Hugging Face Blog·· 2026-04-15精选AI 评分73
IBM 发布 VAKRA 基准：评测智能体推理、工具使用与失效模式
Inside VAKRA: Reasoning, Tool Use, and Failure Modes of Agents
AI 导读
IBM 发布 VAKRA 基准，通过 8000+ 本地 API 和真实数据库评估智能体在企业环境中的推理与工具使用能力。评测涵盖 API 链式调用、工具选择、多跳推理及策略遵循，揭示模型在复杂工作流中的真实失效模式。
推荐理由
通过可执行环境揭示智能体在复杂工作流中的真实失效模式，为构建可靠Agent提供关键参考。
来源：Hugging Face Blog · huggingface.co