阿里发布真实关务Agent基准

机器之心 · wechat · 2026-07-19

这篇文章介绍了阿里巴巴 ATH-MaaS 团队的 HSCodeComp：一个面向真实关务场景的深度检索 Agent 基准，用来评估模型能否根据商品信息和层级规则，准确判断海关编码（HSCode）。

文章强调，这类任务不是简单问答，而是要沿着规则树逐层推理、检索规则和历史裁定，最终给出唯一的 10 位编码。作者给出的数据很强：人类专家准确率约 95%，而最强 Agent 只有 49.4% 左右，说明当前 Agent 在“层级规则应用”上存在明显结构性短板。