ESF-Bench：面向真实企业应用的高难度槽位填充场景基准测试

大语言模型（LLM）的迅速崛起推动了其在企业中的变革性应用。然而，由于复杂的系统约束与用户不可预期的行为，将这些模型部署到真实环境会带来独特的挑战。在这些应用中，槽位填充（slot filling）对于把非结构化输入转化为结构化、可操作的数据至关重要。在本工作中，我们提出ESF-Bench，一个高难度的企业槽位填充基准，由8个独特领域上的810个多轮样本与6530个槽位构成。ESF-Bench基于真实企业部署中观察到的57种最具挑战性的槽位填充场景分类体系精心构建，它揭示了当前最先进LLM的显著局限，其中GPT-OSS-120b low仅能成功提取基准样本中20.7%的槽位。为支持该领域的持续研究，我们在GitHub上公开发布了基准数据集、分类体系及配套评估代码。