Anthropic AI Releases Petri: An Open-Source Framework for Automated Auditing by Using AI Agents to Test the Behaviors of Target Models on Diverse Scenarios

Accenture Research Introduce MCP-Bench: A Large-Scale Benchmark that Evaluates LLM Agents in Complex Real-World Tasks via MCP Servers

Claude-Agenten bauen C-Compiler ohne menschliche Eingriffe

Goldman Sachs testet autonome KI-Agenten für arbeitsintensive Prozesse

JADE: Dynamische Bewertung von KI-Agenten für offene Fachaufgaben

Robbyant stellt LingBot-World als Open-Source-World-Modell vor

Neuer Benchmark Mem2ActBench prüft Langzeitgedächtnis bei KI-Agenten