热点事件持续更新

IBM 对比三种 agent harness 在 AppWorld 上的任务完成率

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

IBM 团队用同一开源模型 GLM-5.3-flash，在 AppWorld 的 90 个任务上对比了 CUGA、Hermes 和 Deep Agents 三种 agent harness，任务通过率分别为 81.1%、46.7% 和 30.0%，三变体全部通过的场景数分别为 20、8、2。IBM 称，换 harness 使任务完成率从 30% 升到 81%。 IBM 同时说明，这只是单一基准上的 90 个任务样本，结果未必能推广到其他任务；三套设置并不完全相同，且运行未使用策略，因此不衡量策略执行效果。CUGA 以 Apache 2.0 许可发布，可接任意 OpenAI 兼容端点，支持本地、私有云或主权云 Kubernetes 及气隙集群部署。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月3日

23:57
Hugging Face Blog精选
同一模型换 harness：CUGA、Hermes 与 Deep Agents 在 AppWorld 上的对比
IBM 团队用同一开源模型 GLM-5.3-flash 在 AppWorld 的 90 个任务上对比 CUGA、Hermes 和 Deep Agents，任务通过率分别为 81.1%、46.7% 和 30.0%，三变体全部通过的场景数为 20、8、2。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。