UIUC 发布 SREGym 基准，GPT-5.6 领跑

伊利诺伊大学香槟分校团队发布 SREGym，一个评测 AI Agent 解决真实生产环境 SRE 问题的基准，涵盖亚稳态故障、配置错误等场景，并提供真实活系统环境。结果显示 GPT-5.6 Sol 领跑，但端到端解决率仅 81%。该工作在 Snorkel AI Frontier Data Summit（10 月 8 日，旧金山）上介绍。

2026-09-09 ~ 2026-09-11 · 2 条相关

• SREGym 基准发布：GPT-5.6 领跑真实 SRE 故障修复测试 — tianyin_xu · 2026-09-09
• UIUC 发布 SREGym：GPT-5.6 Sol 领跑，SRE Agent 端到端解决率仅 81% — tianyin_xu · 2026-09-11