multi-hop reasoning

VAKRA: benchmark ejecutable para evaluar agentes IA en entornos empresariales

IBM Research ha presentado VAKRA, un benchmark ejecutable que evalúa cómo los agentes de IA razonan y actúan en entornos similares a los empresariales. El…

Por qué importaVAKRA representa un avance significativo en la evaluación de agentes IA porque mide capacidades compositivas reales en flujos de trabajo de múltiples…