ServiceNow+Mila：EnterpriseOps-Gym评估企业级智能体

ENTERPRISEOPS-GYM 是一个专门用于评估大语言模型在复杂企业场景中自主规划与工具调用能力的基准测试平台。该平台模拟了一个包含 164 个数据库表和 512 个功能工具的交互式沙箱环境，涵盖了人力资源、IT 服务和客户服务等八大核心业务领域。研究表明，即使是性能顶尖的模型在处理长周期任务和政策合规性要求时仍面临巨大挑战，成功率普遍较低。通过对比实验发现，战略规划能力而非工具识别是制约模型表现的主要瓶颈。该来源强调，目前的 AI 智能体尚不足以在无人工干预的情况下独立胜任企业级自动化工作流。这一工具包的发布旨在推动更具鲁棒性和安全性的状态感知型 AI 研究。