Argo-Bench：面向企业级工作流的数据智能体评测基准

Argo-Bench 是一个包含 210 个数据科学与分析任务的数据智能体评测框架，面向需要跨数十张表推理、执行统计分析并据此行动的企业级工作流。现有 text-to-SQL 基准只评估查询生成，且审计发现其答案键常出错；由于真实企业数仓过于敏感无法公开，这些基准多基于业务事件仅落在单张表的公开数据集构建。