CocoaBench：野外评估统一数字智能体
深度2026年4月15日26 分钟阅读
最有趣的发现是：即使是最先进的智能体系统，在需要多种能力组合的复杂任务中成功率仍不足一半。这篇论文适合人工智能研究者、智能体系统开发者和基准测试设计者阅读，特别是关注多模态智能体评估和性能提升的研究人员。
本文编译自 CocoaBench: Evaluating Unified Digital Agents in the Wild，版权归原作者所有。
觉得有用？分享给更多人
相关文章
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。
深度The New Stack·10月22日·8 分钟
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。
深度The New Stack·10月22日·7 分钟