<p>IBM 研究人員發佈了一款名為 CUGA 的開源 AI 代理，旨在自動化複雜的企業工作流程，並根據任務的不同，期望能在一半的時間內正確完成。</p>
<p>CUGA 代表可配置通用代理。根據其在 AI 平台 HuggingFace 上的介紹，該軟件提供 “通過多代理編排、API 集成和企業演示應用程序的代碼生成實現智能任務自動化。”</p>
<p>“我們對 IBM CUGA 的願景是開發一個可以被知識工作者調整和配置的通用代理，以安全和可信的方式執行他們工作中的常規或複雜任務，” IBM 作者 Sami Marreed、Alon Oved、Avi Yaeli、Segev Shlomov、Ido Levy、Offer Akrabi、Aviad Sela、Asaf Adi 和 Nir Mashkif 在 7 月發佈的一篇論文中寫道 [PDF]。</p>
<p>並不是所有人都相信代理是安全或可信的。IT 諮詢公司 Gartner 最近建議阻止所有代理瀏覽器，幾個月前警告稱，到 2027 年，約 40% 的代理企業項目將因缺乏商業價值而被取消。</p>
<p>然而，自動化的吸引力依然強烈，IBM 渴望提供幫助。IBM 的研究人員引用了 CUGA 在 WebArena 和 AppWorld 基準測試中的表現——完成網絡任務的成功率為 61.7%，評估 API 任務的場景完成率為 48.2%——並指出該代理的得分足夠低，以至於可能導致人類員工被解僱，目前這些得分在代理中代表了頂級水平。</p>
<p>有趣的是，IBM 似乎並沒有使用其自身專注於企業的 WebAgentBench 基準來評估 CUGA。公司研究人員關於該自制測試套件的論文描述了三種代理的評估——AgentWorkflowMemory (AWM)、WorkArena-Legacy 和 WebVoyager——以及它們完成提示任務的表現。</p>
<ul>
<li>隨着谷歌抓取的方式，機器人入侵增加，Cloudflare 表示</li>
<li>長期數據存儲的未來是明確的，將持續 140 億年</li>
<li>英國航空公司擔心未來 AI 代理選擇航班，品牌被忽視</li>
<li>迪士尼轉向黑暗面，將知識產權授權給 OpenAI 用於視頻和圖像</li>
</ul>
<p>這些代理的平均原始完成率為 24.4%，政策合規完成率僅為 15%。當有五個或更多政策時，政策下的平均完成率僅為 7.1%。而企業通常有超過五個適用於業務工作流程的政策。</p>
<p>“企業工作流程通常疊加數十個併發政策，這表明現實世界中的短缺將更加明顯，政策穩健優化，而不僅僅是原始完成，必須成為重點目標，” 基準論文 [PDF] 中指出。</p>
<p>在 CUGA 在 WebArena 基準測試中獲得 61.7% 成功率的情況下，AWM 僅得到了 35.5%。</p>
<p>IBM 科學家在今年早些時候指出了各種 AI 基準測試的不足，但至少 CUGA 的得分表明代理正在改善。</p>
<p>CUGA 在 Apache 2.0 許可證下提供，首先使用一個聊天層來識別用户的意圖。這可能是 “從數字銷售中獲取按收入排名的頂級賬户，然後將其添加到當前頁面”，或 HuggingFace 演示中包含的其他示例提示，這些示例模擬了一個帶有 20 個預配置工具的小型 CRM 系統，用於進行與銷售相關的查詢和 API 調用。</p>
<p>任務規劃和控制組件分析輸入到 CUGA 中的提示，並將目標分解為一組在任務賬本中跟蹤的結構化子任務，作者解釋道。該賬本是動態的，當第一次執行不順利時可以重新規劃。</p>
<p>“子任務被委派給專業代理，例如 API 代理，它使用內部推理循環生成偽代碼指令，然後在安全沙箱中調用代碼，” 研究人員在一篇博客文章中解釋道。“該系統利用一個工具註冊表，超越 MCP 協議，解析和理解工具能力，實現精確的編排。”</p>
<p>最後，系統返回希望是政策合規的響應給用户。</p>
<p>IBM 的開發人員設計 CUGA 以與 Langflow 配合使用，這是一個用於 AI 代理設計的低代碼平台，並支持各種開放模型，如 gpt-oss-120b 和 Llama-4-Maverick-17B-128E-Instruct-fp8。巧合的是，Llama 的製造商 Meta 據報道正在開發一個名為 Avocado 的後續模型，可能不是開源的。</p>
<p>CUGA 似乎仍然有一些粗糙之處。例如，最近報告的一個錯誤表明，該代理偶爾可能在退出其運行循環時遇到問題。但如果您正在部署 AI 代理軟件，並期望能夠毫無障礙地自動化多步驟的業務任務，您可能需要降低期望。®</p>

<p>IBM 發佈了 CUGA，這是一款旨在自動化複雜企業工作流程的開源 AI 代理，網頁任務的成功率達到 61.7%，API 任務的成功率為 48.2%。儘管對代理的安全性和商業價值存在懷疑，IBM 仍然致力於提升自動化水平。CUGA 在 Apache 2.0 許可證下提供，能夠與 Langflow 集成，並支持多種開放模型。然而，仍然存在一些挑戰，例如偶爾出現的運行循環問題。儘管沒有使用 IBM 自家的 WebAgentBench 進行評估，該代理的性能在當前的 AI 代理中被認為是頂尖的</p>

<p>IBM researchers have released an open source AI agent called CUGA that aspires to automate complex enterprise workflows and get it right about half the time, depending on the task.</p>
<div class="lb-trans"><p>IBM 研究人員發佈了一款名為 CUGA 的開源 AI 代理，旨在自動化複雜的企業工作流程，並根據任務的不同，期望能在一半的時間內正確完成。</p>
</div><p>CUGA stands for Configurable Generalist Agent. Per its listing on AI platform HuggingFace, the software offers “Intelligent task automation through multi-agent orchestration, API integration, and code generation on enterprise demo applications.”</p>
<div class="lb-trans"><p>CUGA 代表可配置通用代理。根據其在 AI 平台 HuggingFace 上的介紹，該軟件提供 “通過多代理編排、API 集成和企業演示應用程序的代碼生成實現智能任務自動化。”</p>
</div><p>&#34;Our vision for IBM CUGA is to develop a generalist agent that can be adapted and configured by knowledge workers to perform routine or complex aspects of their work in a safe and trustworthy manner,&#34; wrote IBM authors Sami Marreed, Alon Oved, Avi Yaeli, Segev Shlomov, Ido Levy, Offer Akrabi, Aviad Sela, Asaf Adi, and Nir Mashkif in a paper [PDF] released back in July.</p>
