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
Unweight 是 Cloudflare 开发的 LLM 权重无损压缩系统，通过 Huffman 编码压缩指数字节，在 H100 GPU 上实现 15-22% 的模型体积缩减。系统提供四种执行流水线，根据工作负载动态选择最优解压策略，减少内存带宽压力，提升推理效率。
深度·4月17日·8 分钟
Claude Opus 4.7 在 SWE-Bench Pro 等多项编码基准测试中提升显著，最高达 11 分。模型支持高达 2576 像素的长边图像输入，视觉能力大幅增强。尽管新分词器可能导致 token 使用量增加 35%，但推理效率的提升使整体 token 成本仍可能下降一半。
深度Latent Space·4月17日·4 分钟