阿里获ACL 2026最佳资源论文奖 提出Agent评测新基准
阿里新研究揭示当前AI Agent在复杂规则推理中准确率远低于人类，并提出新基准HSCodeComp，指明架构瓶颈而非算力问题。
阿里研究团队在ACL 2026上获最佳资源论文奖，提出Agent评测新基准HSCodeComp。测试发现，最强Agent在海关编码分类任务上准确率仅45%，远低于人类专家的95%，且增加推理时间无法缩小差距。根本原因在于推理链过长、领域知识不足和推理幻觉，而非算力问题。
阿里新研究揭示当前AI Agent在复杂规则推理中准确率远低于人类，并提出新基准HSCodeComp，指明架构瓶颈而非算力问题。
阿里研究团队在ACL 2026上获最佳资源论文奖，提出Agent评测新基准HSCodeComp。测试发现，最强Agent在海关编码分类任务上准确率仅45%，远低于人类专家的95%，且增加推理时间无法缩小差距。根本原因在于推理链过长、领域知识不足和推理幻觉，而非算力问题。