Amazon 发布 SOP-Bench：评估 AI 智能体执行真实业务流程的基准

Amazon 在 KDD 2026 发布开源基准 SOP-Bench，用领域专家撰写的真实 SOP 配套可调用工具和标准答案，覆盖 12 个业务领域、超过 2000 个任务。实验显示模型升级可能降低成功率、工具数量增加会使成功率近乎减半，最易流程正确率约九成而最难约四分之一；基准已上线 GitHub 和 HuggingFace。