研究論文1 個來源10/20 上午04:20
圖:本站依事件資料排版,不是新聞照片
BizBench:長程代理在真實商業場景部署中的隱藏挑戰
ant-international 推出 BizBench,針對支付等高風險領域的長程代理進行多輪評估。實驗顯示,即使前沿模型如 Claude Opus 5 與 GPT-6 Sol,嚴格成功率也僅約六成,DeepSeek-V4.1-Flash 的工具呼叫次數亦顯著高於參考執行。
程式自動生成(qwen3.8:27b),未經人工審閱。每段附來源,門檻檢查通過後自動上線。
