准确率超过 96%！蚂蚁数科 AiWork 数据智能体刷新国际 Data Agent 榜单新纪录

近日，蚂蚁数科技术团队提交的 Data Agent 方案，登顶国际数据智能体评测基准 Data Agent Bench（DAB），并以 96.3% 的准确率刷新该榜单历史纪录。这意味着，在高度贴近真实企业场景的复杂数据分析任务中，蚂蚁数科的数据智能体具备领先的理解与分析能力，也折射出数据智能体正从 " 会答题 " 迈向 " 能交付 " 的新阶段。

值得一提的是，蚂蚁数科方案基于 GLM-5.3 和决策模型 Jev1.13 构建，超过了多个基于 Claude 和 GPT 模型的参评方案。相关能力已在蚂蚁数科 Agentar AiWork 产品体系中落地。

DAB 由 UC Berkeley EPIC Data Lab 与 Hasura PromptQL 合作推出的数据智能体评测基准，旨在考察智能体处理复杂企业数据任务的能力。它覆盖本地商户、股票市场、客户关系管理等多个领域，并基于公开数据集模拟企业中常见的数据难点：数据分散在 PostgreSQL、MongoDB（MDB）、SQLite、DuckDB 等异构数据库中，同一实体的关联键名称或格式不一致，部分关键信息嵌入非结构化文本，回答问题还可能需要领域知识。

DAB 官方链接：

https://ucbepic.github.io/DataAgentBench/

也就是说，它考察的不是 " 会不会写 SQL"，而是智能体能否像分析师一样，跨源找数、理解业务、完成判断，并稳定给出正确结果。

例如在本地生活场景中，题目可能要求智能体找出某个城市里 " 下班后仍营业、同时提供停车和 WiFi、且评分较高的商户 "。要答对这样的问题，智能体不仅要跨库关联商户信息、评论数据和营业时间，还要处理数据清洗、时间语义解析，以及多条件筛选和评分聚合等难题。

此次蚂蚁数科登顶，靠的不是让大模型 " 自由发挥 "，而是一套更适合企业场景的完整方案，其核心创新可以概括为：" 本体驱动 + 工具协同 + 决策模型 "。

其中，最关键的是本体层。企业里最常见的问题不是没数据，而是 " 同一句话，不同人理解不同 "。比如 " 营收 "" 客户 "" 同比 "" 渗透率 " 这些词，在不同团队、不同系统里往往有不同口径。蚂蚁数科在数据与模型之间加入本体语义层，相当于先为 AI 建立一张 " 企业地图 "， 帮助它理解企业内部的业务术语、指标口径和对象关系。

第二层是工具层。在实际分析中，大量环节并不需要模型创造性生成，而需要稳定、准确执行。比如同比环比计算、聚合、去重、排序等，蚂蚁数科将其沉淀为可复用工具，让智能体直接调用，减少计算误差，提高稳定性。

第三层是决策层。方案中引入了 Jev 决策模型，专门负责分类、选择和判断类任务。与通用大模型相比，这类模型更轻、更快，更适合处理高频判断任务。它能与大模型形成分工协同：高置信度任务快速处理，低置信度结果再交给大模型兜底。

目前，相关能力已在蚂蚁数科 AiWork DataAgent 产品体系中落地，对外服务零售、家居等多个行业客户。它能够帮助企业完成跨系统取数、经营指标分析、变化归因、辅助决策等任务，让数据分析从少数专业人员的工作，变成企业可随时调用的智能服务能力。

此前，蚂蚁数科的数据智能体曾在全球权威 NL2SQL（自然语言转 SQL）评测基准 BIRD-Bench 上登顶第一，执行准确率和执行效率两项核心指标均位列榜首，创下中国公司在该榜单上的最佳成绩。

未来，我们将继续深耕数据智能体等方向，推动相关能力在更多行业场景落地，助力企业实现更高效的数据分析与智能决策。