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