Eon企业基准：带精确真值的LLM智能体评测
原文标题：The Era by Eon Benchmark: A Generated Enterprise Estate with Exact Ground Truth for Benchmarking LLM 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。
论文提出Era by Eon Benchmark，用于评测使用企业工具的LLM智能体，围绕一家完整虚构公司构建。基准包含产品模拟器、公司内部数据库、问题与计算答案键，由种子实体图统一供给Salesforce、Zendesk、Slack等模拟器数据。在23家生成公司上平均真实感得分从61.8升至97.0，九款模型在33个问题上准确率介于42.4%至76.8%。
- 问题
- 企业系统智能体无法用客户生产数据评测，也缺乏可用的真值替代。
- 方法
- 围绕一家完整虚构公司构建基准，种子实体图统一供给Salesforce、Zendesk、Slack等模拟器数据，答案由最终记录精确计算。
- 结果
- 23家生成公司真实感得分从61.8升至97.0，九款模型在33题上准确率42.4%-76.8%。
- 影响
- 企业智能体评测有了可复现、可精确判分的沙盒，替代不可触碰的生产数据。
机构：Eon
深读 · 结论先行AI 生成展开看要点与影响 ↓
Eon企业基准用虚构公司造精确真值，九款模型33题准确率仅42.4%至76.8%
- •围绕一家完整虚构公司构建，含产品模拟器、内部数据库、问题与计算答案键
- •同一实体图向Salesforce、Zendesk、Slack、Gong等模拟器供给共享数据，保证企业数据一致
- •答案由最终记录计算得出，因此评分精确；23家生成公司真实感均分从61.8升至97.0
- •九款模型对同样33题各答三次，准确率区间42.4%至76.8%
- •36组两两差异中仅3组经校正后仍成立
为什么重要：企业智能体无法用客户生产数据评测，该基准提供可复现的替代真值，适合选型对比。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
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。