热点事件持续更新
Argo-Bench：评估数据代理在企业级工作流中的表现
1 篇报道1 个报道来源4 小时前 更新
先了解这件事
AI 综述
2026-10-02，arXiv 发表 Argo-Bench 基准，面向企业级工作流的数据代理评估。框架包含 210 个数据科学与分析任务，基于纽约外卖平台 8100 万笔订单、235 张表、75 亿行的 ERP 仓库，模拟真实企业场景。代理需在看不到真实状态的情况下重建事实，并执行封禁欺诈账户、分配骑手激励预算等操作。测试覆盖 14 个前沿与开源模型，仅 34.8% 任务得分≥95，均分 59.5。代码、数据与网站链接见原文。
AI 根据报道生成 · 3 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv · DatabasesArgo-Bench：面向企业级工作流的数据代理评估基准
arXiv 论文 Argo-Bench 提出包含 210 个数据科学与分析任务的评估框架，基于纽约外卖平台 8100 万笔订单、235 张表、75 亿行的 ERP 仓库模拟真实企业场景。代理需在看不到真实状态的情况下重建事实并执行封禁欺诈账户、分配骑手激励预算等操作，14 个前沿与开源模型仅 34.8% 任务得分≥95，均分 59.5。代码、数据与网站链接见原文。
本事件热度走势
当前热度 9·可比范围峰值 10（10月2日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。