arXiv · NLP· Monojit Banerjee, Zhujun Lan, Defu Cao·· 5 小时前AI 评分32
CRM-Agent-Bench：面向有状态企业环境的工具使用智能体基准测试
CRM-Agent-Bench: Benchmarking Tool-Using Agents in Stateful Enterprise Environments
AI 导读
研究人员提出 CRM-Agent-Bench，这是一个包含 555 个有状态多轮任务的执行型基准，覆盖九大业务领域和 36 个能力标签。每个任务配备基于动作、参数、顺序、响应及目标状态的专属可执行契约，成功定义为契约中声明检查项的严格合取。
来源：arXiv · NLP · arxiv.org