研究人员推出了CRM-Agent-Bench，这是一个旨在评估有状态企业环境中语言智能体的新基准。该基准使用客户关系管理（CRM）任务作为测试平台，从四个关键方面评估智能体：结果、轨迹、运营可行性和策略合规性。该基准包含跨越九个业务领域的555个多轮任务，每个任务都有一个智能体必须严格遵守才能成功的可执行合同。对十六个系统的初步评估显示，严格成功率在64.32%至83.60%之间，顶级表现者在成本和可靠性方面存在显著差异。 AI
影响 该基准可以加速在企业环境中开发和部署更可靠、更合规的AI智能体。
排序理由 该集群包含一篇介绍用于评估AI智能体的新基准的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
