AWS выпустила aws-bench, открытый бенчмарк для оценки ИИ-агентов на реальных задачах AWS, таких как неправильные конфигурации и предоставление инфраструктуры. В отличие от традиционных бенчмарков, он использует реальные ресурсы на одноразовых учетных записях AWS, оценивая производительность агента с помощью автоматизированных верификаторов. Автор: Джанмарко Налин.