CloudOpsBench 开源基准揭示推理是 AI 云运维最大瓶颈
CloudOpsBench v1.0 发布，该开源基准测试显示推理能力是 AI 智能体处理云运维任务的最大瓶颈。Claude Fable 5.1 和 GPT-6 Astra 分别解决 60% 和 53% 的任务，约 80% 的失败源于对任务范围判断失误或检查不全。
#Agent
The DecoderAI 评分4747
Berkeley AI ResearchAI 评分4242 Berkeley AI Research 提出 ABBEL 框架以优化 LLM 长程交互信念更新
Berkeley AI Research 提出 ABBEL 框架，通过隔离和监督自然语言信念状态来替代递归摘要，解决 LLM 在长程交互中的上下文扩展瓶颈。在 CollabBench 协作编码测试中，ABBEL-rec-BG 将性能差距缩小约 50%，训练步数减少 50%，且峰值 Token 用量显著低于全上下文模型。