IBM 团队对比三款 Agent harness 的 AppWorld 完成率
热点事件持续更新
IBM 团队对比三款 Agent harness 的 AppWorld 完成率
1 篇报道1 个报道来源2 小时前核心报道更新
先了解这件事
AI 综述
IBM 的 CUGA 团队用同一开源模型 GLM-5.3-flash，在 AppWorld 的 90 个任务上对比三种 harness：CUGA 通过 73/90（81.1%），Hermes 为 42/90（46.7%），Deep Agents 为 27/90（30.0%）。 按三个变体全部通过才算通过的场景口径，CUGA 为 20/30，Hermes 为 8/30。该结果由 CUGA 团队发布，对比的是同一模型下不同 harness 的任务完成率。
AI 根据报道生成 · 2 小时前更新
最新核心报道11月3日 23:57
CUGA 团队对比 CUGA、Hermes 与 Deep Agents：同一模型下 AppWorld 完成率 30% 至 81%本栏展示直接支持事件的最新报道；时间线也保留相关报道及提及，因此可能出现更晚日期。
报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- Hugging Face 博客CUGA 团队对比 CUGA、Hermes 与 Deep Agents：同一模型下 AppWorld 完成率 30% 至 81%
IBM 的 CUGA 团队用同一开源模型 GLM-5.3-flash 在 AppWorld 的 90 个任务上对比三种 harness，CUGA 通过 73/90（81.1%），Hermes 为 42/90（46.7%），Deep Agents 为 27/90（30.0%）。按三个变体全部通过才算通过的场景口径，CUGA 为 20/30，Hermes 为 8/30。
已显示 1 篇，共 1 篇报道。
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。