04 ноември 2026 г.Изкуствен интелект
Нов бенчмарк с отворен код разкрива системен срив в причинно-следствените разсъждения на ИИ агентите за DevOps

Източник: The Decoder / CloudOps Benchmark Alliance
Консорциум от инженери по надеждност на сайта (SRE) и университетски лаборатории публикува първия мащабен отворен бенчмарк (benchmarking) за оценка на автономни агенти в сложни облачни среди, разкривайки драматични дефицити в тяхната способност за дълбоко логическо разсъждение [1]. Резултатите в областта на DevOps сочат, че докато моделите се справят отлично с тривиални повреди, успеваемостта им пада под 18% при каскадни сривове, изискващи изолиране на скрити първопричини.










