Turing 推出 CEO Bench 企业级 Agent 基准

Turing 发布企业级 Agent 评估基准 CEO Bench，通过 500 多个任务在完整虚构公司(首例为 Cirrus Sleep, Inc.)中模拟长周期的财务与运营工作，用以检验智能体能否在真实企业环境中创造实际价值。结果显示，即便顶级前沿模型在企业任务上也仅取得约 41.3 分，凸显当前 Agent 与真实商业要求之间的差距。

2026-09-10 ~ 2026-09-10 · 2 条相关

• Turing 发布 CEO Bench:500+ 任务模拟公司里考核前沿 Agent — ecekamar · 2026-09-10
• Turing 发布 CEO Bench：顶级模型企业任务仅得 41.3 分 — ecekamar · 2026-09-10