IBM 对比 CUGA、Hermes 与 Deep Agents 的 AppWorld 表现
热点事件持续更新
IBM 对比 CUGA、Hermes 与 Deep Agents 的 AppWorld 表现
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
IBM 团队用同一开源权重模型 GLM-5.3-flash，在 AppWorld 的 90 个多步任务上对比 CUGA、Hermes 和 Deep Agents，任务通过率分别为 81.1%、46.7% 和 30.0%。 该结果有明确限制：这只是单一基准上的 90 个任务样本，未必能推广到其他任务；三套 harness 的配置并不完全相同，且 CUGA 使用了其他两者没有的 AppWorld 配置；测试未启用策略，因此不衡量策略执行。 据 Hugging Face Blog 刊文，此次对比由 CUGA 团队运行。
AI 根据报道生成 · 1 小时前更新
最新进展11月3日 23:57
同一模型换 harness：CUGA、Hermes 与 Deep Agents 在 AppWorld 上的对比报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- Hugging Face Blog精选同一模型换 harness：CUGA、Hermes 与 Deep Agents 在 AppWorld 上的对比
IBM 团队用同一开源权重模型 GLM-5.3-flash 在 AppWorld 的 90 个任务上对比 CUGA、Hermes 和 Deep Agents，任务通过率分别为 81.1%、46.7% 和 30.0%。
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。