SupChain-Bench：面向现实世界供应链管理的的大型语言模型基准测试

大型语言模型在复杂推理和基于工具的决策中展现出潜力，但供应链管理需要基于特定领域流程的可靠长程多步编排。为此，本文提出 SupChain-Bench，一个评估供应链领域知识及基于标准作业程序（SOP）的长程工具编排的统一基准。实验揭示了现有模型在执行可靠性上的显著差距。此外，作者提出了 SupChain-ReAct，这是一种无需 SOP 的框架，能自主合成可执行的工具使用流程，实现了最强且最一致的工具调用性能。