ibm-research

IBM Research 解释了为什么智能体系统中的模型路由比简单的分类问题更复杂，指出缓存和隐藏因素（如实际工作负载成本和任务难度评估）使路由成为一个系统优化挑战。

IBM Research 推出 ScarfBench，这是一个用于评估AI智能体在跨框架Java迁移任务中表现的开放基准测试，重点关注 Spring、Jakarta EE 和 Quarkus。与传统的代码生成基准不同，该基准主要评估迁移后的应用程序是否能够构建、部署并保持原有行为。

IBM Research探索了Agent逻辑——诸如知识图谱和程序分析等软件原语——如何引导基于LLM的Agent高效处理复杂的企业工作流，减少幻觉和成本，同时改善结果。

IBM Research 发布了开放智能体排行榜，这是一个开放的基准测试和评估框架，用于基于质量和成本比较完整的 AI 智能体系统，旨在衡量跨多样化任务的通用性。