IBM 发布 VAKRA:企业级智能体基准测试
深度Hugging Face2026年4月15日5 分钟阅读

IBM Research 推出 VAKRA 基准测试,评估 AI 智能体在企业环境中的推理和工具调用能力。它包含 8000+ 本地 API 和 62 个领域数据库,要求智能体完成 3-7 步的复合推理链。
本文编译自 Inside VAKRA: Reasoning, Tool Use, and Failure Modes of Agents,版权归原作者所有。
觉得有用?分享给更多人

觉得有用?分享给更多人
AI 智能体不仅访问系统,还会解释目标、选择工具、创建子智能体并继承人类凭证执行动作,静态权限检查无法覆盖。文章主张在动作级别进行授权,结合智能体身份、委托来源、目标资源和策略做出决策,并通过观察、强制、构建、部署四个相互关联的环节,将安全融入智能体的整个生命周期。
Google 宣布 Agent Compute Engine 将于今年晚些时候在 Google Cloud 上预览,为每个智能体提供硬件隔离的微虚拟机,兼顾容器速度与沙箱安全。同时,开源项目 Agent Substrate 将类似能力带到 GKE,支持高密度智能体部署。