Skip to content
Hot eventLive

Argo-Bench：评估数据代理在企业级工作流中的表现

1 reports1 sources5 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 4 hr ago

LatestOct 2
arXiv 发布 Argo-Bench 基准，14 个模型在 210 个企业级数据代理任务中均分 59.5，仅 34.8% 任务≥95。

Timeline

Follow the coverage from different angles.

Oct 2, 2026
  1. arXiv · Databases
    Argo-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。

Heat trend

Current heat 9·Comparable peak 10（Oct 2）·Comparable change over 24 hours –

02.557.510Oct2Oct2Oct2Oct2

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.