Skip to content
Hot eventLive

Incident-Arena：面向生产事故响应的Agent基准发布

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026-10-02，arXiv 发表一手论文，公布 Incident-Arena 基准。包含 20 个真实生产场景任务的人类构建测试，覆盖 Kubernetes 配置层、镜像层与负载注入故障响应。智能体平均消耗 2.81M tokens、进行 41 轮交互，前沿模型在 3 类应用上得分低于 64.3%，失败集中在诊断定位、修复不完整与不安全回归。

Generated from reports · updated 2 hr ago

LatestOct 2
论文发布并公开 Incident-Arena 基准及实验结果。

Timeline

Follow the coverage from different angles.

Oct 2, 2026
  1. arXiv · Artificial Intelligence精选
    Incident-Arena：让智能体达到可靠性最后九分钟

    论文提出 Incident-Arena，一个包含 20 个真实生产场景任务的人类构建基准，覆盖配置层、镜像层和负载注入的 Kubernetes 故障响应。智能体平均消耗 2.81M tokens 和 41 轮，前沿模型在 3 类应用上得分低于 64.3%，失败集中在诊断定位、修复不完整和不安全回归。

Heat trend

There is not enough continuous observation data to draw a trend yet.