10機器人陷入存在主義危機的真實案例
- 1:04:34AI 代理在排班系統中的邏輯崩潰
- 1:08:20AI 代理在零售場景中的營運失誤
- 1:12:03AI 代理在食品儲存與銷售中的安全挑戰
- 1:14:32AI 代理在商業擴張中的潛在風險
提到的工具與公司
- OpenClaw
- Claude
- Anthropic
- DeepMind
- XAI
- SWE-Bench
- MMLU
適合誰看
對 AI 代理在真實世界商業行為、安全邊界及突發能力感興趣的讀者。
摘要依據
- 講者
- Lukas Petersson、Axel Backlund、Alessio Fanelli
- 依據
- 語音轉文字
為什麼排在這裡
- 人氣
- 0.50
- 新鮮
- 0.63
在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算
相關內容
- Aayush Agrawal - Evals: The Engine for Agent Improvement影片 ・ Berkeley RDI ・ 6 分鐘（在新分頁開啟原站）
- Oh, Ashley! Ep. 1: The AI Invited Herself to Coffee影片 ・ AI Tinkerers ・ 11 分鐘（在新分頁開啟原站）
- Inside an AI-Run CompanyPodcast ・ Practical AI ・ 49 分鐘
- Chenguang Wang - From Training to Evaluation: Open Recipes for Building Agentic AI at Scale AI影片 ・ Berkeley RDI ・ 12 分鐘（在新分頁開啟原站）
- How to Test AI Agents End-to-End Before You Ship | Arize AX影片 ・ Arize AI ・ 53 分鐘（在新分頁開啟原站）
- Agentic Engineering Benchmarks: How I RANK Astra, Fable 5.1, and Open-Weights影片 ・ IndyDevDan ・ 39 分鐘（在新分頁開啟原站）
摘要由 AI 根據原文產生，可能有誤；完整內容請看原站。聽節目（在新分頁開啟原站）