ニュース
VAKRA: Evaluating Multi-Hop Reasoning Across APIs and Retrieval Under Tool-Use Policies
arXiv cs.AI · 公開日 · 読了3分
30秒で要点
- 何が起きたか
- VAKRA benchmark evaluates AI agents on multi-hop reasoning across 8,000+ executable APIs in 62 domains with tool-use policy constraints.
- なぜ重要か
- Enterprise engineers building or deploying AI agents that must combine API calls and document retrieval under operational constraints.
- 注意点
- Best models achieve only 70% on single-hop tasks and 50% on multi-step reasoning; failures stem from language reasoning, not tool mechanics.
この要約を音声で聴く
- agent
- reasoning
- retrieval
- tool-use
- edge
この話題の背景にあるパターン
各ページで、技術の仕組み、コストに見合う場面、そして破綻する条件を解説しています。
The Agent Architect
1つのパターン、1つのトレードオフ、1つの本番障害事例。エージェントシステムを構築する人のための短い週刊ブリーフィング。
週1回のメール、ワンクリックで購読解除できます。アドレスはブリーフィングの送信のみに使用します。