SOP-Bench：评估智能体执行真实业务流程能力的新基准

SOP-Bench是一个开放基准测试，覆盖12个业务领域逾2000项任务，配套可用工具与标准答案，用于客观评估AI智能体在真实标准操作流程（SOP）上的表现。研究发现，现有基准多测试孤立能力，而真实SOP需多工具协同、歧...