Docker tích hợp Harbor với Sandboxes để chạy benchmark agent an toàn và có thể tái lập
Docker đã tích hợp Sandboxes với Harbor, một framework mã nguồn mở để đánh giá AI agent qua các nhiệm vụ thực tế. Mỗi nhiệm vụ đánh giá giờ đây có thể chạy trong Docker Sandbox, một máy ảo siêu nhẹ có kernel riêng, cho phép các agent như Claude Code, Codex và Cursor cài package, chỉnh sửa tệp và chạy lệnh trong môi trường bị cô lập. Thiết kế này nhằm giảm hiện tượng reward hacking, tức agent đạt điểm bằng cách can thiệp vào bộ kiểm thử hoặc tệp đánh giá thay vì hoàn thành nhiệm vụ. Người dùng có thể đặt chính sách mạng tùy chỉnh, chẳng hạn cho phép tải dữ liệu khi khởi tạo rồi chặn Internet trong lúc agent làm việc, giúp việc so sánh công bằng và có thể tái lập hơn. Các nhóm có thể chạy đánh giá cục bộ hoặc mở rộng trên Docker Cloud Sandboxes; Docker cho biết đã thử nghiệm Harbor với 64 worker chạy đồng thời. Bản tích hợp hiện hỗ trợ task một container trên CPU, còn GPU và nhiều container sẽ được bổ sung sau. Với các nhà phát triển và nhóm nghiên cứu, công cụ này cung cấp cách an toàn hơn để benchmark agent lập trình nhiều lần mà không phơi máy chủ hoặc phải tự quản lý hàng loạt máy cloud.
Các nhóm phát triển và nghiên cứu agent có thể dùng Harbor với Docker Sandboxes để chạy benchmark an toàn, nhất quán hơn trên máy cá nhân hoặc mở rộng lên cloud. Hiện tích hợp hỗ trợ task một container chạy CPU; GPU và nhiều container vẫn đang được phát triển.
Đọc bài gốc