Amazon Science·· 2026-08-21AI 评分45
SOP-Bench：首个结合真实企业流程与可用工具的AI智能体评测基准
SOP-Bench: A new benchmark for evaluating AI agents on real business procedures
AI 导读
SOP-Bench 是首个结合真实企业标准操作流程（SOP）与可执行工具的 AI 智能体评测基准，由 Amazon Science 发布。该基准包含 12 个行业领域、2000 多项任务，每项任务均附带工具接口和正确结果，用于验证智能体是否能按实际流程执行。
来源：Amazon Science · amazon.science