Towards a Science of AI Agent Reliability：新论文提出智能体可靠性测量框架

Sayash Kapoor 等人发布论文《Towards a Science of AI Agent Reliability》，借鉴航空、核安全等领域将可靠性分解为12个维度，在 GAIA 和 TauBench 两个基准上评测 OpenAI、Google、Anthropic 的14个模型，共执行500次运行。