ScarfBench：评测企业Java框架迁移AI智能体

IBM Research推出开源基准ScarfBench，用于评测AI智能体在Enterprise Java跨框架迁移中的构建、部署和行为保持能力。基准包含34个应用、102个框架实现和204项迁移任务；测试显示当前最强智能体的行为成功率低于10%，且智能体自报成功不能替代独立构建与测试验证。