arXiv论文发布Argo-Bench：在75亿行企业ERP环境下评测数据智能体

Argo-Bench: Evaluating Data Agents on Enterprise-Scale Workflows 针对传统Text-to-SQL基准过于简化且答案错误率高的问题，研究团队模拟外卖业务场景构建了包含235张数据表、75亿行记录的真实ERP评测环境Argo-Bench。该基准不仅评测查询生成，更要求数据智能体完成欺诈封禁、预算调整等下游执行动作，实测显示前沿模型在该复杂环境下最高达标率仅为34.8%。