microsoft/STATE-Bench：企业多步 Agent 工作流评测基准

STATE-Bench 由微软发布，针对企业环境中多步 Agent 工作流的评测空白：现有基准多以单轮问答或简单任务为主，难以衡量 Agent 在真实企业流程中跨越多步骤完成任务的能力。该基准以独立评测体系的形式组织任务，用于系统性考察 Agent 在多步工作流中的表现。对正在企业内落地 Agent 并需要横向对比方案的开发者，它提供了参考基准；任务构成、指标定义与覆盖的业务类型本次公开材料未披露。