Argo-Bench发布：评估企业级数据智能体

2026年10月1日，HuggingFace Daily Papers收录的社区热门论文介绍了 Argo-Bench，一个面向企业级工作流的数据智能体评测基准。该框架包含 210 个数据科学与分析任务，模拟纽约市外卖平台 2024 年的 8100 万订单，并将其导出为 235 张表、75 亿行的 ERP 仓库。任务要求智能体在仓库中重建事实，并执行封禁欺诈账号、分配骑手激励预算等操作，由模拟器按操作后果评分。论文称，在 14 个前沿与开源权重模型中，表现最强者仅在 34.8% 的任务上得分 95 以上，平均得分为 59.5 分。上述数字与结论均来自该论文的表述。

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。