阿里荣膺 ACL 2026 最佳资源论文 | HSCodeComp 揭开智能体「分层规则应用」的能力鸿沟

阿里荣膺 ACL 2026 最佳资源论文 | HSCodeComp 揭开智能体「分层规则应用」的能力鸿沟

摘要

HSCodeComp 是一个评估AI Agent在专家级分层规则应用能力的基准，聚焦海关商品编码任务。测试发现，最强Agent准确率仅49.4%，远低于人类专家的95%。Agent难以处理层级推理、语义模糊和规则耦合，简单增加算力或反思无法弥合差距，关键瓶颈在于对专家规则与知识的精准检索与应用。