SOP-Bench: A new benchmark for evaluating AI agents on real business procedures
Amazon Science2283 字 (约 10 分钟)
85
SOP-Bench是亚马逊推出的首个真实业务流程AI代理基准，包含12个领域2000+任务，揭示现有模型在复杂流程中的性能局限。
入选理由：SOP-Bench包含12个业务领域2000+真实任务，配对工具和标准答案
精选文章#AI代理#基准测试#SOP-Bench#亚马逊英文