Inside VAKRA: Reasoning, Tool Use, and Failure Modes of Agents

IBM Research 推出全新基準測試 VAKRA，深度剖析 AI Agent 的多步驟推理、工具調用能力與常見失敗模式。

IBM Research 於 Hugging Face 發表全新基準測試「VAKRA」的分析報告。該測試專為評估 AI Agent 的核心能力而設計，著重於複雜的多步驟推理與動態工具調用。研究不僅評估了主流模型在 Agent 任務中的表現，更系統化地歸納出 Agent 的各類失敗模式（如工具誤用、推理漂移等），為開發者優化 Agent 系統提供關鍵指引。

摘要由 AI 整理,以原文為準。