**Argo-Bench:面向企业级工作流的数据智能体评估基准** _Argo-Bench: Evaluating Data Agents on Enterp
原帖
**Argo-Bench:面向企业级工作流的数据智能体评估基准**
_Argo-Bench: Evaluating Data Agents on Enterprise-Scale Workflows_
> Argo-Bench 是一个包含 210 项任务的新评估框架,旨在测试数据智能体在复杂企业环境中的推理与行动能力。该基准模拟了纽约市外卖平台,构建了包含 235 张表和 75 亿行数据的 ERP 仓库,要求智能体不仅生成 SQL 查询,还需执行如封禁欺诈账户、分配预算等具体业务操作。测试显示,最强前沿模型在仅 34.8% 的任务中得分超过 95 分,平均分为 59.5 分,表明当前模型在真实数据环境中的表现仍有巨大提升空间。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-02 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2610.02122)