AI图鉴

AI图鉴首页 › AI 资讯 › 开源基准测试揭示推理是云操作中AI最大的瓶颈

开源基准测试揭示推理是云操作中AI最大的瓶颈

来源:The Decoder · 发布时间:11-05 · 由 AI图鉴每小时自动聚合

CloudOps Bench是一种新的开源基准测试,它用来测量AI agents处理云中典型的DevOps任务的能力,从服务固定到移除回波。

开源基准测试揭示推理是云操作中AI最大的瓶颈

CloudOps Bench是一种新的开源基准测试,它测量AI agents在云中如何很好地处理典型的DevOps任务,从固定服务和移除资源到限制访问权,推出更新,以及退役项目。 1.0版本包括AWS上的45项任务,由有经验的DevOps工程师建造。

即使是最好的模型也在许多任务中失败。 Claude Fable 5.1解决了60%,GPT-6 Astra管理了53%. 密歇根大学的安陈率领的团队认为,主要问题不是缺乏知识,而是推理。 大约80%的失败都是因为agents错误判断任务范围,不要检查所有相关服务,或者停得太早。 大约20%的错误是错误的行动,有些对基础设施有不可逆转的后果。

所有任务在真实的AWS云中和模拟器中运行相同。 计划为GCP,Azure,OCI进行扩展。 GitHub上的项目根据Apache 2.0获得许可,详细故障分析也可用。

AI News Without the Hype – 由人类治愈

订阅THE DECODER免费阅读,每周AI通讯,我们独家的"AI雷达"前沿报告每年6次,全面存档访问,访问我们的评论部分。

现在订阅

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(the-decoder.com)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 610 款 AI 工具分类导航 · 每日 AI 热门项目与动态