阿里千问发布BabelArena基准

发生了什么

阿里千问发布多语言Agent基准BabelArena及适配流水线BabelFlow。该基准包含约699个规范任务与23种语言，涵盖13个领域，旨在测试Agent在不同语言下的工具调用、检索与打分表现。研究发现，同一任务在不同语言下可能出现显著差异，例如使用Qwen-3.8-Max执行购物任务时，泰卢固语的工具调用次数较英语出现8倍级膨胀。作者指出，即便任务通过，低资源语言仍存在工具调用与控制流失败风险。