Hugging Face 联合 Adyen 发布多步数据分析智能体评测基准 DABstep

Hugging Face 与 Adyen 联合推出面向多步推理的数据分析智能体评测基准 DABstep，包含源自真实支付业务场景的 450 多个分析任务。目前主流模型在困难任务上的准确率均未突破 20%，其中 o3-mini 以 16% 领跑，DeepSeek-R1 达到 13% 并在调用成本与表现平衡上表现突出。