Opti-Agent-Bench：在真实商业问题上基准测试端到端优化研发智能体

基于LLM的智能体日益被部署求解优化问题，但既有基准在预先结构化的数学表述上评估它们——绕过最关键的挑战：把复杂业务需求转化为正确模型并高效求解。我们提出Opti-Agent-Bench：一个端到端基准，跨完整优化研发管线评估LLM——从理解业务语言描述，经数学建模、算法选择与代码实现，到解决方案报告生成。设计基于三大支柱：(1) 业务语义真实性，带击败模式匹配的反模板陷阱；(2) 模块化评估，跨问题理解、形式化建模、实现与报告做跨模块一致性检查；(3) ORAC双层效度框架，同时确保任务质量与评分诚信。跨多个工业规模任务（整数规划、鲁棒优化、随机规划与非凸优化）：我们暴露当前模型的关键失败模式——约束遗漏、模型—代码不一致、报告—实现背离——这些在常规单指标评估下不可见。