HF Daily Papers·· 5 天前精选AI 评分42
BizBench：揭示长链路业务 Agent 在真实部署中的中间执行漏洞
BizBench: Unveiling Hidden Challenges in Deploying Long-Horizon Agents for Real-World Business
AI 导读
BizBench 是一项多轮长链路业务 Agent 评测基准，基于一家头部支付公司的真实流程构建，包含 789 份知识文档和 601 个可发现工具，共 50 个任务，覆盖资源约束、时间依赖、过往承诺与冲突或过期指引等场景。
推荐理由
BizBench对比前沿模型在真实业务流程中的严格合规执行表现，揭示仅看最终结果会掩盖中间过程的违规。
来源：HF Daily Papers · huggingface.co