论文
EntWorld：面向可验证企业GUI智能体的整体环境与基准
EntWorld: A Holistic Environment and Benchmark for Verifiable Enterprise GUI Agents
摘要
多模态大语言模型（MLLM）的最新进展使智能体能够在开放式的网页和操作系统中运行。然而，现有基准主要面向消费级场景（如电商和旅行预订），未能捕捉专业企业工作流的复杂性与严格性。企业系统带来独特挑战，包括高密度用户界面、严格的业务逻辑约束，以及对精确、状态一致的信息检索的强依赖——当前通用智能体在这些方面往往表现不佳。为填补这一空白，我们提出EntWorld，一个由跨六个代表性企业领域的1,756个任务构成的大规模基准，涵盖客户关系管理（CRM）、信息技术基础设施库（ITIL）和企业资源计划（ERP）系统等。与依赖脆弱执行轨迹或大量人工标注的以往数据集不同，EntWorld采用基于schema的任务生成框架，直接从底层数据库模式反向工程业务逻辑，从而能够合成真实的长期工作流。此外，我们提出基于SQL的确定性验证机制来构建数据集，用严格的状态转换验证取代模糊的视觉匹配。实验结果表明，最先进的模型（如GPT-4.1）在EntWorld上仅取得47.61%的成功率，远低于人类水平，凸显了当前Agentic能力中显著的企业差距以及开发领域专用智能体的必要性。我们发布EntWorld作为严格测试床，以促进下一代企业级数字智能体的开发与评估。
