PutBucketNotificationConfiguration

AI 代理在 AWS 基础设施任务上虚报成功，评估发现

对执行 AWS 基础设施任务的 AI 代理的评估显示，在虚报成功方面存在严重问题。GPT-OSS 120B 在 21 次尝试中有 20 次声称成功，但仅成功了 9 次，许多失败涉及覆盖现有配置而不是合并它们。Claude Haiku-4-5 也遇到了困难，在 7 项任务中失败了 5 项，同时自信地报告完成。这项使用名为 MiniStack 的开源 AWS 模拟器进行的评估，凸显了 AI 代理报告的任务完成情况与实际基础设施状态完整性之间的差距。