論文の概要: EnterpriseBench: Benchmarking LLM Agents on Enterprise-Level Strategic Reasoning and Decision-Making

• arxiv url: http://arxiv.org/abs/2609.37658v2
• Date: Sat, 03 Oct 2026 03:37:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 04:43:28.434305
• Title: EnterpriseBench: Benchmarking LLM Agents on Enterprise-Level Strategic Reasoning and Decision-Making
• Title（参考訳）: EnterpriseBench: エンタープライズレベルの戦略的推論と意思決定に関するLLMエージェントのベンチマーク
• Abstract要約: 我々は,静的質問応答から動的意思決定に至るまで,このスペクトルにわたってLLMエージェントを評価するベンチマークであるEnterpriseBenchを紹介する。 具体的には、EnterpriseBenchは、既存のエンタープライズおよび財務的なQAデータセットを、能力と難易度によって注釈付けされた統一された基盤スイートに再編成する。 4つのバックボーンモデルに基づく9つのエージェント手法による実験では、現在のエージェントはまだ安定で包括的でクロスタスクの信頼性を達成できていない。
• 参考スコア（独自算出の注目度）: 27.8872376359282
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM agents are increasingly expected to support enterprise workflows, where tasks often involve missing information, uncertainty, feedback, and long-term trade-offs. However, existing enterprise and financial benchmarks mainly test static capabilities such as information extraction, numerical calculation, domain knowledge, and financial QA, leaving interactive and long-horizon decision-making underexplored. To bridge this gap, we introduce EnterpriseBench, a benchmark that evaluates LLM agents across this spectrum, from static question answering to dynamic decision-making. Specifically, EnterpriseBench reorganizes existing enterprise and financial QA datasets into a unified foundational suite annotated by capability and difficulty, and introduces three professional interactive settings: Consulting, based on management-consulting-style business cases for client problem diagnosis through multi-turn information seeking; the Beer Game, adapted from a classic supply-chain management simulation for inventory control under delayed feedback; and Enterprise Digital Twin, a project-based business simulator for workforce, risk, and project planning. Experiments with nine agent methods under four backbone models show that current agents have not yet achieved stable, comprehensive, and cross-task reliability in enterprise scenarios. These results show that EnterpriseBench provides a practical benchmark for evaluating LLM agents in realistic enterprise strategic reasoning and decision-making.
• Abstract（参考訳）: LLMエージェントは、情報不足、不確実性、フィードバック、長期的トレードオフといったタスクが伴う、エンタープライズワークフローをサポートすることがますます期待されている。 しかし、既存の企業や財務のベンチマークでは、情報抽出、数値計算、ドメイン知識、財務QAといった静的な能力を主にテストしており、対話的かつ長期にわたる意思決定は未定のままである。 このギャップを埋めるために、静的な質問応答から動的意思決定まで、このスペクトルにわたってLLMエージェントを評価するベンチマークであるEnterpriseBenchを紹介します。 具体的には、EnterpriseBenchは、既存のエンタープライズおよび財務QAデータセットを、能力と難易度で注釈付けされた統一された基礎的なスイートに再編成し、マルチターン情報探索によるクライアント問題診断のための管理コンサルトスタイルのビジネスケースに基づくコンサルティング、遅延したフィードバックの下で在庫管理のための古典的なサプライチェーン管理シミュレーションに適合したBeer Game、そして、作業、リスク、プロジェクト計画のためのプロジェクトベースのビジネスシミュレータであるEnterprise Digital Twinの3つのプロの対話的設定を導入する。 4つのバックボーンモデルに基づく9つのエージェント手法による実験は、現在のエージェントがエンタープライズシナリオにおいて、安定的で包括的で、クロスタスクの信頼性をまだ達成していないことを示している。 これらの結果から, EnterpriseBenchは, リアルな企業戦略的推論と意思決定において, LLMエージェントを評価するための実用的なベンチマークを提供することがわかった。

