企业运维智能体新基准发布
xhluca · x · 2026-07-10
Artificial Analysis 发布了 EnterpriseOps-Gym-AA，用于评测前沿模型是否能在真实的企业运维场景中完成多步骤、状态相关的任务，并遵守业务规则与策略。
这个基准基于 ServiceNow 的 EnterpriseOps-Gym 改造，接入 Stirrup agent harness，在 8 个业务领域中运行，最终按底层数据库的最终状态打分，而不是只看执行过程。帖子还提到 Claude Fable 5（max）当前领先。
「编程与Agent」频道最新
- Cognition SWE-2 用 KKT 对偶优化长度惩罚，一次 RL 推移 Pareto 曲线 — YouJiacheng · 2026-09-11
- 首届 Three.js 大会落地巴黎，AI 正缩短从想法到原型的距离 — OdinLovis · 2026-09-11
- 观点：Agent 真正的瓶颈是企业数据工程能力 — dhruv2038 · 2026-09-11
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- GPT-6 Astra 用时 44 小时通关含敌人 Factorio,API 成本约 4500 美元 — liminal_bardo · 2026-09-11
- 投资分析师求教：如何用 Claude 搭建尽调 Agent 工作台 — Careless_Tie2286 · 2026-09-11