CRM-Agent-Bench: 在状态化企业环境中评估工具使用型智能体的基准测试

研究团队推出 CRM-Agent-Bench，一个包含 555 个状态化多轮任务的基准测试，覆盖九个商业领域和 36 个能力标签。该基准通过可执行契约评估智能体的结果、轨迹、运营可行性和策略合规性，对十六个系统的评估显示严格成功率在 64.32% 到 83.60% 之间，领先系统在成本和领域可靠性上存在显著差异。