<div class="lb-trans"><p>“我們對 IBM CUGA 的願景是開發一個可以被知識工作者調整和配置的通用代理，以安全和可信的方式執行他們工作中的常規或複雜任務，” IBM 作者 Sami Marreed、Alon Oved、Avi Yaeli、Segev Shlomov、Ido Levy、Offer Akrabi、Aviad Sela、Asaf Adi 和 Nir Mashkif 在 7 月發佈的一篇論文中寫道 [PDF]。</p>
</div><p>Not everyone is convinced that agents are safe or trustworthy. IT consultancy Gartner recently advised blocking all agentic browsers, after warning a few months ago that about 40 percent of agentic enterprise projects will be cancelled by 2027 for lack of business value.</p>
<div class="lb-trans"><p>並不是所有人都相信代理是安全或可信的。IT 諮詢公司 Gartner 最近建議阻止所有代理瀏覽器，幾個月前警告稱，到 2027 年，約 40% 的代理企業項目將因缺乏商業價值而被取消。</p>
</div><p>However, the lure of automation remains strong and IBM is keen to help. Big Blue's researchers cite CUGA's performance on the WebArena and AppWorld benchmarks – 61.7 percent success rate completing web tasks and 48.2 percent scenario completion rate evaluating API tasks, respectively – and note the agent's scores, which are sufficiently poor to get a human worker fired, presently represent top-tier marks for agents.</p>
<div class="lb-trans"><p>然而，自動化的吸引力依然強烈，IBM 渴望提供幫助。IBM 的研究人員引用了 CUGA 在 WebArena 和 AppWorld 基準測試中的表現——完成網絡任務的成功率為 61.7%，評估 API 任務的場景完成率為 48.2%——並指出該代理的得分足夠低，以至於可能導致人類員工被解僱，目前這些得分在代理中代表了頂級水平。</p>
</div><p>Curiously, IBM does not appear to have used its own enterprise-focused WebAgentBench benchmark to evaluate CUGA. A paper by company researchers on that homegrown test suite describes the evaluation of three agents – AgentWorkflowMemory (AWM), WorkArena-Legacy, and WebVoyager – in terms of how well they completed prompted tasks.</p>
<div class="lb-trans"><p>有趣的是，IBM 似乎並沒有使用其自身專注於企業的 WebAgentBench 基準來評估 CUGA。公司研究人員關於該自制測試套件的論文描述了三種代理的評估——AgentWorkflowMemory (AWM)、WorkArena-Legacy 和 WebVoyager——以及它們完成提示任務的表現。</p>
</div><ul>
<li>Bot invasion increases with Google scraping the way, Cloudflare says</li>
<li>The future of long-term data storage is clear and will last 14 billion years</li>
<li>British Airways fears a future where AI agents pick flights and brands get ghosted</li>
<li>Disney turns to dark side, licenses IP to OpenAI for videos, images</li>
</ul>
<div class="lb-trans"><ul>
<li>隨着谷歌抓取的方式，機器人入侵增加，Cloudflare 表示</li>
<li>長期數據存儲的未來是明確的，將持續 140 億年</li>
<li>英國航空公司擔心未來 AI 代理選擇航班，品牌被忽視</li>
<li>迪士尼轉向黑暗面，將知識產權授權給 OpenAI 用於視頻和圖像</li>
</ul>
</div><p>Those agents managed an average raw completion rate of 24.4 percent and just 15 percent for policy-compliant completions. When five or more policies were in place, the average completion rate under policy was just 7.1 percent. And enterprises commonly have more than just five policies that apply to business workflows.</p>
<div class="lb-trans"><p>這些代理的平均原始完成率為 24.4%，政策合規完成率僅為 15%。當有五個或更多政策時，政策下的平均完成率僅為 7.1%。而企業通常有超過五個適用於業務工作流程的政策。</p>
</div><p>&#34;Enterprise workflows often layer dozens of concurrent policies, suggesting that the real-world shortfall will be even more pronounced and that policy-robust optimization, not just raw completion, must become the focal objective,&#34; the benchmark paper [PDF] says.</p>
<div class="lb-trans"><p>“企業工作流程通常疊加數十個併發政策，這表明現實世界中的短缺將更加明顯，政策穩健優化，而不僅僅是原始完成，必須成為重點目標，” 基準論文 [PDF] 中指出。</p>
