Adyen 与 Hugging Face 发布 DABstep：多步推理数据智能体基准

Adyen 与 Hugging Face 联合发布 DABstep，一个面向多步推理的数据智能体基准，包含 450+ 个源自 Adyen 真实业务的数据分析任务。最强推理型智能体在该基准上仅取得 16% 准确率，凸显当前模型在复杂数据分析上的差距。任务结合结构化与非结构化数据，采用二元事实性评测，仅需代码执行环境即可运行并提交排行榜。