导语：7月8日，国际AI顶级学术集会ACL 2026宣布了最好论文奖项，阿里研究团队于Deep Research Agent标的目的的研究结果从全世界一万多篇投稿中脱颖而出

7月8日，国际AI顶级学术集会ACL 2026宣布了最好论文奖项，阿里研究团队于Deep Research Agent标的目的的研究结果从全世界一万多篇投稿中脱颖而出，获评最好资源论文奖（Best Resource Paper），是海内独一得到该奖项的中国公司。据悉，该论文初次体系展现了当前Agent于真实世界繁杂法则推理中面对巨年夜缺陷，并提出了全新的专家Agent评测基准，为晋升年夜模子于真实场景的靠得住性指了然新标的目的。

ACL（国际计较语言学协会）建立在1962年，是天然语言处置惩罚及计较语言学范畴中汗青最悠长、最具权势巨子性的国际学术构造。于学术评价系统中，ACL持久位居google学术计较语言学子范畴的h5-index影响力榜首，是年夜模子、Agent等前沿计技能的焦点论文首发阵地。据先容，ACL 2026共收到12148篇投稿，仅19%被主会任命，终极仅有4篇论文获评Best Resource Paper。

阿里这次获奖的论文以商品出口所需的10位海关编码（HS Code）为切入点，提出了针对于真实场景及专家程度的智能体新基准 HSCodeComp，它要求 Agent像资深关务专家同样，将商品恍惚的属性与严酷的关税归类法则对于齐，为商品精准映照到10位细分编码。研究团队对于14个主流年夜模子及9个进步前辈 Agent框架举行了周全评测。测试成果显示，体现最佳的Agent体系正确率仅为45%摆布，远低在人类专家95%的正确率。更值患上留意的是，研究还有发明纯真堆更多推理时间（inference-time scaling）其实不能显著缩小这道鸿沟，这象征着这暗地里并不是 算力问题 ，而是Agent架构自己的布局性瓶颈。

该研究还有进一步展现了致使Agent体系缺陷的缘故原由：起首太长的推理链致使Agent于半途偏离准确路径，其次是范畴常识不足致使法则误用，末了因为推理幻觉造成Agent天生缺少事实依据的分类判定。这些发明为Agent能力晋升指了然标的目的。

于 HSCodeComp基准测试中，阿里设计的Agent正确率到达65.0%

今朝，HSCodeComp基准的数据集与评测代码已经于Hugging Face及 GitHub周全开源。据先容，阿里已经基在该研究结果，于跨境商业数字关务等场景中设计了以Qwen基座模子为焦点的Agent框架，于HSCodeComp 基准（10 位编码正确率）上的测试成果显示，该Agent以65.0%的正确率稳居AI体系第一名。

ACL评审委员会暗示：“该基准切中了Agent运用的高度主要挑战——考查Agent对于严酷层级化天然语言法则的遵照能力，研究念头极具说服力；严谨的人类专家评测流程提供了高度靠得住的能力上界。”

阿里研究团队暗示： 层级法则运用是实际世界中年夜量专业决议计划的焦点能力，不仅存于在国际商业，也广泛存于在法令合规、医疗诊断、税务审计等主要高价值垂类范畴。HSCodeComp展现了当前Agent的能力界限，也为构建真正靠得住的专业AI体系提供了科学的评测标杆。