IBM Research発、AIエージェントの推論・ツール使用・失敗パターンを検証する「VAKRA」ベンチマーク

Hugging Face Blogに掲載されたIBM Researchの記事「Inside VAKRA: Reasoning, Tool Use, and Failure Modes of Agents」を紹介します。AIエージェントの推論能力やツール使用、失敗モードを分析する「VAKRA」というベンチマークが取り上げられていますが、公開時点で確認できた原文情報は記事タイトルと出典情報のみで、具体的な評価手法や結果の詳細は本稿執筆時点では確認できていません。