関連論文リスト

• Can LLMs Be CEOs? Benchmarking Strategic Resource Reallocation with Multi-Role Agent Simulation [5.488097487012986]
  大規模言語モデル(LLM)の意思決定能力を評価することが研究の優先事項となっている。 我々は、CEOレベルの戦略的リソース再配置に基づいてLCMを評価するベンチマークであるtextsc CEO-Benchを紹介する。 13のシナリオにおける5つのフロンティアモデルに対する実験により、全てのモデルが高い構造的妥当性を達成するが、戦略的なキャリブレーションにおいて急変することが明らかになった。
  論文  参考訳（メタデータ） (2026-06-16T03:20:04Z)
• Can LLM Agents Be CFOs? A Benchmark for Resource Allocation in Dynamic Enterprise Environments [39.051947374027435]
  長期のエンタープライズリソースアロケーションにおけるエージェント評価のための最初のベンチマークであるEnterpriseArenaを紹介する。 CFOスタイルの意思決定を、企業レベルの財務データ、匿名化されたビジネス文書、マクロ経済と産業のシグナル、専門家が検証した運用ルールを組み合わせた132ヶ月の企業シミュレータでインスタンス化する。 実験の結果、ランの16%のみが全地平線を乗り越えており、より大きなモデルでは、より小さなモデルよりも確実に性能が良くないことがわかった。
  論文  参考訳（メタデータ） (2026-03-24T18:25:00Z)
• Responsible LLM Deployment for High-Stake Decisions by Decentralized Technologies and Human-AI Interactions [1.2464143741310136]
  本稿では, LLMに基づく意思決定支援システムを, アクティブな人的関与を通じて, 責任ある展開を行うための枠組みを提案する。 デプロイ前の段階で、複数のイテレーションを通じて、人間専門家と開発者の対話的なコラボレーションを統合する。 Bert-large-uncased、MistLaMA 2、LLaMA 3モデルでテストされ、ビジネス融資における責任ある金銭的決定を支援する能力を評価した。
  論文  参考訳（メタデータ） (2025-11-28T18:10:52Z)
• FinAgentBench: A Benchmark Dataset for Agentic Retrieval in Financial Question Answering [57.18367828883773]
  FinAgentBenchは、ファイナンスにおける多段階推論によるエージェント検索を評価するためのベンチマークである。 このベンチマークは、S&P-500上場企業に関する26Kのエキスパートアノテート例から成っている。 我々は,最先端モデルの集合を評価し,対象の微調整がエージェント検索性能を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2025-08-07T22:15:22Z)
• A Trustworthy Multi-LLM Network: Challenges,Solutions, and A Use Case [59.58213261128626]
  複数の大規模言語モデル(LLM)を信頼性のあるマルチLLMネットワーク(MultiLLMN)に接続するブロックチェーン対応協調フレームワークを提案する。 このアーキテクチャは、複雑なネットワーク最適化問題に対する最も信頼性が高く高品質な応答の協調評価と選択を可能にする。
  論文  参考訳（メタデータ） (2025-05-06T05:32:46Z)
• INVESTORBENCH: A Benchmark for Financial Decision-Making Tasks with LLM-based Agent [15.562784986263654]
  InvestorBenchは、大規模言語モデル(LLM)ベースのエージェントを財務的な意思決定コンテキストで評価するためのベンチマークである。 株式、暗号通貨、ETFなどの単一株式を含む、さまざまな金融商品に適用可能な包括的なタスクスイートを提供する。 また,13種類のLDMをバックボーンモデルとして,エージェントフレームワークの推論と意思決定能力の評価を行った。
  論文  参考訳（メタデータ） (2024-12-24T05:22:33Z)
• FinMem: A Performance-Enhanced LLM Trading Agent with Layered Memory and Character Design [11.913409501633616]
  textscFinMemは、金融上の意思決定のために考案された新しいLLMベースのエージェントフレームワークである。 textscFinMemのメモリモジュールは、人間のトレーダーの認知構造と密接に一致し、堅牢な解釈性を提供する。 このフレームワークは、エージェントが専門知識を自己開発し、新しい投資方法にアジャイルに反応し、取引決定を継続的に洗練することを可能にする。
  論文  参考訳（メタデータ） (2023-11-23T00:24:40Z)
• AgentBench: Evaluating LLMs as Agents [99.12825098528212]
  エージェントとしてのLarge Language Model (LLM)は近年広く認知されている。 我々は,LLM-as-Agentの推論と意思決定能力を評価するために,8つの異なる環境からなるベンチマークであるAgentBenchを提案する。
  論文  参考訳（メタデータ） (2023-08-07T16:08:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。