Hugging Face Daily Papers·· 5 天前精选AI 评分58
BizBench：评估长程业务智能体中间执行合规性的新基准
BizBench: Unveiling Hidden Challenges in Deploying Long-Horizon Agents for Real-World Business
AI 导读
BizBench 是一个基于某头部支付公司真实流程构建的多轮基准，包含 789 份知识文档、601 个可发现业务工具和 50 个涉及资源约束、时间依赖与冲突或过时指引的任务，用确定性检查同时评估目标达成与执行有效性。
推荐理由
BizBench 把评测重点从最终成功率移到中间执行是否合规，并给出前沿模型在支付流程中的严格成功率对比。
来源：Hugging Face Daily Papers · huggingface.co