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3 小时前更新
先了解这件事
AI 综述
IBM 团队用同一开源模型 GLM-5.3-flash，在 AppWorld 的 90 个任务上对比 CUGA、Hermes 和 Deep Agents 三个 harness，任务通过率分别为 81.1%、46.7% 和 30.0%，场景全通过率为 66.7%、26.7% 和 6.7%。 该团队称，这是单一基准上的 90 任务样本，结果未必能推广到其他任务；三套 harness 的配置并不相同，且运行未使用策略，因此不衡量策略执行。对比由 CUGA 团队执行，CUGA 使用了其他 harness 没有的 AppWorld 配置。
AI 根据报道生成 · 3 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%，场景全通过率为 66.7%、26.7% 和 6.7%。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月4日 01:00
- 近 24 小时变化
- –
02.557.510
01:0002:0003:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。