DI-Bench：为企业智能体生成领域数据智能基准
原文标题：DI-Bench: Systematically Generating In-Domain Data Intelligence Benchmarks for Enterprise Agents
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
本文提出DI-Bench流水线，用于自动生成企业数据智能（DI）基准，模拟需要计算与知识检索的真实任务。该流水线构建工件链接图，生成包含结构化数据和关联知识的问题，并通过查询执行获得真实答案。应用于两个公开数据集后，生成了731个任务的基准，评估显示模型在业务规则修改计算的任务上准确率仅32%，凸显了基准的难度与区分度。
- 问题
- 公开基准很少评估企业智能体能否把业务知识与分析计算结合起来，人工构建成本高。
- 方法
- 在数据表、维度、指标和文档上构建工件链接图，生成结构化数据加关联知识的问题，经查询执行得到真值并做LLM生成与校验。
- 结果
- 在两个公开数据集上生成731个任务的基准；四个模型中，涉及业务规则修改计算的任务准确率仅32%。
- 影响
- 为企业智能体提供可自动扩展的领域数据智能评测，暴露规则与计算耦合场景的明显能力缺口。
深读 · 结论先行AI 生成展开看要点与影响 ↓
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。