跳到正文
Amazon Science(amazon.science)·· 2026-08-21品質評分36

SOP‑Bench:評估 AI 代理執行真實商業程式的新基準

SOP-Bench: A new benchmark for evaluating AI agents on real business procedures

重點導讀

summary_zh: SOP‑Bench 是一套公開的基準,測試 AI 代理在真實商業程式(SOP)上的執行能力,並以工具呼叫與真實答案做評分。

  • 範圍:涵蓋 12 個行業(醫療、危險品分類、客服、內容審核、金融合規、倉庫檢查等),共 2,000+ 任務。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

信源出處amazon.science

SOP-Bench: A new benchmark for evaluating AI agents on real business procedures

本文為 888news 精選之重點導讀。若需閱讀作者完整原文、技術細節與官方討論,請前往原始網站。

開啟原文
來源: Amazon Science (amazon.science)
開啟原文

讀者討論

理性交流 · 即時討論