Anchor 基准构建管道与 ERP-Bench：防止长程智能体验证中的产物漂移

Anchor 管道通过约束优化将专家规范转化为指令、环境、最优解及验证器，构建了包含 300 个采购与制造任务的 ERP-Bench。 在共享验证器下评估编码、浏览器及计算机使用智能体时，前沿模型仅在 25.9% 的试验中遵循所有规则，仅 17.4% 达成完全最优决策。 该方案为构建可审计、验证器与经济价值任务对齐的评估环境提供了具体配方，已获 NeurIPS 2026 Workshop 接收。