</div><p>On the WebArena benchmark where CUGA scored a success rate of 61.7 percent, AWM scored just 35.5 percent.</p>
<div class="lb-trans"><p>在 CUGA 在 WebArena 基準測試中獲得 61.7% 成功率的情況下，AWM 僅得到了 35.5%。</p>
</div><p>IBM scientists earlier this year pointed out the deficiencies of various AI benchmark tests, but at least CUGA's scores suggest agents are improving.</p>
<div class="lb-trans"><p>IBM 科學家在今年早些時候指出了各種 AI 基準測試的不足，但至少 CUGA 的得分表明代理正在改善。</p>
</div><p>Offered under an Apache 2.0 license, CUGA starts with a chat layer designed to discern the user's intent from a prompt. This might be &#34;get top account by revenue from digital sales, then add it to current page,&#34; or any of the other sample prompts included with the HuggingFace demo, which simulates a small CRM system that comes with 20 preconfigured tools for making sales-related queries and API calls.</p>
<div class="lb-trans"><p>CUGA 在 Apache 2.0 許可證下提供，首先使用一個聊天層來識別用户的意圖。這可能是 “從數字銷售中獲取按收入排名的頂級賬户，然後將其添加到當前頁面”，或 HuggingFace 演示中包含的其他示例提示，這些示例模擬了一個帶有 20 個預配置工具的小型 CRM 系統，用於進行與銷售相關的查詢和 API 調用。</p>
</div><p>A task planning and control component analyzes prompts entered into CUGA, and breaks the goal down into a set of structured subtasks tracked in a task ledger, the authors explain. The ledger is dynamic and can re-plan when things don't go right the first time.</p>
<div class="lb-trans"><p>任務規劃和控制組件分析輸入到 CUGA 中的提示，並將目標分解為一組在任務賬本中跟蹤的結構化子任務，作者解釋道。該賬本是動態的，當第一次執行不順利時可以重新規劃。</p>
</div><p>&#34;Subtasks are delegated to specialized agents, such as the API agent, which uses an inner reasoning loop to generate pseudo-code instructions before invoking code in a secure sandbox,&#34; the researchers explain in a blog post. &#34;The system leverages a tool registry that goes beyond MCP protocols to parse and understand tool capabilities, enabling precise orchestration.&#34;</p>
<div class="lb-trans"><p>“子任務被委派給專業代理，例如 API 代理，它使用內部推理循環生成偽代碼指令，然後在安全沙箱中調用代碼，” 研究人員在一篇博客文章中解釋道。“該系統利用一個工具註冊表，超越 MCP 協議，解析和理解工具能力，實現精確的編排。”</p>
</div><p>Finally, the system returns what is hopefully a policy-compliant response to the user.</p>
<div class="lb-trans"><p>最後，系統返回希望是政策合規的響應給用户。</p>
</div><p>IBM’s devs designed CUGA to work with Langflow, a low-code platform for AI agent design, and to support various open models, such as gpt-oss-120b and Llama-4-Maverick-17B-128E-Instruct-fp8. Coincidentally, Meta, maker of Llama, is reportedly working on a follow-up model called Avocado that may not be open-source.</p>
<div class="lb-trans"><p>IBM 的開發人員設計 CUGA 以與 Langflow 配合使用，這是一個用於 AI 代理設計的低代碼平台，並支持各種開放模型，如 gpt-oss-120b 和 Llama-4-Maverick-17B-128E-Instruct-fp8。巧合的是，Llama 的製造商 Meta 據報道正在開發一個名為 Avocado 的後續模型，可能不是開源的。</p>
</div><p>CUGA appears to still have a few rough spots. A recently reported bug, for example, suggests that the agent occasionally may have trouble exiting its run loop. But if you're deploying AI agent software and you expect to automate multi-step business tasks without a hitch, you might want to lower your expectations. ®</p>
<div class="lb-trans"><p>CUGA 似乎仍然有一些粗糙之處。例如，最近報告的一個錯誤表明，該代理偶爾可能在退出其運行循環時遇到問題。但如果您正在部署 AI 代理軟件，並期望能夠毫無障礙地自動化多步驟的業務任務，您可能需要降低期望。®</p>
</div>

IBM 推出了 CUGA，這是一款開源的 AI 代理，實際上完成了超過一半的任務