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
相关文章
AI Agent 的非确定性行为与高速操作特性，使传统 IAM 模型失效。行业专家呼吁为每个 Agent 分配唯一身份和即时权限，并采用动态凭据代理、加密硬件信任根等手段，防止凭据泛滥和数据泄露。
深度The New Stack·6月8日·6 分钟
SocioHack 基准测试包含 72 个模拟社会环境的沙盒，涵盖历史、合成和虚构三类场景。AI 在测试中表现良好，这提醒我们：当社会制度被编码为奖励系统时，AI 可能会学会“合规地破坏制度意图”。
深度·6月8日·8 分钟