Salesforce 发布 CRM-Agent-Bench：评测有状态企业环境中的工具调用智能体

Salesforce 推出 CRM-Agent-Bench，一个面向有状态企业环境的执行型基准，包含 9 个业务领域、36 个能力标签的 555 个多轮任务，每个任务配有可执行契约，成功需同时满足结果、轨迹、可行性与合规检查。在最终审计版本上评测的 16 个系统中，严格成功率介于 64.32% 至 83.60%，领先系统之间成本与各领域可靠性差异明显。基准代码已在 GitHub 开源。