DBA-Bench v2：评测 LLM 数据库运维 Agent 的生产级基准

Junming Chen 等在 arXiv 发布 DBA-Bench（v2），一个面向 LLM 数据库运维 Agent 的生产级保真评测基准，在承载活动工作负载、持续状态和多源观测的 PostgreSQL 与分布式 TiDB 环境中评测 Agent，并报告了 8 个自动化基线的结果。 基准的主评测覆盖 5 个运维领域的 231 个有界场景，另有 10 个持续场景考察事件交互下的持续运行。评测的 8 个自动化基线包括 4 个前沿基础模型、2 个开源权重模型和 2 个由 GPT-5.5 驱动的数据库 Agent。 评测结果显示，Agent 可能定位了根因却无法恢复运营目标，或在恢复目标时违反安全约束；持续场景还暴露出 Agent 难以协调竞争工作负载，并在后续变更后检查此前已完成的修复。以上结果基于论文摘要。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。