OpenAI ha explicado cómo GPT-Live 1 delega el razonamiento mientras gestiona conversaciones de voz. El sistema separa la conversación bidireccional simultánea del trabajo que se deriva a un modelo de backend.
OpenAI afirma que GPT-Live 1 utiliza un token especial, SpawnThinking, para delegar tareas con mayor fiabilidad. En una sesión de preguntas y respuestas, Aarti, de OpenAI, describió una arquitectura que separa la interacción hablada del razonamiento en el backend.
Los sistemas Realtime anteriores, basados en turnos, tenían que estimar cuándo había terminado de hablar una persona, lo que dificultaba gestionar las respuestas breves de confirmación y los entornos ruidosos. El informe menciona las reservas de Yelp, el soporte de Fin, las clases de Speak y la voz de Devin, de Cognition, como usos de GPT-Live.
Para quienes desarrollan agentes de IA de voz, las recomendaciones van más allá de elegir un modelo. OpenAI aconseja mantener breves las instrucciones del frontend, guardar los datos importantes fuera de la compactación automática de la conversación y exigir confirmación antes de volver a delegar durante la recopilación estructurada de información.
Quienes desarrollan agentes de voz deben gestionar la conversación y el razonamiento en el backend como partes separadas del sistema.
La recopilación estructurada de información necesita reglas de confirmación explícitas para evitar delegaciones repetidas prematuras.
La mayor fiabilidad de la delegación sigue siendo una afirmación de OpenAI: el informe no aporta resultados de pruebas comparativas.
Escrito automáticamente por la Redacción de Made in 10 a partir de la fuente de arriba.
Amazon Web Services ha publicado UAEF, una herramienta gratuita y de código abierto para evaluar agentes de IA en varios frameworks de software. Evalúa los agentes con 36 métricas y detecta retrocesos cuando cambian las instrucciones o los modelos.
