Anchor管线构建ERP-Bench基准

Abhijay Rana等人发布Anchor管线与ERP-Bench基准。该管线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，并构建了包含300个采购与制造任务的ERP-Bench。 在评估中，使用共享验证器测试编码、浏览器及计算机使用智能体，发现前沿模型仅在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，相关成果已获NeurIPS 2026 Workshop接收。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。