WorkBench Revisited: Workplace Agents zwei Jahre später

arXiv:2606.13715v1 Ankündigungstyp: neu Abstract: Der beste Agent auf WorkBench im März 2024, GPT-4, erledigte 43% der Aufgaben und führte unbeabsichtigte schädliche Aktionen durch, wie das Versenden von E-Mails an die falsche Person, bei 26% von ihnen. Wir überprüfen die Benchmark im Juni 2026 erneut und stellen fest, dass der beste Agent bislang, Claude Opus,