IBM对比三种智能体框架，CUGA胜出

IBM Research 使用同一款开放权重模型 GLM-5.3-flash，在 AppWorld 的90项任务中仅更换智能体框架进行对比，CUGA、Hermes和Deep Agents的任务完成率分别为81.1%、46.7%和30.0%。 该实验显示，CUGA在这一基准测试中表现最好，但三套设置并不完全相同，且运行未使用策略，因此结果不能直接推广到其他任务，也不代表策略执行能力。

AI 根据报道生成 · 50 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。