Tag
该论文提出 CRM-Agent-Bench，一个基于执行的基准，包含 555 个有状态多轮任务，用于通过严格的契约检查评估工具使用型语言代理在九个企业业务领域中的结果、轨迹、可运行性与合规性；在十六个系统上评测中严格成功率介于 64.32% 到 83.60% 之间。