IBM与UC Berkeley发布IT-Bench和MAST，诊断企业Agent失败原因

IBM研究院与UC Berkeley联合发布IT-Bench和MAST，旨在系统诊断企业级AI Agent的失败原因。IT-Bench是一个包含11个真实企业IT任务的基准测试，涵盖故障排除、配置管理等场景；MAST（Multi-Agent Stress Test）则是一个压力测试框架，通过引入干扰、任务冲突等复杂因素，评估多Agent系统的鲁棒性。实验发现，当前主流Agent在IT-Bench上的成功率不足40%，在MAST下性能下降更显著。研究揭示了Agent在任务规划、工具调用和错误恢复等方面的常见失败模式，为改进企业Agent设计提供了方向。