<mark id="oztn4"></mark>
0
| 本文作者： 徐咪 | 2026-07-08 14:51 |
7月8日，國際AI頂級學術會議ACL 2026公布了最佳論文獎項，阿里研究團隊在Deep Research Agent方向的研究成果從全球一萬多篇投稿中脫穎而出，獲評最佳資源論文獎（Best Resource Paper），是國內唯一獲得該獎項的中國公司。據悉，該論文首次系統揭示了當前Agent在真實世界復雜規則推理中面臨巨大缺陷，并提出了全新的專家Agent評測基準，為提升大模型在真實場景的可靠性指明了新方向。
ACL（國際計算語言學協會）成立于1962年，是自然語言處理和計算語言學領域中歷史最悠久、最具權威性的國際學術組織。在學術評價體系中，ACL長期位居谷歌學術計算語言學子領域的h5-index影響力榜首，是大模型、Agent等前沿計技術的核心論文首發陣地。據介紹，ACL 2026共收到12148篇投稿，僅19%被主會錄用，最終僅有4篇論文獲評Best Resource Paper。
阿里此次獲獎的論文以商品出口所需的10位海關編碼（HS Code）為切入點，提出了針對真實場景和專家水平的智能體新基準 HSCodeComp，它要求 Agent像資深關務專家一樣，將商品模糊的屬性與嚴格的關稅歸類規則對齊，為商品精準映射到10位細分編碼。研究團隊對14個主流大模型和9個先進 Agent框架進行了全面評測。測試結果顯示，表現最好的Agent系統準確率僅為45%左右，遠低于人類專家95%的準確率。更值得注意的是，研究還發現單純堆更多推理時間（inference-time scaling）并不能顯著縮小這道鴻溝，這意味著這背后并非"算力問題"，而是Agent架構本身的結構性瓶頸。
該研究還進一步揭示了導致Agent系統缺陷的原因：首先過長的推理鏈導致Agent在中途偏離正確路徑，其次是領域知識不足導致規則誤用，最后由于推理幻覺造成Agent生成缺乏事實依據的分類判斷。這些發現為Agent能力提升指明了方向。
在 HSCodeComp基準測試中，阿里設計的Agent準確率達到65.0%
目前，HSCodeComp基準的數據集與評測代碼已在Hugging Face和 GitHub全面開源。據介紹，阿里已基于該研究成果，在跨境貿易數字關務等場景中設計了以Qwen基座模型為核心的Agent框架，在HSCodeComp 基準（10 位編碼準確率）上的測試結果顯示，該Agent以65.0%的準確率穩居AI系統第一位。
ACL評審委員會表示：“該基準切中了Agent應用的高度重要挑戰——考察Agent對嚴格層級化自然語言規則的遵循能力，研究動機極具說服力；嚴謹的人類專家評測流程提供了高度可靠的能力上界。”
阿里研究團隊表示："層級規則應用是現實世界中大量專業決策的核心能力，不僅存在于國際貿易，也廣泛存在于法律合規、醫療診斷、稅務審計等重要高價值垂類領域。HSCodeComp揭示了當前Agent的能力邊界，也為構建真正可靠的專業AI系統提供了科學的評測標桿。"
